矢量場測量系進化算法優(yōu)化研究.pdf

1、本論文所研究題目源自哈爾濱市科技局攻關項目“巨磁電阻式精密電子羅盤樣機研制”的引申研究。矢量場測量系的優(yōu)化設計是許多測量裝置經常遇到的基本問題，對提高測量精度至關重要，通過算法實現優(yōu)化是目前最有效的途徑。國外研究者較多采用遞推最小二乘法、卡爾曼濾波、極大似然估計等方法解決這一問題。本文首次提出利用進化算法技術反演矢量場測量系的正交及配準(對準)誤差的方法。“進化算法”對于非線性或不連續(xù)多峰函數的優(yōu)化問題以及無解析表達式的目標函數的優(yōu)化問

2、題有明顯的功效。
　　 本文針對進化算法中的遺傳算法和粒子群算法進行了比較深入的研究，提出了具有自主運行能力的進化算法，為離線運行創(chuàng)造了條件，并對其在矢量場測量系校正和配準應用進行了研究，本文所研究的測量系校正與配準方法還有一個特點，即不借助其它精度更高的測量儀器，所有校正與配準依據都由測量系自身提供。本文主要工作如下：
　　 1、提出了自進化遺傳算法及分步自進化遺傳算法。雖然遺傳算法主要進化機制流程模仿了生物進化過程，

3、但其中最敏感的幾個進化參數卻是由人工給定，這使算法的結果存在一定的偶然性或主觀性，同時這樣的過程也擺脫不了對人工參與的依賴。如果沒有超自然力量的存在.生物進化的內在機制自身也將是不斷進化的。自進化遺傳將遺傳與進化的機制延續(xù)到遺傳算法自身參數的確定過程中，并將算法自身所涉及的參數在某種意義下視為被尋優(yōu)變量，使算法通過不斷的遺傳與進化，自動產生算法參數并同時得出被尋優(yōu)問題的“最優(yōu)解”，算法的解更能體現遺傳與進化的特質，結果的客觀性更強。

4、r>　　 2、提出了一種自適應改進PSO(Particle Swarm Optimization)算法。新算法具有自學習特性，控制參數相對較少，同時減少了參數控制的復雜性，能夠提高運行過程中特別是迭代后期微粒群的多樣性，改進的算法在尋優(yōu)過程中具有明顯的抗早熟能力和更高的收斂精度。
　　 3、提出并建立了用于三軸測量系正交校正問題的進化算法優(yōu)化模型和若干通用適應度函數。依據將測量系映射到理想正交系的原理和映射后各個矢量的模相等的