一种空间测量定位系统测站布局智能优化方法

摘要

测站优化部署问题是空间测量定位系统使用中面临的重要问题之一。本发明提供了一种空间测量定位系统测站布局智能优化方法，以实现优化的测站布局能在一定成本下对被测区域的全面覆盖，且能满足测量精度的要求。本发明从约束分析、优化目标和优化手段三个层面入手，建立了合理的定位误差模型，定义了多目标优化函数，结合实用的智能优化算法实现了空间测量定位系统测站布局的优化。该发明有效地解决了空间测量定位系统在工程应用中测站网络优化部署问题。随着测站数目的增加，该方法具有良好的扩展性，可为基于角度交汇原理的多站组网测量布局优化问题提供具有高适应性的新方法，具有重要理论价值和现实意义。

主权项

一种空间测量定位系统测站布局智能优化方法，其特征在于:在空间测量定位系统中，为了获得最优的测站布局，建立由测站定位误差，覆盖范围及使用成本组成的多目标数学关系模型，即测站布局优化数学模型，运用归一化方法将空间测量定位系统的布局优化问题转化为单目标优化问题，并利用改进遗传算法获取最优的测站布局；具体步骤如下：步骤1)、在空间定位测量系统中，建立测站布局优化数学模型，包括系统定位误差模型、系统覆盖范围模型、成本模型；步骤2)、运用归一化方法将空间测量定位系统的布局多目标优化问题转化为单目标优化问题求解；步骤3)、使用改进遗传算法对测站布局优化模型进行求解；所述步骤3)中，使用改进遗传算法对测站布局优化模型进行求解，按如下步骤进行：将目标函数的参数集合编码成染色体，并随机初始化一定规模的染色体种群，第i个测站空间位置的编码为：$\left[\begin{array}{c}{x}_i\\ y_i\\ z_i\end{array}\right]=\left[\begin{array}{c}a\\ a\\ a\end{array}\right]+\left[\begin{array}{c}b-a\\ b-a\\ b-a\end{array}\right]·rand$其中a和b分别代表测量区域的上边界和下边界，rand是[0,1]空间上的一个随机数；根据编码的染色体，计算相应的适应度函数FF：FF＝K₁O₁+K₂O₂+K₃O₃根据适应度函数值，采用轮盘赌选择，即基于适应度比例的选择策略，个体i被选择的概率为:$p_i=\frac{{\mathrm{FF}}_i}{\underset{i=1}{\overset{M}{\Sigma }}{\mathrm{FF}}_i}$式中，FF_i是第i个染色体的适应值，M为群体总数；根据选择概率得到的染色体，进行改进自适应交叉，变异概率为：$P_C=\left\{\begin{array}{cc}F\left(t\right)·[P_{c1}-\frac{(P_{c1}-P_{c2})(f-f_{avg})}{f_{max}-f_{avg}}]& f\ge f_{avg}\\ P_{c1}& f<f_{avg}\end{array}\right.$$P_m=\left\{\begin{array}{cc}F\left(t\right)·[P_{m1}-\frac{(P_{m1}-P_{m2})(f_{max}-f^{\prime })}{f_{max}-f_{avg}}]& f^{\prime }\ge f_{avg}\\ P_{m1}& f^{\prime }<f_{avg}\end{array}\right.$式中，F(t)为进化衰减因子，t为当前进化代数；T为总进化代数；f为要交叉的个体中适应度值大的个体；f'为要变异个体的适应度值；f_avg为群体平均适应度；f_max为群体最大适应度；P_c1等于0.9，P_c2等于0.6，P_m1等于0.1，P_m2等于0.01。