[发明专利]基于ISCSO-LMNN的磁控胶囊机器人精确空间定位方法

权利要求书

1.一种基于ISCSO-LMNN的磁控胶囊机器人精确空间定位方法，其特征在于：包括以下步骤：

步骤一、根据磁传感器对胶囊机器人空间磁场信息进行获取；

步骤二、选择BP神经网络的隐含层层数及节点个数；

步骤三、通过改进的沙猫群优化算法，获得最优初始化网络模型的权值和阈值；

步骤四、计算实际输出，对LM算法初值进行精确定位，判断是否达到期望：若否，则反向传播，更新权值、阈值；若是，则输出LMI最优初值，并利用LM算法对胶囊机器人空间磁场信息进行反解，实现胶囊机器人精确的空间定位。

2.根据权利要求1所述的磁控胶囊机器人精确空间定位方法，其特征在于：所述步骤二中，BP神经网络的模型建立包括：

神经网络隐含层神经元的个数选择公式如下：

式中，n为神经网络输入层的层数，m为神经网络隐含层的层数，l为神经网络输出层的层数,A为1～10之间的常数；

在BP神经网络中，数据从输入层传输到隐含层，再从隐含层传输到输出层，在每一层的传输过程中都经过激活函数的处理，其中，所述BP神经网络的隐含层的输出公式为：

式中，θ_j表示第j个隐含层神经元的输出，x_i为神经网络输入层的输入值，ω_ij为第i个输入层神经元到第j个隐含层神经元的权重，b_i为输入层到隐含层的偏置；f₁为激励函数，选择S型函数，则其中，n和m均为正整数；

所述BP神经网络的输出层的输出公式为：

式中，β_k第k个输出层神经元的输出，ω_jk代表隐含层到输出层的权重，b_k表示隐含层到输出层的偏置，f₂为激励函数，选择purelin激活函数，则f₂(x)＝x，k＝1,2,…,l，l为正整数；

计算误差函数：

式中，C_k为神经网络模型的期望输出；

计算误差函数对输出层和隐含层的偏导数：

计算误差函数对隐含层和输入层之间参数的偏导数：

之后修正参数,输出层和隐含层之间参数为：

隐含层和输入层之间参数为：

计算全局误差，判断全局误差是否满足要求，当全局误差满足要求，即实际输出满足期望输出。

3.根据权利要求1所述的磁控胶囊机器人精确空间定位方法，其特征在于：所述步骤三中，采用改进的沙猫群优化算法对BP神经网络模型中的权值和阈值进行最优化选取；

其中，沙猫群优化算法模拟沙猫试图在自然界中生存的行为，具体包括：

首先，完成沙猫种群的初始化，针对d维的优化问题，沙猫群的种群解为：

式中：X为沙猫的种群矩阵；X_i为第i个沙猫的位置；x_i,j为第i个沙猫的第j维的位置；N为沙猫的种群数量；

其次，进行猎物探索，沙猫的猎物搜索机制依赖于低频噪声发射，沙猫的敏感范围取决于其在低频探测方面的听觉能力及其感知的低频信号；

假设沙猫的敏感范围为2kHz到0，其行为用如下公式表示：

其中，S_M模拟了沙猫的听觉特性，其假设为2，iter_c是当前迭代次数，是最大迭代次数；

每个沙猫个体在搜索过程中，根据最佳候选位置和当前位置及其灵敏度范围更新自己的位置，其公式如下：

沙猫个体的位置更新公式如下所示：

为了数学建模SCSO的攻击猎物阶段，最佳位置和当前位置计算，如下所示：

沙猫敏感范围假设为一个圆，其运动方向由随机角度决定在圆圈上；

由于所选的随机角度介于0和360之间，其值将介于-1和1之间；

这样，种群中的每个成员都能够在搜索空间的不同圆周方向上移动。