基于改进粒子群算法的空间系校正及配准技术研究

论文摘要

粒子群算法(PSO)是一种基于群体搜索策略的智能进化算法,其优点是简单、容易实现、代码量小,但是它易陷入局部极点,搜索精度不高。本文在保持基本PSO算法优点的前提下,从社会心理学和生物行为学的角度去考虑提高粒子群算法的探测和开发性能,提出了一种基于自学习机制的PSO算法,使粒子在更新自身的速度时通过学习迄今自身和整体情况而决定下一步飞行决策,它动态地增加了后代微粒群的多样性,减少了进化运算中的人为干预,提高系统的自适应性,并用测试函数验证该算法在提高其收敛速度和优化精度上的优越性。三轴测量系校正及配准技术在激光通信、导航定位、姿态测控等领域有着广泛应用,是空间测量的基本问题之一。目前的三轴测量系中不可避免地存在轴间正交误差、增益误差及零点漂移,而双三轴正交测量系之间因对应轴的不平行普遍存在失配现象,这都对高精度测量影响很大。通过提高制造工艺寻求解决这一问题的途径是不现实的,且由于这种影响的非线性特点和三维测量的要求,使得标定工作不易进行,对标定设备要求很高,加大工作量和科研成本。因此比较有效可行的方法是通过优化算法对三轴测量系进行校正和配准。针对三轴测量系校正问题,本文依据将测量系投影到理想正交系的思想,并简化理想正交系模型,通过建立矢量场测量系到理想正交系映射关系,建立误差参数模型；利用自学习机制的改进PSO算法求解最优影射参数,以离线方式同时修正测量轴轴间正交误差、轴间增益偏差以及零点漂移的方法,实现了测量系到理想正交系映射关系的参数辨识。而认为经过校正后的三轴测量系是理想的,且考虑到测量系在加工完成后,两测量系相应轴间的夹角不会变化,因此把配准算法研究重点放在不考虑实时性的双三轴测量系间的姿态偏差修正上,然后通过采用坐标转换原理进行配准误差建模,用改进PSO算法对误差进行估计和修正,实现双三轴正交测量系的配准标定。最后,计算机仿真结果表明该方法能够实现对三轴测量系的有效修正和配准,明显提高测量精度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 空间系误差校正与配准方法
• 1.2.2 粒子群算法的研究与发展综述
• 1.3 论文研究内容
• 1.4 论文的组织
• 第2章 粒子群优化算法
• 2.1 算法基本原理
• 2.1.1 算法的提出
• 2.1.2 算法描述
• 2.1.3 算法流程
• 2.1.4 与遗传算法的比较
• 2.2 改进PSO算法的基本原则
• 2.3 几种改进粒子群优化算法
• 2.3.1 惯性权重粒子群算法
• 2.3.2 收缩因子粒子群算法
• 2.3.3 量子粒子群算法
• 2.3.4 遗传粒子群算法
• 2.4 本章小结
• 第3章 基于自学习机制的改进粒子群算法
• 3.1 改进粒子群算法
• 3.1.1 算法思想
• 3.1.2 算法描述
• 3.1.3 算法流程
• 3.1.4 改进PSO算法优化两目标函数
• 3.2 改进PSO算法性能验证
• 3.2.1 测试函数
• 3.2.2 算法性能验证
• 3.3 本章小结
• 第4章 基于改进粒子群算法的三轴测量系误差校正
• 4.1 三轴测量系测量误差分析
• 4.1.1 实际三轴测量系测量模型
• 4.1.2 目标函数以及适应度函数
• 4.1.3 模拟产生测量系输出
• 4.2 VISUAL C++与MATLAB的混合编程
• 4.3 参数寻优计算机仿真
• 4.3.1 无噪声情况下的参数估计
• 4.3.2 有噪声情况下的参数估计
• 4.4 本章小结
• 第5章 改进PSO算法用于双三轴正交测量系配准误差修正
• 5.1 双三轴正交测量系配准误差模型
• 5.1.1 配准误差建模
• 5.1.2 配准误差校正参数寻优
• 5.2 配准误差参数优化
• 5.2.1 无噪声情况下的参数寻优
• 5.2.2 有噪声情况下的参数寻优
• 5.2.3 不同量纲下的配准参数寻优
• 5.3 本章小结
• 总结
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