一种相对重力仪数字调平补偿系统及方法与流程
本发明涉及精密测量与惯性导航控制,尤其涉及一种相对重力仪数字调平补偿系统及方法。
背景技术:
1、在重力测量、地球物理勘查以及高精度导航控制等精密测量领域,相对重力仪作为核心设备广泛应用于石油勘探、矿产调查、大地测量、地球动力学监测等关键场景中。为了确保重力测量数据的准确性与稳定性,相对重力仪通常配备有数字调平控制系统,用于实时维持仪器的水平姿态,以消除由于仪器倾斜引起的测量误差。在实际应用中,地面振动、环境干扰以及平台姿态变化等因素会导致仪器产生微小的倾角扰动,进而影响重力测量的精度。因此,对重力仪姿态进行高精度实时补偿已成为当前研究的重要方向。
2、现有技术中,数字调平控制方法普遍采用基于pid控制器或固定模型的补偿机制,仅依赖当前或有限历史姿态数据计算调平指令。这种方式忽略了传感器数据的动态演化规律,难以准确预测未来扰动趋势,且模型调节能力不足,容易在复杂地形或强扰动环境下出现过补偿或响应滞后问题。同时,传统方法对传感器数据的处理方式过于简化,未能充分挖掘多源数据间的非线性耦合关系,限制了系统对复杂扰动的建模能力。此外,现有调平控制系统多采用固定结构参数,缺乏基于反馈的自适应调节机制,无法根据环境变化对调平策略进行动态优化。
3、因此,如何提供一种相对重力仪数字调平补偿系统及方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种相对重力仪数字调平补偿系统及方法,本发明充分融合了神经动态建模、智能进化优化与惯性调平控制技术,详细描述了在重力仪工作状态下对多源传感器数据进行建模预测、扰动补偿、误差反馈与模型自适应更新的完整过程,具备补偿响应快、扰动预测准、自学习能力强和适应环境复杂的优点。
2、根据本发明实施例的一种相对重力仪数字调平补偿方法,包括如下步骤:
3、s1、采集相对重力仪在工作状态下的多源传感器数据,对多源传感器数据进行预处理,构建输入样本集;
4、s2、构建深度回声状态网络模型,接收生成的输入样本集,进行倾角扰动趋势的建模与预测;
5、s3、引入秃鹰搜索优化算法对深度回声状态网络模型的结构参数进行优化,采用秃鹰搜索算法进行参数组合搜索,构建适应度函数执行搜索更新;
6、s4、将经优化后的深度回声状态网络模型应用于输入当前时刻及历史的传感器数据,输出预测的未来一段时间内的倾角扰动趋势值;
7、s5、根据倾角扰动趋势值计算调平补偿指令,发送至数字调平控制器,驱动执行机构完成调平补偿操作;
8、s6、采集数字调平控制器执行后的姿态反馈数据,与倾角扰动趋势值进行误差比对,构建误差反馈样本,反馈更新深度回声状态网络模型的输出连接权重;
9、s7、根据误差反馈样本更新秃鹰搜索优化算法的搜索策略,对结构参数搜索空间进行局部调整并迭代优化,在多次调平补偿过程中形成闭环调平自学习控制机制。
10、可选的,所述多源传感器数据具体包括倾角传感器数据、地面振动数据、环境温度与气压数据、真实倾角扰动趋势目标值、电源状态数据及调平控制器反馈数据。
11、可选的,所述对多源传感器数据进行预处理具体包括时间戳对齐、缺失值填补、异常值剔除、归一化处理与格式标准化操作。
12、可选的,所述s2具体包括:
13、s21、设定输入样本集为标准化后的多源传感器数据序列,其中,表示传感器通道数,表示时间步数,为第时刻的传感器数据向量,r为实数集;
14、s22、对输入样本集按照通道划分为个输入子通道,分别记为,其中,并定义多通道融合权重向量为;
15、s23、计算第层储备池的输入向量;
16、s24、构建深度回声状态网络的总层数为,每层储备池包含个状态节点,初始化状态为零向量;
17、s25、为每一层储备池设定泄露率参数,并设定稀疏率参数,控制状态转移矩阵的非零连接比例;
18、s26、初始化每层输入权重矩阵与状态转移矩阵,所述输入权重矩阵和状态转移矩阵采用高斯分布随机生成并依据稀疏率参数施加稀疏掩码;
