一种基于改进智能优化算法的磁偶极子目标定位方法技术

本发明专利技术属于磁性目标定位技术领域，公开了一种基于改进智能优化算法的磁偶极子目标定位方法，包括：在远场条件下采用磁偶极子模型描述目标的磁感应强度；构造基于改进智能优化算法的磁偶极子目标定位非线性方程组；利用改进智能优化算法进行寻优，实现基于改进智能优化算法的磁偶极子目标定位。利用改进智能优化算法进行寻优过程为：通过佳点集初始化产生初始种群，使初始种群位置更加均匀；其次加入粒子群位置更新公式，增强粒子之间的信息交流和合作机制；另外加入改变概率和莱维飞行，增强了粒子的活性和多样性，避免算法陷入局部最优。本发明专利技术在低信噪比下的定位精度更高，收敛速度更快，可用于磁性目标探测。可用于磁性目标探测。可用于磁性目标探测。

【技术实现步骤摘要】
一种基于改进智能优化算法的磁偶极子目标定位方法


[0001]本专利技术属于磁性目标定位
，尤其涉及一种基于改进智能优化算法的磁偶极子目标定位方法。

技术介绍

[0002]目前，磁性目标定位方法在航空磁性探测、机器人姿态检测、地磁场导航、地质勘探、未爆物检测等应用领域具有重要价值。当磁性目标距离磁传感器距离足够远时，目标可等效为磁偶极子，此时可采用磁偶极子描述该目标的磁感应强度。磁偶极子定位问题主要采用解析类方法、优化类方法和序贯滤波类方法等三类方法进行求解。其中，解析类方法对观测噪声较为敏感，在信噪比较低条件下定位性能较差；序贯滤波类方法主要针对运动目标的的定位问题，而优化类方法是目前解决基于改进智能优化算法的磁偶极子目标定位的主要方法。
[0003]优化算法通常通过磁传感器的测量数据并利用最优化的算法得到磁性目标的位置信息。Wiegert等人于2008年针对实时逐点定位问题提出基于中心势场的梯度方向导数方法。李华等人于2009年基于单旋转椭球体模型利用遗传算法对磁性目标进行定位，实现了在线磁目标定位，计算结果表明该方法定位准确、判断可靠。张丹等人于2017年基于遗传算法研究航空磁探仪搜索路径优化问题，根据目标的先验信息约束解的空间范围，并根据规则搜索阵型、随机搜索阵型生成初始种群，使得个体的非劣性和多样性得到了保证。Gao等人于2018年利用LM算法实现运动磁性目标的定位。
[0004]国内外针对基于改进智能优化算法的磁偶极子目标定位问题的研究现状表明，对于范围比较小的磁场三分量定位问题，利用传统的最优化方法就很容易收敛到最优值，但是针对参数范围比较大且目标函数比较复杂的情况下，传统的最优化算法对于初值太过敏感，目标定位性能难以保证。
[0005]通过上述分析，现有技术存在的问题及缺陷为：针对参数范围比较大且目标函数比较复杂的情况下，传统的最优化算法对于初值太过敏感，目标定位性能难以保证。
[0006]解决以上问题及缺陷的难度为：低信噪比条件下磁偶极子目标进行快速、准确定位存在困难。
[0007]解决以上问题及缺陷的意义为：本专利技术的目的在于，提出一种磁偶极子定位方法，用于解决低信噪比下基于改进智能优化算法的磁偶极子目标定位精度下降、收敛速度慢的问题，能够较快地对磁传感器测量得到的目标磁感应强度数据进行分析。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种基于改进智能优化算法的磁偶极子目标定位方法。
[0009]本专利技术是这样实现的，一种基于改进智能优化算法的磁偶极子目标定位方法，所述基于改进智能优化算法的磁偶极子目标定位方法，包括：
[0010]步骤一，在远场条件下采用磁偶极子模型描述目标的磁感应强度，是本方案的模型基础；
[0011]步骤二，构造基于改进智能优化算法的磁偶极子目标定位非线性方程组，为智能优化算法确定适应度函数；
[0012]步骤三，利用改进智能优化算法进行寻优，实现基于改进智能优化算法的磁偶极子目标定位，是本方案的关键步骤。
[0013]进一步，所述步骤一中，在远场条件下采用磁偶极子模型描述目标的磁感应强度具体过程为：
[0014]当磁传感器和目标之间的距离大于磁性目标尺寸的2.5倍以上时，将此磁性目标物体看作是磁偶极子；
[0015]坐标系中磁偶极子目标位置为A(x0,y0,z0)，磁通门传感器的坐标为B(x,y,z)，r为磁偶极子的原点到磁传感器的矢径，为磁偶极子的磁矩矢量，m为目标磁矩大小，θ为地磁倾角，为地磁偏角。此时B点处目标产生的磁感应强度B；在直角坐标系中，将磁感应强度B方程展开。
[0016]进一步，所述B点处目标产生的磁感应强度B方程为：
[0017][0018]进一步，所述磁感应强度B方程展开为：
[0019]在直角坐标系中，将磁感应强度B方程展开得到：
[0020][0021]其中μ0为自由空间磁导率，大小为4π
×
10
‑7H/m，上式是一个包含6个未知数的非线性方程组，至少要给出两个测量点，构造六个方程才能估计目标的未知参数；在实际测量情况下，对磁感应强度值测量会存在一定误差，只依靠两个监测点的数据所得出的结果并不准确，为减小误差，需增加磁传感器的数目，并将其转化为非线性优化问题然后利用优化算法进行求解。。
