【技术实现步骤摘要】
本专利技术属于精密重力基准信息测量领域，更具体的说涉及一种基于神经网络和因子图优化的重力矢量测量方法。
技术介绍
1、精密重力基准信息是确保远程火箭飞行的关键。一方面，为了提高弹道计算精度，必须对重力异常进行修正。另一方面，弹载惯性导航系统初始对准过程中，垂线偏差会产生初始对准误差，从而降低后续制导精度。
2、然而，目前绝大多数动基座重力测量方法研究中信息融合算法仍是基于传统标准卡尔曼滤波框架的，这类算法处理导航数据时要将不同传感器的观测信息对齐后才能计算求解，部分采样数据将被舍弃造成导航信息浪费。另外其对于历史状态量也没有修正，因此无法全面、准确地反映系统的运动状态，导航精度有限。这将给重力矢量测量试验的数据处理带来不利影响。另外，重力异常、垂线偏差测量的试验成本很高，测量数据又是事后处理的，因此一旦飞行过程中系统失常，必将造成极大的人力和资源浪费。某些测量试验面临复杂飞行对抗环境，存在gps导航信息一段时间可用后随即出现卫星拒止的情况。卫星拒止时，重力测量系统导航模块随即退化成单一的捷联式惯性导航系统，无法满足测量试验对
【技术保护点】
1.一种基于神经网络和因子图优化的重力矢量测量方法，其特征在于：所述的方法包括：
2.根据权利要求1所述的一种基于神经网络和因子图优化的重力矢量测量方法，其特征在于：所述JSO-BP神经网络为3输入、3输出类型，其节点传递函数采用对数型S函数logsig和线性函数purelin，训练函数采用L-M优化算法trainlm。
3.根据权利要求1所述的一种基于神经网络和因子图优化的重力矢量测量方法，其特征在于：所述JSO-BP神经网络的网络隐含层神经元个数为7，训练目标最小误差为0.0001，学习速率0.01；输入层神经元个数3，输出层神经元个数3；...
【技术特征摘要】
1.一种基于神经网络和因子图优化的重力矢量测量方法，其特征在于：所述的方法包括：
2.根据权利要求1所述的一种基于神经网络和因子图优化的重力矢量测量方法，其特征在于：所述jso-bp神经网络为3输入、3输出类型，其节点传递函数采用对数型s函数logsig和线性函数purelin，训练函数采用l-m优化算法trainlm。
3.根据权利要求1所述的一种基于神经网络和因子图优化的重力矢量测量方法，其特征在于：所述jso-bp神经网络的网络隐含层神经元个数为7，训练目标最小误差为0.0001，学习速率0.01；输入层神经元个数3，输出层神经元个数3；水母优化器上界-3.下界3，种群规模30，最大迭代次数10。
4.根据权利要求1所述的一种基于神经网络和因子图优化的重力矢量测量...
【专利技术属性】
技术研发人员：赵军阳，张志利，张克凡，闫兴旭，喻涵，吕慎华，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。