19、s27、为每一层储备池指定激活函数类型,通过激活函数选择参数控制使用的激活函数,定义映射关系为:
20、:使用tanh;
21、:使用relu;
22、:使用elu;
23、:使用swish;
24、s28、定义每一层的状态更新为;
25、s29、对所有层的状态向量按时间步拼接,构建网络全局状态输出向量;
26、s210、构建用于输出的连接权重矩阵和偏置项,所述连接权重矩阵接收网络全局状态输出向量作为输入,按既定维度映射为倾角扰动趋势值,偏置项用于对倾角扰动趋势值进行线性偏移修正,生成对应时刻的输出;
27、s211、将倾角扰动趋势值与之对应的真实倾角扰动趋势目标值进行差异比对,通过构造均方误差类型的损失函数进行监督训练,训练过程调整输出连接权重矩阵与偏置项参数,其余各层储备池结构与状态权重保持不变。
28、可选的,所述s3具体包括:
29、s31、构建秃鹰搜索优化算法的多层行为结构,将初始优化种群划分为侦察层、跟踪层和围攻层三个子群体,每个个体编码为一组深度回声状态网络模型的结构参数组合,包括:激活函数选择参数、多通道融合权重向量、跳跃连接索引矩阵、稀疏率参数;
30、s32、初始化秃鹰算法种群位置向量和历史轨迹矩阵,设定最大迭代轮数、行为切换阈值、局部再搜索概率及轨迹融合系数;
31、s33、构建多目标适应度函数,同时考虑预测误差、跳跃连接稀疏性及融合通道平衡性;
32、s34、对所有个体计算适应度函数值,记录当前最优个体并更新历史轨迹矩阵,保留每轮最优结构参数解;
33、s35、侦察层个体执行大范围跳跃搜索策略,扩大搜索空间覆盖度,结合当前能量函数调节跳跃幅度和方向,所述当前能量函数是根据种群最优适应度值、个体当前适应度值与全局平均适应度值动态构建的搜索引导函数;
34、s36、跟踪层个体基于最优个体、当前个体和轨迹记忆向量更新位置;
35、s37、围攻层个体围绕全局最优个体进行小步长扰动搜索,精细调节深度回声状态网络的局部结构配置;
36、s38、对当前适应度排名前的个体触发局部再搜索机制,基于微幅扰动对结构参数组合进行进一步优化,其中为百分比阈值;
37、s39、将跳跃连接索引矩阵与多通道融合权重向量构建为图结构,利用图结构嵌套特征对网络连接依赖关系进行适应性约束建模;
38、s310、结合图结构与适应度函数,对结构参数组合进行结构-性能联合评估,并更新个体适应度排序;
39、s311、各行为层根据策略权重与局部经验值更新搜索路径,进入下一轮位置迭代或切换行为层状态;
40、s312、当达到最大迭代次数或收敛阈值时,输出当前最优结构参数组合,包括最优的、、、,并用于配置深度回声状态网络模型结构。
41、可选的,所述s4具体包括:
42、s41、将当前时刻的多源传感器数据向量与连续历史k个时刻的多源传感器数据共同构成输入样本序列,作为输入样本集的一部分,输入至经秃鹰搜索优化算法优化后的深度回声状态网络模型中;
43、s42、利用优化后的深度回声状态网络模型,对输入样本序列依次执行多层状态传播与更新操作,在每一网络层中,储备池节点状态在当前输入、前一状态与跳跃连接状态共同作用下进行更新;
44、s43、采用激活函数动态切换机制完成储备池状态的非线性变换,并在各网络层中引入多输入通道融合结构,根据多通道融合权重向量对k个输入子通道进行特征加权融合;
45、s44、在每一层储备池中构建跳跃连接矩阵,通过可跳跃连接机制引导节点状态同时接收前时刻与特定历史节点状态的信息流;
46、s45、在网络结构中引入深度稀疏调节机制,利用稀疏掩码对输入权重矩阵与状态转移矩阵进行结构化剪枝操作,控制网络复杂度;
47、s46、融合所有网络层的最终状态输出,构建网络全局状态输出向量,将网络全局状态输出向量与输出连接权重进行线性变换,生成倾角扰动趋势值向量,表示未来一段时间内各时刻的倾角扰动趋势值。