[0022]进一步，所述步骤二中，构造基于改进智能优化算法的磁偶极子目标定位非线性方程组，具体过程为：
[0023]首先假定一组未知数并代入对磁感应强度B方程展开的右半部分，得到磁感应强度的一组估计然后以误差平方和最小为准则来评估该组未知数，从而得到如下方程：
[0024][0025]使得f取得最小值时的估计量所对应的未知量就是
方程的最优解。
[0026]进一步，所述步骤三中，利用改进智能优化算法进行寻优过程为：
[0027]首先，通过佳点集初始化产生初始种群，使初始种群位置更加均匀；
[0028]其次加入粒子群位置更新公式，增强粒子之间的信息交流和合作机制；
[0029]另外加入改变概率和莱维飞行，使其能够有一部分粒子按照莱维飞行来改变自身位置，增强粒子的活性和多样性，避免算法陷入局部最优。
[0030]进一步，所述通过佳点集初始化产生初始种群，具体过程为：
[0031]假设G
D
是D维空间的单位立方体，假设r∈G
D
，形为偏差的集合称作佳点集，r称为佳点；其中C(r,ε)为常数且只与r,ε(ε＞0)有关，取r
k
＝{2cos(2πk/p)}，1≤k≤M，其中p是满足(p
‑
D/2)≥D的最小素数，或r
k
＝{exp(k)}，1≤k≤M，{a}是a的小数部分；当计算函数在G
D
上积分时，取n个佳点得到的误差是最小的相对于用任意给定的n个点的函数值构成的加权和而已。
[0032]进一步，所述加入改变概率和莱维飞行，具体过程为：
[0033](1)利用佳点集初始化方法生成初始位置X，给定初始种群规模N，最大迭代次数max_iter，种群维度D，学习系数c1,c2等参数；
[0034](2)使得适应度函数最小，灰狼算法求得最优解、次优解和季优解后跳出该循环；
[0035](3)每次循环时更新和根据PSO
‑
GWO混合算法的位置更新公式更新速度和位置；同时按照概率P
c
＝0.5随机选择粒子进行莱维飞行，按照位置更新公式跳出局部最优，来更新速度和位置；
[0036](4)判断迭代次数是否等于预设上限值，如果等于则结束运行；否则，跳转到(2)。
[0037]进一步，所述(3)中PSO
‑
GWO混合算法的位置更新公式为：
[0038][0039]所述(3)中位置更新公式为下式：
[0040][0041]通过加入改变概率P<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进智能优化算法的磁偶极子目标定位方法，其特征在于，所述基于改进智能优化算法的磁偶极子目标定位方法包括：步骤一，在远场条件下采用磁偶极子模型描述目标的磁感应强度；步骤二，构造基于改进智能优化算法的磁偶极子目标定位非线性方程组；步骤三，利用改进智能优化算法进行寻优，实现基于改进智能优化算法的磁偶极子目标定位。2.如权利要求1所述基于改进智能优化算法的磁偶极子目标定位方法，其特征在于，所述步骤一中，在远场条件下采用磁偶极子模型描述目标的磁感应强度具体过程为：当磁传感器和目标之间的距离大于磁性目标尺寸的2.5倍以上时，将此磁性目标物体看作是磁偶极子；坐标系中磁偶极子目标位置为A(x0,y0,z0)，磁通门传感器的坐标为B(x,y,z)，r为磁偶极子的原点到磁传感器的矢径，为磁偶极子的磁矩矢量，m为目标磁矩大小，θ为地磁倾角，为地磁偏角。此时B点处目标产生的磁感应强度B；在直角坐标系中，将磁感应强度B方程展开。3.如权利要求2所述基于改进智能优化算法的磁偶极子目标定位方法，其特征在于，所述B点处目标产生的磁感应强度B方程为：4.如权利要求2所述基于改进智能优化算法的磁偶极子目标定位方法，其特征在于，所述磁感应强度B方程展开为：在直角坐标系中，将磁感应强度B方程展开得到：其中μ0为自由空间磁导率，大小为4π
×
10
‑7H/m，上式是一个包含6个未知数的非线性方程组，至少要给出两个测量点，构造六个方程才能对目标参数进行求解；在实际测量情况下，对磁感应强度值测量会存在一定误差，只依靠两个监测点的数据所得出的结果并不准确，为减小误差，需增加磁传感器的数目，并将其转化为非线性优化问题然后利用优化算法进行求解。5.如权利要求1所述基于改进智能优化算法的磁偶极子目标定位方法，其特征在于，所述步骤二中，构造基于改进智能优化算法的磁偶极子目标定位非线性方程组具体过程为：首先一组可能的目标参数代入磁偶极子模型，得到磁感应强度的一组估计然后以误差平方和最小为准则来评估该组未知数，从而得到如下方程：
使得f取得最小值时的估计量所对应的未知量就是方程的最优解。6.如权利要求1所述基于改进智能优化算法的磁偶极子目标定位方法，其特征在于，所述步骤三中，利用改进智能优化算法进行寻优过程为：首先，通过佳点集初始化产生初始种群，使初始种群位置更加均匀；其次加入粒子群位置更新公式，增强粒子之间的信息交流和合作机制；另外加入改变概率和...

【专利技术属性】
技术研发人员：邱伟，冉晓玉，马树青，颜冰，蓝强，冯万杰，徐芬，李乐，张理论，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：