[发明专利]一种基于遗传算法的加速度计免转台标定方法

权利要求书

1.一种基于遗传算法的加速度计免转台标定方法，其特征在于步骤如下：

步骤1：M位置静态数据采集并进行预处理

在现场工作环境中，即加速度计处于静止状态，对加速度计进行18个位置的任意摆放，对每个位置进行约1min的静态数据采集，对采集后的原始数据进行平均处理，得到18个位置的加速度计原始输出脉冲数增量N_ai，i＝1…18，包括x、y、z三个轴的分量；

步骤2：构造价值函数

根据原理：补偿后加速度计敏感到的矢量和与重力加速度矢量和之差的绝对值接近于0，以待标定的各项参数为状态变量，构造价值函数，即：

θ＝(S_ax S_ay S_az K_axy K_axz K_ayx K_ayz K_azx K_azy b_ax b_ay b_az) (2)

其中：

i——翻转位置的次数；

——经过补偿后的加速度计输出；

S_ax、S_ay、S_az——加速度计的刻度因数；

K_axy、K_axz、K_ayx、K_ayz、K_azx、K_azy——加速度计的交叉耦合项；

N_ax、N_ay、N_az——加速度计的原始输出；

b_ax、b_ay、b_az——加速度计的零偏；

g——重力加速度矢量和；

θ为待标定的各项参数的集合；

L(θ)为价值函数，即适应值；

步骤3：形成新种群搜索并计算适应值

对应需标定的各项参数构成的状态变量θ_k，k＝1…12，给定一个初始搜索区间(a_k,b_k)，采用实数编码方式，在区间内随机生成一个种群，例如：

θ_k,size＝a_k+(b_k-a_k)×rand(size) (4)

式中：

size——种群规模数，即种群中个体数；

k——状态变量数，即待标定参数；

θ_k,size——第k个状态变量的生成种群；

a_k、b_k——区间上、下界；

rand(size)——生成size个随机数；

将各项参数种群中的个体代入式(3)，计算每个个体的适应值L(θ)；

步骤4：进行交叉和变异计算

判定个体适应值的优劣，提取个体加入匹配池，待进行交叉变异过程；个体被甄选进匹配池的概率p_i参考下式：

针对实数编码，为避免局部产生过早收敛的现象，同时又不破坏搜索过程中的遗传模式；采用自适应调整的交叉和变异概率；

其中：

f_max——群体中最大的适应值；

——每代群体的平均适应值；

f′——要交叉的2个个体中较大的适应值；

f——要变异个体的适应值；

P_c——交叉概率；

P_m——变异概率；

k₁、k₂、k₃、k₄——概率系数；

对匹配池中每个个体按上述概率分别进行交叉及变异过程；

交叉过程：

其中α₁为0到1上均匀分布的随机数，上述交叉算子可保证搜索区域覆盖个体X(t,m)和个体X(t,n)的所有领域，且二者之间的区域搜索几率大；其中，m、n为选定参与交叉过程的个体编号；

变异过程：

其中，l为选定参与变异过程的个体编号，均匀随机数rand∈(0,1)；Δ(t,x)是在[0,x]范围内符合非均匀分布的随机数，其表达式为：

其中，

t——进化的代数；

r——0到1之间的随机数；

T——最大进化代数；

b——系统参数；

步骤5：保留当代最优个体，并形成新的种群

根据交叉及变异过程后得到的种群，加上保留的当代适应值最佳的个体，形成新的种群，继续进行适应值的计算及收敛性的判断；

步骤6：设定满足精度的价值函数最大适应值为收敛判定因素，判定算法迭代过程是否收敛，判断满足收敛条件后，得到最优化的状态变量求解值，即为待标定的各项参数值；否则，继续进行下一次的迭代过程。