[发明专利]农业机械导航定位方法和装置

权利要求书

1.一种农业机械导航定位方法，其特征在于，包括：

获取农业机械的位置信息和姿态信息；

基于通过微粒群算法训练得到的RBF神经网络，获取与所述农业机械的位置信息和姿态信息对应的定位信息。

2.根据权利要求1所述的农业机械导航定位方法，其特征在于，所述获取农业机械的位置信息和姿态信息包括：

利用DGPS接收机获取农业机械的GPS定位数据，利用姿态传感器获得农业机械的三维姿态信息，所述三维姿态信息包括横滚、俯仰和航向信息；

将所述GPS定位数据和三维姿态信息转换在同一坐标系下，获得所述农业机械的位置信息和姿态信息。

3.根据权利要求1或2所述的农业机械导航定位方法，其特征在于，还包括：通过微粒群算法训练RBF神经网络的步骤，所述通过微粒群算法训练RBF神经网络的步骤包括：

建立RBF神经网络，所述RBF神经网络包括输入层、隐含层和输出层，其中，所述输入层的输入信息包括：农业机械的位置信息、姿态信息和速度信息；

利用微粒群算法对RBF神经网络进行训练，确定RBF神经网络的网络参数，所述网络参数包括隐含层基函数的中心位置、各向宽度、网络权值以及隐含层神经元个数。

4.根据权利要求3所述的农业机械导航定位方法，其特征在于，所述利用微粒群算法对RBF神经网络进行训练，确定RBF神经网络的网络参数包括：

将RBF神经网络隐含层基函数的中心位置、各向宽度和网络权值设置为向量x的各维向量；

利用微粒群算法搜索微粒群在参数向量空间内的最优位置，则最优位置向量x的各维向量即是RBF神经网络隐含层基函数的中心位置、各向宽度和网络权值。

5.根据权利要求4所述的农业机械导航定位方法，其特征在于，所述利用微粒群算法搜索微粒群在参数向量空间内的最优位置包括：

利用微粒群算法公式对RBF神经网络进行训练，其中，所述微粒群算法公式为：

v_k+1＝c₀v_k+c₁(pbest_k-x_k)+c₂(gbest_k-x_k)

x_k+1＝x_k+v_k+1

其中，pbest_k是粒子本身所找到的最优解的位置；gbest_k表示整个种群当前找到的最优解的位置；v_k是粒子的速度向量；x_k是当前粒子的位置；c₀，c₁，c₂表示群体认知系数，c₀是介于(0，1)之间的随机数，c₁，c₂取(0，2)之间的随机数，k为粒子的序号；

利用适应度计算公式计算适应度，其中，所述适应度计算公式为：

J=12NΣi=1NΣj=1C(y-tj,i)2]]>

其中，N是训练集样本数；C网络输出神经元的个数；y是理想输出值；i表示样本的序号；j表示神经元序号；t_j，i表示第i个样本第j个神经元的输出值；

判定J是否达到预期的均方误差ε，若是，则停止对RBF神经网络的训练，获得微粒群在参数向量空间内的最优位置；否则，将RBF神经网络隐含层基函数增1，并利用微粒群算法公式更新微粒的速度和位置，继续对RBF进行训练。