矢量場測量系進(jìn)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(guān)項目“巨磁電阻式精密電子羅盤樣機(jī)研制”的引申研究。矢量場測量系的優(yōu)化設(shè)計是許多測量裝置經(jīng)常遇到的基本問題，對提高測量精度至關(guān)重要，通過算法實現(xiàn)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(jìn)化算法技術(shù)反演矢量場測量系的正交及配準(zhǔn)(對準(zhǔn))誤差的方法?！斑M(jìn)化算法”對于非線性或不連續(xù)多峰函數(shù)的優(yōu)化問題以及無解析表達(dá)式的目標(biāo)函數(shù)的優(yōu)化問

2、題有明顯的功效。
　　 本文針對進(jìn)化算法中的遺傳算法和粒子群算法進(jìn)行了比較深入的研究，提出了具有自主運(yùn)行能力的進(jìn)化算法，為離線運(yùn)行創(chuàng)造了條件，并對其在矢量場測量系校正和配準(zhǔn)應(yīng)用進(jìn)行了研究，本文所研究的測量系校正與配準(zhǔn)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(zhǔn)依據(jù)都由測量系自身提供。本文主要工作如下：
　　 1、提出了自進(jìn)化遺傳算法及分步自進(jìn)化遺傳算法。雖然遺傳算法主要進(jìn)化機(jī)制流程模仿了生物進(jìn)化過程，

3、但其中最敏感的幾個進(jìn)化參數(shù)卻是由人工給定，這使算法的結(jié)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(jìn)化的內(nèi)在機(jī)制自身也將是不斷進(jìn)化的。自進(jìn)化遺傳將遺傳與進(jìn)化的機(jī)制延續(xù)到遺傳算法自身參數(shù)的確定過程中，并將算法自身所涉及的參數(shù)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(jìn)化，自動產(chǎn)生算法參數(shù)并同時得出被尋優(yōu)問題的“最優(yōu)解”，算法的解更能體現(xiàn)遺傳與進(jìn)化的特質(zhì)，結(jié)果的客觀性更強(qiáng)。

4、r>　　 2、提出了一種自適應(yīng)改進(jìn)PSO(Particle Swarm Optimization)算法。新算法具有自學(xué)習(xí)特性，控制參數(shù)相對較少，同時減少了參數(shù)控制的復(fù)雜性，能夠提高運(yùn)行過程中特別是迭代后期微粒群的多樣性，改進(jìn)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(jìn)化算法優(yōu)化模型和若干通用適應(yīng)度函數(shù)。依據(jù)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