一种基于人工蜂群算法和平均Hausdorff距离的重力匹配方法
【专利摘要】本发明公开了一种基于人工蜂群算法和平均Hausdorff距离的重力匹配方法，包括：获取惯性导航系统输出的位置信息及重力仪测得的重力异常值；初始化人工蜂群，令引领蜂在惯导系统提供的位置邻域内随机搜索蜜源；计算适应度函数值并判断是否更新位置；根据转移概率判断跟随蜂是否跟随；将多普勒测速仪提供的速度信息作为约束条件，经蜂群搜索得到符合条件的位置点对；根据平均Hausdorff距离对匹配结果进行筛选，利用这一准则可获取一个最优的匹配结果。本发明有效地快速地对最佳匹配位置进行搜索，同时避免局部最优情况，经平均Hausdorff距离筛选，在重力特征显著的区域具有较高的匹配率，达到精确、快速的匹配定位，从而实现重力辅助导航。
【专利说明】—种基于人工蜂群算法和平均Hausdorff距离的重力匹配
方法
【技术领域】
[0001]本发明属于重力辅助导航领域，尤其涉及一种基于人工蜂群算法和平均Hausdorff距离的重力匹配方法。
【背景技术】
[0002]上世纪80-90年代美国和前苏联便相继开始了研制战略水下潜器的无源导航辅助系统。最初的辅助方法是基于图形匹配，包括与海底地形图、磁场图的匹配，但由于需要用声纳测量海底轮廓，导致海底地形匹配的隐蔽性较弱；同时由于磁场变化复杂目前还难以真正运用到水下潜器导航中，因此重力异常和重力梯度数据成为水下潜器导航的主要无源信息资源。重力辅助导航具有精度高、隐蔽性强、自主性强等优点，是潜艇等水下航行器理想的水下辅助导航定位手段。
[0003]重力匹配算法是实现重力辅助惯性导航系统的关键技术之一，经典的匹配方法有递推最优估计滤波和相关值匹配方法两大类。由于惯导/重力组合滤波模型很难准确建立，使得递推最优估计滤波方法难以很好地发挥作用。近几年，在相关值匹配方向有较多研究成果，但是，由于匹配算法复杂度较高或其他缺陷，一般重力匹配算法很难实现精确、快速匹配的效果。
【发明内容】
[0004]本发明实施例的目的在于提供一种基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，旨在解决一般重力匹配算法的复杂度高和匹配精度低等缺点。在蜂群算法的基础上，将外部速度信息作为约束条件，并利用平均HausdorfT距离进行筛选，在一定程度上减少误配的情况。
[0005]本发明实施例是这样实现的，一种基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，该方法的步骤包括:
[0006]步骤一、首先引领蜂随机搜索蜜源，实时获取惯性导航系统输出的位置信息(经度和纬度)及重力仪测得的重力异常值，其中要考虑重力仪的观测延迟；
[0007]步骤二、初始化匹配算法参数:人工蜂群数量,最大循环次数，目标函数的参数(经度和纬度)个数，最大限制次数Limit值；两组蜂群同时在相邻惯导系统指示位置周围一定邻域进行随机搜索，并检查新位置的花蜜量；
[0008]步骤三、根据搜索到的蜜源计算适应度函数值，并根据得到的适应度函数值判断是否更新蜜源位置:若搜索蜜源位置的适应度函数值小于当前位置，更新当前采蜜蜂所在蜜源位置，令循环次数Cycle = 0，并继续计算转移概率；否则不更新蜜源位置，令Cycle =Cycle+1，记录引领蜂停同一位置的循环次数，并返回使引领蜂重新随机搜索蜜源；
[0009]步骤四、根据计算得到的转移概率计算跟随蜂选择跟踪引领蜂的概率Pi,并判断跟随蜂是否跟随；若判断结果为不跟随，则需要返回使引领蜂重新随机搜索蜜源，同时在蜜源附近搜索，记录较优蜜源位置，更新Cycle的值；若判断结果为跟随，则可以重新搜索至循环结束；
[0010]步骤五、如果经过一定次数迭代后，得到的最优解没有改进，为了避免局部最优解，要舍去该位置对应的解，同时由侦察蜂代替引领蜂产生一个新的位置；
[0011]步骤六、根据重力异常数据库和由INS惯导提供的位置信息计算匹配点对与待匹配点对的重力异常；
[0012]步骤七、将重力仪提供的重力异常和由多普勒测速仪提供的外界速度信息及由INS惯导提供的位置信息作为约束条件进行判断，然后经蜂群搜索得到符合条件的位置点对；
[0013]步骤八、根据平均HausdorfT距离对匹配结果进行筛选，利用这一准则可获取一个最佳的匹配结果；
[0014]步骤九、根据得到的最佳匹配位置对，将每个指示位置的两次匹配结果取均值，于是，得到各个指示位置的最佳匹配结果，从而实现了重力辅助导航。
[0015]进一步，在步骤一中，由于重力仪一般工作在强阻尼模式，因此，重力仪输出的重力变化会有一个滞后的过程，这与实时导航匹配相矛盾，需要进行滞后时间补偿。
[0016]考虑到重力仪受厄特弗斯效应作用，当载体作较大机动运动或者航向变化剧烈时，重力仪观测值会有明显变化，根据惯导系统信息得到的厄特弗斯修正值与重力仪的观测值之间会有一定时间延迟，考虑此延迟时间后，惯导系统信息与重力仪数据可以实现同
