一种自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法技术

本发明专利技术提出一种自主反向调优的超限学习算法，用于磁罗盘复杂误差补偿。首先建立基于超限学习机的磁罗盘隐式误差模型，然后利用超限学习算法确定网络参数，借鉴深度学习反向调优机制，利用网络残差对上述网络参数进行反向微调，最后利用训练好的误差模型（神经网络）对磁罗盘误差进行补偿。超限学习算法实现的是输入层和隐藏层连接权值随机选取，这在提高训练速度的同时，也在一定程度上降低了网络性能。针对这一情况，本发明专利技术提出一种自主反向调优的超限学习算法，该算法利用网络残差对随机初始化的连接权值进行反向微调，并实现了隐藏层神经元数自主寻优，保障学习效率的同时大大提高了磁罗盘误差补偿精度。

An application of transfinite learning algorithm based on autonomous reverse tuning in magnetic compass error compensation

The present invention provides an inverse learning algorithm for autonomous inverse tuning, which is used for complex error compensation of magnetic compass. Firstly, the magnetic compass error model of implicit learning machine based on the limit, then by transfinite learning algorithm to determine the network parameters from the deep learning reverse tuning mechanism, reverse the fine-tuning of the network parameters by using network residuals, finally using error model trained (neural network) to compensate the error of magnetic compass. The transfinite learning algorithm realizes the random selection of the input layer and hidden layer connection weights, which improves the training speed and reduces the network performance to some extent. In view of this situation, the invention proposes a self tuning reverse gauge learning algorithm, the algorithm of random initialization of weights reverse fine-tuning by network residuals, and realize the hidden layer neuron number independent optimization, security and efficiency of learning can greatly improve the accuracy of magnetic compass error compensation.

【技术实现步骤摘要】
一种自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法
本专利技术涉及磁电子罗盘误差补偿领域。
技术介绍
导航定向在日常生活和军事领域都起着越来越重要的作用，磁罗盘属于被动无源导航，隐蔽性好，信号无遮挡，且不存在积累误差，成为导航定向的核心技术之一。最近发展起来的AMR磁阻式传感器体积小、响应速度快，成为主流趋势。但AMR磁阻式传感器不仅存在正交轴效应，而且敏感元件与后续调理电路之间间距小，由集成电路引脚材料引起的磁场畸变问题相对于磁通门传感器更为突出。这无疑增加了校准难度，对误差补偿技术要求更高。目前流行的做法是通过对误差产生机理分析，利用地磁场幅值和方向不变特性，建立显示误差模型，再通过不同方法对误差参数进行估计。比如：椭圆假设法、分步校准法、椭球假设法、幅值约束法、位置翻转法、点积不变法等，通过机理分析，建立显式误差模型(或测量模型)，再尝试不同方法对模型参数进行离线或在线估计。然而由于磁传感器误差来源的复杂性，任何显式的误差模型都很难囊括所有误差因素。研究人员开始尝试利用神经网络对隐式误差模型进行训练。专利CN104931028A一种基于深度学习的三轴磁电子罗盘误差补偿方本文档来自技高网...

【技术保护点】
一种自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，包括以下步骤：S1、建立基于超限学习机的磁罗盘隐式误差模型；S2、利用超限学习算法确定网络参数；S3、借鉴深度学习反向调优机制，利用网络残差对上述网络参数进行反向微调；S4、利用训练好的误差模型(神经网络)对磁罗盘误差进行补偿。

【技术特征摘要】
1.一种自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，包括以下步骤：S1、建立基于超限学习机的磁罗盘隐式误差模型；S2、利用超限学习算法确定网络参数；S3、借鉴深度学习反向调优机制，利用网络残差对上述网络参数进行反向微调；S4、利用训练好的误差模型(神经网络)对磁罗盘误差进行补偿。2.如权利要求1的自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，其特征在于：所述步骤S1建立磁罗盘隐式误差模型，并对所述磁罗盘隐式误差模型进行训练，以补偿磁罗盘测量存在的非线性误差，提高磁罗盘定向精度。3.如权利要求2的自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，其特征在于：所述磁罗盘隐式误差模型中的磁罗盘航向角α定义为载体前进方向在水平面上的投影与当地子午线的夹角，沿顺时针旋转，取值范围为0～360°，磁航向角φ通过组成磁罗盘的三轴磁强计和加速度计可计算得到，磁偏角用δ表示，则航向角为α＝φ+δ(1)。4.如权利要求3的自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，其特征在于：所述磁罗盘隐式误差模型中的三轴磁强计存在软磁干扰和正交轴效应，航向角测量值和实际航向α之间非线性误差函数关系。5.如权利要求1的自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，其特征在于：所述步骤S3通过网络残差对随机初始化的连接权值进行反向微调，实现隐层神经元数自主寻优。6.根据权利要求1的自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，其特征在于，所述步骤S4中磁罗盘误差补偿分为两个步骤：(S401)误差模型训练；(S402)使用过程中的误差补偿。7.如权利要求1的自主反向调优的超限学习算法在磁罗盘误差补偿中的应用方法，其特征在于，所述步骤S401中误差模型训练包括两个阶段：(S701)随机初始化输入连接权值w...

【专利技术属性】
技术研发人员：刘艳霞，张福贵，张津，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11