公开(公告)号：CN110187393A

公开(公告)日：2019-08-30

申请号：CN201910448705.2

申请日：2019-05-28

Applicant: 吉林大学

Inventor： 于平 ,  赵肖 ,  焦健 ,  贾继伟 ,  周帅 ,  卢鹏宇

IPC: G01V3/08 ,  G01V3/38

Abstract: 本发明提供了一种基于广义回归神经网络的航磁补偿方法，包括：根据T-L方程数学模型和干扰产生原因，确定广义神经网络的输入输出指标因素；对标定飞行数据进行滤波处理后计算方向余弦及其导数，将输入、输出样本归一化处理，获得归一化的广义回归神经网络输入、输出向量；将预处理后的学习样本载入GRNN，采用十折交叉验证方法，循环验证，选取出最佳光滑因子、最佳输入样本和输出样本确定网络结构构建补偿模型。将标定飞行数据作为待补偿样本载入GRNN进行补偿计算，并将补偿网络的输出数据做反归一化处理，获得飞机干扰场的预测。本发明有效回避16项系数方程矩阵的病态问题，并且当标定飞行样本数据较少时，获得较好的补偿效果，实现无人机航磁干扰补偿。

公开(公告)号：CN110187393B

公开(公告)日：2020-08-11

申请号：CN201910448705.2

申请日：2019-05-28

Applicant: 吉林大学

Inventor： 于平 ,  赵肖 ,  焦健 ,  贾继伟 ,  周帅 ,  卢鹏宇

IPC: G01V3/08 ,  G01V3/38

Abstract: 本发明提供了一种基于广义回归神经网络的航磁补偿方法，包括：根据T‑L方程数学模型和干扰产生原因，确定广义神经网络的输入输出指标因素；对标定飞行数据进行滤波处理后计算方向余弦及其导数，将输入、输出样本归一化处理，获得归一化的广义回归神经网络输入、输出向量；将预处理后的学习样本载入GRNN，采用十折交叉验证方法，循环验证，选取出最佳光滑因子、最佳输入样本和输出样本确定网络结构构建补偿模型。将标定飞行数据作为待补偿样本载入GRNN进行补偿计算，并将补偿网络的输出数据做反归一化处理，获得飞机干扰场的预测。本发明有效回避16项系数方程矩阵的病态问题，并且当标定飞行样本数据较少时，获得较好的补偿效果，实现无人机航磁干扰补偿。