惯导平台系统连续翻滚自标定试验设计方法研究
发布时间:2023-04-07 23:52
本文分析了惯导平台在实际使用过程中,随着运行时间的增加,误差会对精度产生很大的影响,通过连续翻滚自标定方法,在运行过程中进行补偿。在连续翻滚自标定过程中,连续翻滚的轨迹对试验结果影响很大。采用了粒子群全局优化算法来寻找连续翻滚自标定最优旋转轨迹,可以得到系统的全部误差信息。建立了惯导平台系统级的状态方程、输出方程。基于平台空间和计算空间对准误差角Ψ角法建立惯性导航平台系统连续翻滚自标定试验的误差模型。根据加速度计和陀螺仪的误差模型,坐标空间之间的变换建立了系统的状态方程和观测方程。研究了系统的可观测性,给出了信息矩阵行列式、平台旋转轨迹对可观测性的影响。使用D最优化设计寻找信息行列式最大值对应的最优旋转轨迹。通过D最优试验设计方法将寻找最优旋转轨迹转换为求取信息矩阵行列式的最大值。使用粒子群全局优化算法来求解带非线性约束的信息矩阵行列式的最大值。着重分析了粒子群全局优化算法在解决该问题时,对非线性约束的处理方法。通过分析使用粒子群算法求取无约束最值的通用流程,在此基础上添加了对非线性约束处理的关键步骤。模型中的非线性约束使得粒子群算法对粒子群的初始化提出了新的要求,算法运行前需要首先调...
【文章页数】:69 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 惯导平台自标定试验方法
1.1.1 系统级的自标定
1.1.2 陀螺测漂的力矩反馈法
1.1.3 平台多位置自标定
1.1.4 平台连续翻滚自标定
1.2 有约束、非凸目标函数的全局优化
1.2.1 非凸的全局优化
1.2.2 全局优化的确定性方法
1.2.3 全局优化的随机性方法
1.2.4 有约束的全局优化
1.3 本文主要研究内容
第2章 惯导平台误差模型与D最优化设计
2.1 平台系统模型的建立
2.1.1 状态方程
2.1.2 输出方程
2.2 D最优化实验求最优轨迹
2.3 最优设计性能指标和约束条件
2.4 本章小结
第3章 基于PSO算法的最优旋转轨迹求解
3.1 PSO算法基本原理
3.1.1 PSO算法思想起源
3.1.2 算法原理
3.1.3 PSO算法流程
3.2 PSO非线性约束处理
3.3 算法的迭代过程
3.4 惯性权重的分析
3.5 算法参数的选择
3.6 合适参数下的最优轨迹
3.7 本章小结
第4章 不同全局优化方法的比较研究
4.1 PSO与基于梯度的优化方法比较研究
4.1.1 PSO算法
4.1.2 基于梯度的优化方法
4.1.3 PSO与基于梯度的优化方法比较研究
4.2 PSO与随机算法比较研究
4.2.1 模拟退火算法
4.2.2 遗传算法
4.2.3 PSO与随机算法比较研究
4.3 PSO算法的改进
4.3.1 参数改进
4.3.2 邻域结构改进
4.3.3 混合算法的提出
4.3.4 新的学习策略
4.4 本章小结
结论
参考文献
致谢
本文编号:3785583
【文章页数】:69 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第1章 绪论
1.1 惯导平台自标定试验方法
1.1.1 系统级的自标定
1.1.2 陀螺测漂的力矩反馈法
1.1.3 平台多位置自标定
1.1.4 平台连续翻滚自标定
1.2 有约束、非凸目标函数的全局优化
1.2.1 非凸的全局优化
1.2.2 全局优化的确定性方法
1.2.3 全局优化的随机性方法
1.2.4 有约束的全局优化
1.3 本文主要研究内容
第2章 惯导平台误差模型与D最优化设计
2.1 平台系统模型的建立
2.1.1 状态方程
2.1.2 输出方程
2.2 D最优化实验求最优轨迹
2.3 最优设计性能指标和约束条件
2.4 本章小结
第3章 基于PSO算法的最优旋转轨迹求解
3.1 PSO算法基本原理
3.1.1 PSO算法思想起源
3.1.2 算法原理
3.1.3 PSO算法流程
3.2 PSO非线性约束处理
3.3 算法的迭代过程
3.4 惯性权重的分析
3.5 算法参数的选择
3.6 合适参数下的最优轨迹
3.7 本章小结
第4章 不同全局优化方法的比较研究
4.1 PSO与基于梯度的优化方法比较研究
4.1.1 PSO算法
4.1.2 基于梯度的优化方法
4.1.3 PSO与基于梯度的优化方法比较研究
4.2 PSO与随机算法比较研究
4.2.1 模拟退火算法
4.2.2 遗传算法
4.2.3 PSO与随机算法比较研究
4.3 PSO算法的改进
4.3.1 参数改进
4.3.2 邻域结构改进
4.3.3 混合算法的提出
4.3.4 新的学习策略
4.4 本章小结
结论
参考文献
致谢
本文编号:3785583
本文链接:https://www.wllwen.com/kejilunwen/wltx/3785583.html