共查询到10条相似文献，搜索用时 18 毫秒
1.
为确保水下重力匹配导航的可靠性,针对将单一特征指标作为适配性分析准则而导致评价结果不全面这一缺陷,提出了一种基于多属性决策理论的重力匹配导航适配性分析方法。首先,采用重力场标准差、粗糙度、相关系数、坡度标准差、偏态系数和重力异常差异熵6种特征参数作为属性集进行加权规范化处理,得到决策指标对待匹配区的适配性排序,也可构建贴合度来评价最优适配区。然后,在同一条件下,对各待匹配区分别进行匹配仿真比较,结果表明,决策指标越高,匹配效果越稳定,且可直接筛选出最优适配区,决策结果与匹配精度有高度一致性,匹配度高达80%。该方法可靠性高,能够解决单一特征指标信息量较少的问题,为水下潜器长航时、长航距航行提供重要保障。 相似文献
2.
针对地磁适配性分析中,单一的特征指标不能满足适配性精度要求的问题,该文提出一种多指标综合评价体系方法,建立以地磁标准差、地磁信息熵、相关系数及粗糙度为一体的综合评价模型;在确定权重方面,由于主观赋权法及客观赋权法各有优缺点,提出利用主、客观加权赋权法组合权重来确定每个指标的权重系数.能够较好地利用地磁的各种特征信息对地磁基准图候选区域进行综合分析,实现分析结果的全面性.基于多指标融合的地磁适配性分析的MATLAB仿真结果表明:运用此方法能够直观地反映出各候选区域适配性能的好坏,该方法在评价地磁适配性方面有效,其方法可应用于地磁匹配导航领域的研究. 相似文献
3.
针对重力匹配定位精度与适配区特性及载体的航向有关的特点,提出了一种先由移动窗口计算重力场局部特征并优选适配区的方法,并证实匹配定位精度受适配区特性及载体航向的影响。引入快速欧氏距离场算法和简化方法提取适配区简化骨架,并由简化骨架点及其距离值生成局部适配区域。通过统计局部适配区重力特征为航向选择提供依据。仿真结果证明了本文方法的有效性。 相似文献
4.
5.
传统地磁图适配性分析仅将单一特征参数作为评价指标,从而导致分析结果不全面。针对此问题,提出了一种基于模糊决策理论的地磁图适配性分析方法。首先采用地磁标准差、粗糙度、相关系数、坡度标准差及地磁信息熵等5个主要特征参数作为模糊指标进行加权分析,得到综合评价值以评定候选区适配性。然后基于地磁异常的无迹卡尔曼滤波算法,选取中国南海部分海域的全球地磁异常格网数据作为地磁异常基准图进行仿真实验。实验结果表明,该方法具有较高的可靠性,综合评价值可作为地磁图适配性分析的定量依据,并能从一定程度上解决单一特征参数评价不全面的问题,提高水下自主航行器的导航精度。 相似文献
6.
水下潜器航迹处于重力特征变化明显的适配区域才能保证重力辅助导航的有效实施,因此在重力匹配导航阶段,潜器的航迹规划至关重要。本文首先依据重力统计特征参数对水下潜器航行区域进行适配性划分,并给出适配、非适配区标签;然后在蚁群算法进行航迹规划的基础上引入人工势场算法,重新构建启发函数,避免了蚁群算法的局部最优问题;同时利用最大-最小蚁群系统改进算法信息素更新规则,防止了"早熟"现象发生。仿真试验结果表明,本文提出的蚁群-势场算法可以有效解决水下潜器在重力辅助导航中的航迹优化问题,提高了问题解的可行性。 相似文献
7.
以并行Kalman滤波匹配导航原理为基础,设计重力垂直梯度辅助惯性导航系统导航的可导航值计算方法.基于西太平洋海域2'×2'测高重力垂直梯度数据库,给出西太平洋海域重力垂直梯度辅助导航2'×2'导航格网值.选取不同特征区域的5条航线进行辅助导航仿真定位,并对导航能力进行统计分析,给出可导航性值、匹配成功概率、定位误差的关系.结果表明,本文设计的重力垂直梯度可导航性值可以作为匹配区域选择以及航线规划的数量性依据,可导航值大于14.0时,定位误差优于2.0 n mile,并给出西太平洋海域对应的区域分布. 相似文献
8.
基于TERCOM算法的重力匹配 总被引：5，自引：1，他引：4
研究了利用地形轮廓匹配(TERCOM)算法进行重力匹配辅助导航,分析了TERCOM算法对不同重力场分布区域的适应性.模拟试验证明,TERCOM算法简单易行.当重力场粗糙度达到3.7 mGal时,重力测量误差超过3 mGal,定位误差也在1个格网单位以内,粗糙度和坡度方差与匹配定位精度的强相关性是选取匹配区域的较好指标. 相似文献
9.
地磁匹配导航中几项关键技术研究 总被引：2，自引：0，他引：2
地磁匹配导航的实质是数字地图的匹配.地磁数据库的精度和地磁适配区的选择是地磁匹配导航中的2项关键技术.文中把克吕格插值算法引入到地磁图的重构中,仿真结果表明了其有效性;同时把熵选择法和统计特征法引入到地磁适配区的选择中,通过仿真结果对2种方法进行比较,结果表明,熵选择法综合效果更好,更适合于在实际中应用. 相似文献
10.
为确保水下自主航行器(autonomous underwater vehicle, AUV)地磁导航的可靠性及其航迹规划的合理性,提出了一种基于主成分分析(principal component analysis, PCA)和改进反向传播(back-propagation, BP)神经网络结合的候选地磁匹配区自组织优化分类方法。将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm, GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别。仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障。 相似文献