[发明专利]一种基于广义回归神经网络的航磁补偿方法

摘要

本发明提供了一种基于广义回归神经网络的航磁补偿方法，包括：根据T‑L方程数学模型和干扰产生原因，确定广义神经网络的输入输出指标因素；对标定飞行数据进行滤波处理后计算方向余弦及其导数，将输入、输出样本归一化处理，获得归一化的广义回归神经网络输入、输出向量；将预处理后的学习样本载入GRNN，采用十折交叉验证方法，循环验证，选取出最佳光滑因子、最佳输入样本和输出样本确定网络结构构建补偿模型。将标定飞行数据作为待补偿样本载入GRNN进行补偿计算，并将补偿网络的输出数据做反归一化处理，获得飞机干扰场的预测。本发明有效回避16项系数方程矩阵的病态问题，并且当标定飞行样本数据较少时，获得较好的补偿效果，实现无人机航磁干扰补偿。

主权项

1.一种基于广义回归神经网络的航磁补偿方法，其特征在于，该方法包括：步骤S1：根据T‑L方程数学模型和干扰产生原因，确定广义神经网络的输入指标因素和输出指标因数；步骤S2：对标定飞行数据进行滤波处理后计算方向余弦及其导数得到输入指标因素和输出指标因数，将输入指标因素和输出指标因数归一化处理，获得归一化的广义回归神经网络输入指标因素和输出指标因数作为学习样本；步骤S3：将步骤S2的学习样本载入GRNN，光滑因子设定以0.1步长，0.1到1之间的值，采用十折交叉验证方法，循环验证，选取出最佳光滑因子、最佳输入样本和输出样本确定网络结构建立补偿模型；步骤S4：将标定飞行数据作为待补偿样本载入建立好的补偿模型进行补偿计算，并将补偿模型的输出数据做反归一化处理，获得飞机干扰场的预测，再从光泵磁力仪获取的数据中减去预测值可获得补偿后的地磁场值。