基于优化BP神经网络的磁补偿算法研究.pdf

《基于优化BP神经网络的磁补偿算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于优化BP神经网络的磁补偿算法研究RESEARCHONMAGNETICCOMPENSATIONALGORITHMBASEDONOPTIMIZEDBPNEURALNETWORK孙宇慧哈尔滨工业大学2018年6月国内图书分类号：TP391.4学校代码：10213国际图书分类号：004.9密级：公开工程硕士学位论文基于优化BP神经网络的磁补偿算法研究硕士研究生：孙宇慧导师：韩琦副教授申请学位：工程硕士学科：计算机技术所在单位：计算机科学与技术学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学Cl

2、assifiedIndex:TP391.4U.D.C:004.9ADissertationfortheDegreeofM.EngRESEARCHONMAGNETICCOMPENSATIONALGORITHMBASEDONOPTIMIZEDBPNEURALNETWORKCandidate：YuhuiSunSupervisor：A.P.QiHanAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerTechnologyAffiliation：

3、SchoolofComputerScienceandTechnologyDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要航磁补偿是航空磁探测过程中的必备技术，目前的航磁补偿方法主要依赖于Tolles-Lawson模型。该模型将载具干扰场分为恒定场、感应场、涡流场三类干扰源，结合载具姿态信息，以线性方程组的形式表达。通过结算模型系数完成校准，进而实现补偿。然而该方法在实现过程中仍有诸多问题，例

4、如姿态数据的准确度有限、模型缺乏低频干扰描述项等，这些问题使得基于Tolles-Lawson模型的磁补偿算法难易取得更高的补偿精度。在磁力仪测量精度取得长足进展的今天，补偿精度成为了制约航磁探测精度的主要瓶颈。基于以上问题，本文将从航磁补偿模型及姿态数据质量两方面着手，研究新的航磁补偿技术。针对航磁补偿模型，本文在传统Tolles-Lawson模型的基础上建立了新的BP神经网络模型，并对权值初始化方法进行了设计；针对姿态数据质量，本文通过融合三分量磁通门磁力仪数据与航姿仪数据提升数据质量。综上所述，本文的研究

5、内容主要包含以下三个方面：第一，建立BP神经网络磁干扰补偿模型。本文首先对传统Tolles-Lawson航磁补偿模型进行了分析与优缺点归纳，并基于此讨论了利用BP神经网络进行磁干扰补偿的可行性；接下来，本文设计了多组网络结构，并在实测数据上进行了验证。实验表明，基于神经网络的补偿模型能够在一定程度上提升补偿效果。第二，提出给予遗传算法的航磁干扰模型求解方法。本章以对BP神经网络权值进行预训练为出发点，讨论了遗传算法在航次干扰补偿领域的应用。首先使用遗传算法初始化BP神经网络权值；进而将遗传算法拓展到传统Tol

6、les-Lawson模型系数求解上，提升航磁补偿精度。第三，提出了基于数据融合的姿态数据质量增强算法。本章首先分析了三分量磁通门与航姿仪各自的误差及补偿结果，并基于此设计了融合算法，以获取更高精度的姿态数据，从而实现补偿精度的提升。关键词：航磁补偿；神经网络；遗传算法；数据融合-I-AbstractAbstractAeromagneticcompensationisanindispensabletechnologyintheaviationmagneticdetectionprocess.Currentaer

7、omagneticcompensationmethodsrelymainlyontheTolles-Lawsonmodel.Thismodeldividesthevehicleinterferencefieldintothreetypesofinterferencesources:constantfield,inductionfieldandeddycurrentfield.Itcombinestheattitudeinformationofthevehicleandexpressesitintheformo

8、flinearequations.Calibrationisaccomplishedbyclearingthemodelcoefficientsandcompensationisachieved.However,therearestillmanyproblemsintheimplementationofthismethod.Forexample,theaccuracyofattitudedatais