[发明专利]基于遗传算法优化改进BP神经网络的磁力计校正方法

权利要求书

1.基于遗传算法优化改进BP神经网络的磁力计校正方法，其特征在于：将磁力计的误差模型转换成三层改进BP神经网络，再利用遗传算法对改进BP神经网络权值进行实时优化，从而实现磁力计的校正及补偿；具体包括以下部分：

第一部分：将磁力计的误差模型转换成三层改进BP神经网络，改进BP神经网络包括输入层、隐含层和输出层，其传递函数通过分析误差模型自定义得到，其中输入层为磁力计的三轴输出矢量，输出层通过改变误差模型、根据实际要求选择，且输出层的期望值为零；

第二部分：使用遗传算法寻找最佳的权值和阈值，使改进BP神经网络的输出与目标输出之间误差最小，最终有效地对磁力计进行校正；遗传算法的编码对象为磁力计的三轴输出矢量；再通过初始化种群，计算适应度函数；然后再进行选择、交叉、变异操作，将优化结果反馈给改进BP神经网络，最终得到最优权值估计；

第三部分：改进BP神经网络的学习过程，就是迭代地修改权值，从而使改进BP神经网络的实际输出与期望输出的误差最小；利用遗传算法优化改进BP神经网络，对改进BP神经网络的参数估计结果进行验证并反馈给改进BP神经网络来确定估计结果是否有效，从而得到最终参数估计结果；

第四部分：采用限定记忆的方法实现改进BP神经网络的实时估计，从而实现磁力计的实时高精度输出，提高导航系统的精度。

2.根据权利要求1所述的基于遗传算法优化改进BP神经网络的磁力计校正方法，其特征在于：

（1）磁力计的误差模型为：

B^b=CsCnCm(CebBe+Bhb+Bsb)+bb+ϵ0,Bsb=Csi(CebBe+Bhb)---(1)]]>

不考虑高斯白色噪音ε₀的影响，将式（1）简化为磁力计的误差椭球模型为：

B^e=CbeM-1(B^b-b),M=CmCnCs(I3×3+Csi),b=MBhb+bb---(2)]]>

其中：C_s为刻度因子误差矩阵；C_n为非正交误差矩阵；C_m为安装误差矩阵；为当地地球坐标系到载体坐标系的方向余弦矩阵，逆矩阵为；B^e为当地磁场矢量；为硬磁误差矢量；为软磁误差矢量；b^b为零偏差误差矢量；ε₀为测量误差矢量，一般认为是高斯白色噪声，可以忽略；为磁力计的三轴输出矢量；为校正后的磁力计的三轴输出矢量；b为总偏置误差矢量；C_si为软磁误差矩阵；M为总误差矩阵；

使用改进BP神经网络将磁力计的误差模型变换为：

Cbe(M-1B^b-M-1b)-B^e=0---(3)]]>

记：

β=-M-1b=ω14ω24ω34;]]>α=M-1=ω11ω12ω13ω21ω22ω23ω31ω32ω33;]]>W=αβ01×3-1=ω11ω12ω13ω14ω21ω22ω23ω24ω31ω32ω33ω34ω41ω42ω43ω44;]]>

γ=B^e=v14v24v34;]]>δ=Cbe=v11v12v13v21v22v23v31v32v33;]]>V=δγ01×3-1=v11v12v13v14v21v22v23v24v31v32v33v34v41v42v43v44]]>

选取改进BP神经网络的传递函数为f(x)=x；输入层至隐含层的权值为W，阈值为零；隐含层至输出层的权值为V，阈值为零；输出层的期望值为零；改进BP神经网络的权值的迭代修改规则通过类似推导得出；

（2）遗传算法选取磁力计的三轴输出矢量为编码对象，编码方式为n位二进制编码，初始化种群数为N=2ⁿ，适应度函数选取其中e为改进BP神经网络的最大估计误差，Y是改进BP神经网络的输出；然后进行选择、交叉、变异操作，记录每次操作后适应度函数值是否大于零，如果大于零则反馈给改进BP神经网络，继续进行权值迭代，直至每次适应度函数值均大于零为止；

（3）采用限定记忆的方法实现改进BP神经网络的实时估计，就是将最近N数据作为改进BP神经网络的考察对象。