基于机器学习的地磁匹配导航基准图制备

作     者：赵起贤 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：宋忠国;刘智超

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 070801[理学-固体地球物理学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0708[理学-地球物理学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：地磁匹配导航 地磁基准图 机器学习 实地勘测 基准图分辨率 

摘      要：地磁导航作为一种全天候的自主导航方式,主要利用地球固有的地磁场进行匹配定位,其定位误差不会随着时间的增长而增加,在抗干扰能力、隐蔽性等方面具有天然的优势,在各个领域尤其军事制导领域具有十分广阔的应用前景。根据地磁匹配导航的基本原理,实现地磁匹配导航技术需要重点解决3方面的问题,分别是:地磁场信息的高精度在线实时测量、地磁匹配导航算法的研究以及地磁匹配基准图的制备。其中,地磁匹配基准图的优劣很大程度上决定了地磁匹配导航的精度。 本文通过机器学习的方法来完成地磁基准图的制备工作,期望通过机器学习方法构建的基准图可以体现不同位置之间的地磁信息的潜在联系,从而相比于常规的通用地图制备算法具有更高的精度,提高地磁匹配导航的匹配精度。主要研究的内容如下: (1)本文主要针对地磁匹配基准图的制备问题,基于USAF-MIT“磁信号增强挑战赛开源数据集,探讨使用机器学习算法制备地磁匹配基准图这一方案的可行性。使用BP神经网络、GA算法、PSO算法、随机森林算法以及多层神经网络在内的几种机器学习算法完成地磁匹配基准图的制备。通过对比各个算法的性能并与常规的插值方法进行比较后得出结论,多层神经网络在地磁匹配基准图制备中具有更好的精度且通过仿真对比后优化设计了节点数目均为8的三隐藏层神经网络,并达到了均方根误差低于241.29n T,最大相对误差低于1.1%的精度。 (2)通过实地勘测,采集实际地磁数据,使用实测数据对三隐藏层神经网络在内的几种机器学习算法进行验证。分别开展以下2项实验:一是定点采集地磁数据,监测该区域内的时变量;二是区域采集地磁数据,将剥离日变的地磁数据作为实测数据集,完成地磁匹配基准图的制备,对比各个算法性能。最终实地勘测数据与开源数据集得到的算法性能表现一致,该实验也验证了节点数目均为8的三隐藏层神经网络算法具有一定程度的适应性,在不同地区均取得了较好的效果。 (3)使用本文所提出的机器学习算法,分别基于USAF-MIT数据集以及实地勘测数据,生成不同分辨率的网格化地磁匹配基准图,通过地磁匹配导航算法对不同分辨率的地磁匹配基准图进行仿真,以此分析地磁匹配基准图的制备分辨率对地磁匹配导航定位精度的影响。最后得出结论:在一定范围内,随着地磁匹配基准图分辨率的提高,地磁匹配的定位精度也会得到提高,但超过一定界限后,地磁匹配的定位精度并不会明显提高,甚至有所下降。在实际应用中,需要根据实际情况选择合适的分辨率制备地磁基准图。