止/J/ o
[0017]进一步，在步骤三中， 适应度函数值按下式计算:
【权利要求】
1.一种基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其特征在于，该方法的步骤包括: 步骤一、首先引领蜂随机搜索蜜源，实时获取惯性导航系统输出的位置信息及重力仪测得的重力异常值，其中要考虑重力仪的观测延迟； 步骤二、初始化匹配算法参数:人工蜂群数量，最大循环次数，目标函数的参数个数，最大限制次数Limit值；两组蜂群同时在相邻惯导系统指示位置周围一定邻域进行随机搜索，并检查新位置的花蜜量； 步骤三、根据搜索到的蜜源计算适应度函数值，并根据得到的适应度函数值判断是否更新蜜源位置:若搜索蜜源位置的适应度函数值小于当前位置，更新当前采蜜蜂所在蜜源位置，令循环次数Cycle = 0,并继续计算转移概率；否则不更新蜜源位置，令Cycle =Cycle+1，记录引领蜂停同一位置的循环次数，并返回使引领蜂重新随机搜索蜜源； 步骤四、根据计算得到的转移概率计算跟随蜂选择跟踪引领蜂的概率Pi,并判断跟随蜂是否跟随；若判断结果为不跟随，则需要返回使引领蜂重新随机搜索蜜源，同时在蜜源附近搜索，记录较优蜜源位置，更新Cycle的值；若判断结果为跟随，则可以重新搜索至循环结束； 步骤五、如果经过一定次数迭代后，得到的最优解没有改进，为了避免局部最优解，要舍去该位置对应的解，同时由侦察蜂代替引领蜂产生一个新的位置； 步骤六、根据重力异常 数据库和由INS惯导提供的位置信息计算匹配点对与待匹配点对的重力异常； 步骤七、将重力仪提供的重力异常和由多普勒测速仪提供的外界速度信息及由INS惯导提供的位置信息作为约束条件进行判断，然后经蜂群搜索得到符合条件的位置点对； 步骤八、根据平均HausdorfT距离对匹配结果进行筛选，利用这一准则可获取一个最佳的匹配结果； 步骤九、根据得到的最佳匹配位置对，将每个指示位置的两次匹配结果取均值，于是，得到各个指示位置的最佳匹配结果，从而实现了重力辅助导航。
2.如权利要求1所述的基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其特征在于，在步骤一中，由于重力仪一般工作在强阻尼模式，因此，重力仪输出的重力变化会有一个滞后的过程，这与实时导航匹配相矛盾，需要进行滞后时间补偿； 考虑到重力仪受厄特弗斯效应作用，当载体作较大机动运动或者航向变化剧烈时，重力仪观测值会有明显变化，根据惯导系统信息得到的厄特弗斯修正值与重力仪的观测值之间会有一定时间延迟，考虑此延迟时间后，惯导系统信息与重力仪数据可以实现同步。
3.如权利要求1所述的基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其特征在于，在步骤三中，适应度函数值按下式计算:
4.如权利要求1所述的基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其 特征在于，在步骤四中，计算跟随蜂选择跟踪引领蜂的概率Pi,其定义为
5.如权利要求1所述的基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其特征在于，在步骤七中，在人工蜂群在搜索过程中，除了重力异常值之外，将多普勒测速仪(DVL)提供的速度信息作为约束条件之一，即
6.如权利要求1所述的基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其特征在于，在步骤八中，经典Hausdorff距离是一种极大极小距离，用来描述两组点集之间的相似程度；它的引入使重力匹配基于一种新的侧度，能更为有效地表征点集之间相似性，从而对匹配点进行筛选；考虑到经典HausdorfT距离容易受到外部干扰，必将导致计算结果存在较大误差，从而影响匹配的效果，故引入平均HausdorfT距离(MHD)，其定义如下:
7.如权利要求1所述的基于人工蜂群算法和平均HausdorfT距离的重力匹配方法，其特征在于，在步骤九中，每个时刻都要经过两次匹配，并取两次匹配平均值作为最终结果，类似于估计理论中的“估计”和“平滑”两个过程；在有些情况下，可以提供载体准确的位置信息或者匹配过程中初始位置误差较小，可以考虑简化匹配模型，即用Plri来代替^4.这样减少了一个约束条件，有效缩短了匹配时间；在实际过程中，可以间隔一定步长按简化前模型匹配，在获取较准确位置后，再进行简化模型匹配，这样既保证了匹配精度，又缩短了匹配时间。
【文档编号】G01C21/20GK103487056SQ201310437985
【公开日】2014年1月1日 申请日期:2013年9月24日 优先权日:2013年9月24日
【发明者】高伟, 赵博, 周广涛, 于春阳, 姜鑫, 夏秀玮, 郝勤顺, 孙艳涛, 刘凤 申请人:哈尔滨工程大学