[发明专利]基于粒子群优化算法的水下二维空间主动电场定位方法

摘要

本发明涉及水下主动定位领域，特别涉及一种基于粒子群优化算法的水下二维空间主动电场定位的方法。本发明提供的基于粒子群优化算法的水下二维空间主动电场定位的方法基于粒子群优化算法，通过水下主动电场对被探测物体，尤其是金属物体进行定位，能克服水下环境存在昏暗、浑浊等众多复杂因素的影响，提高检测的可靠性和有效性；本方法从电磁场基本理论角度出发，模拟弱电鱼的主动电场定位机制，将水下定位精度提高至毫米数量级；同时本方法基于局部粒子群优化的算法，避免陷入局部最优的僵局从而提高了水下检测的有效性和寻优效率；且本方法便于商业化开发，随着水下检测的脚步日渐加快，水下定位技术的需求越来越广泛，在此背景下，本发明方法具有较好的商业开发前景和应用价值。

主权项

1.一种基于粒子群优化算法的水下二维空间主动电场定位方法，其特征在于，包括如下步骤：(1)根据目标探测区域大小范围，初始化目标探测区域中由n个粒子组成的粒子群位置矩阵W：其中，1≤i≤n，分别为第i个粒子初始化位置的x坐标、y坐标；X为目标探测区域x方向最大值，Y为目标探测区域y方向最大值，rand()为均匀分布在[0,1]之间的随机数；(2)初始化各个粒子的速度为0，其中d＝1,2；限制各个粒子在x轴、y轴方向上速度范围在[‑v_m,v_m]区间内；将各个粒子的初始化位置设为各个粒子个体历史最优位置(p_i1,p_i2)，即1≤i≤n；(3)向目标探测区域发射具有指定频率的第一信号，从而在目标探测区域建立探测电场，采集各个坐标位置上的响应特征值，将其作为各个粒子的适应度值同时，将各个粒子的初始位置上的适应度值设为各个粒子个体历史最优适应度值F(p_i1,p_i2)，即其中，(4)确定n个粒子编号，将n个粒子按照环形拓扑排列；设定邻域大小为初始值m；(5)自第一个粒子开始，初始化各个粒子的邻域历史最优粒子的位置(d_i1,d_i2)，方法是：比较初始位置上粒子邻域初始值m范围内所有的其他粒子的适应度值，将其中最小值设为该粒子的邻域历史最优适应度值F(d_i1,d_i2)，并将其对应的位置设为该粒子的邻域历史最优位置(d_i1,d_i2)；(6)设定迭代次数k_max，并迭代获取各个粒子邻域最优位置；其中，迭代获取各个粒子邻域最优位置的步骤中，包含如下步骤：(6‑1)根据公式更新各个粒子的速度；其中，d的取值为1或2；为当前粒子第k次迭代后的速度，c₁和c₂都设置为2，ξ和η是两个在[0,1]均匀分布的随机数，ω为惯性权重，k_max为最大迭代次数；若则使若则使(6‑2)根据位置更新公式对粒子群的位置矩阵W进行更新，若则使若则使若则使若则使(6‑3)依次更新各个粒子的个体历史最优位置(p_i1,p_i2)，更新方法为：依次采集第i粒子所在新坐标位置的响应特征值作为第i粒子当前适应度值，将第i粒子当前适应度值与第i粒子个体历史最优适应度值F(p_i1,p_i2)相比较，若则使同时，更新该粒子个体历史最优位置(p_i1,p_i2)为即反之，则保持第i粒子的(p_i1,p_i2)和F(p_i1,p_i2)值不变；(6‑4)依次更新各个粒子的领域历史最优位置(d_i1,d_i2)；更新方法为：比较第i粒子邻域范围内所有的其他粒子的适应度值，将其中最小值作为第i粒子当前的邻域最优适应度值，若第i粒子当前的邻域最优适应度值小于第i粒子邻域的历史最优适应度值，则更新第i粒子的邻域历史最优适应度值F(d_i1,d_i2)的值为当前的邻域最优适应度值，同时更新第i粒子邻域历史最优位置(d_i1,d_i2)的值为当前邻域最优位置的值；反之则保持第i粒子的(d_i1,d_i2)和F(d_i1,d_i2)的值不变；(6‑5)如果k<k_max，则判断，是否为整数，如是，则k值加1，领域大小m值加m_d，重复执行步骤(6‑1)至步骤(6‑4)，如果k<k_max，同时，不为整数，则k值加1，m值保持不变，重复执行步骤(6‑1)至步骤(6‑4)，其中，l、m_d均为1以上自然数；(7)迭代结束后，第n粒子的邻域最优位置即为目标位置。