48、可选的,所述s5具体包括:
49、s51、根据优化后的深度回声状态网络模型输出的倾角扰动趋势值向量,结合当前姿态状态量与历史偏移响应,构建滑动预测窗口;
50、s52、基于滑动预测窗口内的倾角扰动趋势值,构建融合多尺度时间窗口的补偿预测结构,分别提取短期窗口与中期窗口的扰动信息,通过状态不确定性调制因子,综合计算目标倾角补偿调整量;
51、s53、构建动态控制增益函数,调节不同轴向调平响应的补偿灵敏度,计算三维调平指令向量,根据设备物理结构与惯性特性定义各向增益系数,其中,、和分别表示在当前时刻t,针对x轴、y轴、z轴方向的动态控制增益函数值;
52、s54、将三维调平指令向量与当前数字调平控制器反馈状态联合输入,依据非线性控制映射关系进行处理,构建用于驱动数字调平控制器的控制指令向量,控制指令向量经过幅值压缩处理;
53、s55、将控制指令向量输出至数字调平控制器,由控制器驱动三轴执行机构完成倾角调整补偿操作,实现基于预测补偿量的实时数字调平。
54、可选的,所述s6具体包括:
55、s61、采集数字调平控制器执行后的姿态反馈数据,作为当前时刻实际姿态响应信息;
56、s62、提取与姿态反馈数据相对应的倾角扰动趋势值,构建倾角扰动趋势值与姿态反馈数据之间的一一对应关系;
57、s63、将倾角扰动趋势值与对应的姿态反馈数据进行差异比对,生成误差序列,表示各时间步的预测偏差;
58、s64、基于误差序列构建误差反馈样本,包含每一时间步的倾角扰动趋势值、姿态反馈数据与误差值;
59、s65、将误差反馈样本输入至深度回声状态网络模型,对输出连接权重进行基于误差反馈机制的增量更新;
60、s66、通过更新后的输出连接权重调整网络对倾角扰动趋势的预测表达能力,提升对未来扰动变化的响应准确性。
61、根据本发明实施例的一种相对重力仪数字调平补偿系统,包括如下模块:
62、数据采集与预处理模块,用于采集多源传感器数据并进行预处理,构建输入样本集;
63、深度回声状态网络构建模块,用于构建深度回声状态网络模型;
64、结构参数优化模块,用于引入秃鹰搜索优化算法,对深度回声状态网络模型的结构参数进行搜索优化;
65、倾角扰动趋势模块,用于输入当前及历史传感器数据,输出倾角扰动趋势值;
66、调平指令生成模块,用于基于倾角扰动趋势值构建扰动权重函数与调制系数,生成调平指令向量,执行补偿操作;
67、反馈误差构建模块,用于采集姿态反馈数据,与倾角扰动趋势值进行误差比对,生成误差反馈样本;
68、模型与优化更新模块,用于基于误差反馈样本更新输出连接权重,并同步调整秃鹰搜索优化算法的局部搜索策略。
69、本发明的有益效果是:
70、通过本发明所提出的相对重力仪数字调平补偿方法,能够有效解决传统方法在扰动预测精度低、控制响应滞后、模型缺乏自适应能力等方面存在的技术瓶颈。本发明采用深度回声状态网络对重力仪在工作状态下采集的多源传感器数据进行动态建模,结合激活函数动态切换、多输入通道融合、储备池可跳跃连接与深度稀疏调节等改进结构,显著提升了对倾角扰动趋势的预测精度与稳定性。同时,基于改进的秃鹰搜索优化算法对网络结构参数进行协同搜索优化,引入分层种群行为映射、记忆型轨迹引导与局部图结构再搜索机制,实现了结构参数的高效自适应调节与模型性能动态增强。
71、系统构建了完整的误差反馈机制,通过采集姿态反馈数据与扰动预测结果进行误差比对,持续修正网络输出连接权重并反向调整优化策略,形成闭环调平控制流程。所述方法具备更强的扰动预测能力、调平补偿精度与环境适应性,在强干扰、复杂地形等极端应用场景下,仍能保持稳定可靠的调平控制性能,显著提升了重力测量作业的准确性、安全性和作业效率。该方法广泛适用于石油勘探、矿产勘查、大地测量、地球物理研究等多种场景,具有良好的工程可行性和推广应用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com