基于FPSO的小天體著陸系統(tǒng)陸標(biāo)選取方法

冀紅霞，宗 紅，雷擁軍，2

(1. 北京控制工程研究所，北京 100190；2. 空間智能控制技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100190)

1 引言

采用陸標(biāo)圖像信息的小天體著陸自主導(dǎo)航方法是實(shí)現(xiàn)未來深空探測精確著陸任務(wù)的重要手段之一。近年來，采用陸標(biāo)圖像信息的小天體著陸自主導(dǎo)航方法的研究受到越來越多的關(guān)注。目前對(duì)于這一類導(dǎo)航方法的研究大都是在已知陸標(biāo)位置信息的假設(shè)下進(jìn)行的。著陸器通過將下降圖像中提取的陸標(biāo)與探測器事先存儲(chǔ)的包含陸標(biāo)位置信息的全局地圖進(jìn)行匹配從而獲得下降圖像中陸標(biāo)的位置信息，進(jìn)而利用這些已知陸標(biāo)的位置信息結(jié)合其圖像測量信息計(jì)算著陸器的導(dǎo)航信息[1,2]，因此陸標(biāo)的分布數(shù)量與分布結(jié)構(gòu)對(duì)自主導(dǎo)航的精度有很大的影響。目前來看，采用陸標(biāo)圖像信息的行星著陸自主導(dǎo)航方法大都沒有考慮導(dǎo)航陸標(biāo)的選取問題。然而，在移動(dòng)機(jī)器人導(dǎo)航領(lǐng)域，研究人員從多個(gè)方面對(duì)陸標(biāo)選取問題進(jìn)行了研究。文獻(xiàn)[3,4,5]則從陸標(biāo)的空間構(gòu)型對(duì)移動(dòng)機(jī)器人位姿估計(jì)精度的影響方面研究了導(dǎo)航陸標(biāo)的選取問題。文獻(xiàn)[4]提出了一種利用粒子群算法來規(guī)劃多陸標(biāo)情況下的機(jī)器人導(dǎo)航。

粒子群優(yōu)化算法(Particle Swarm Optimizer，PSO)[6]是Kennedy和Eberhart于1995年提出的一種群體智能仿生算法，在解決一些典型的函數(shù)優(yōu)化問題時(shí)，能夠取得比較好的優(yōu)化結(jié)果。雖然粒子群算法具有容易實(shí)現(xiàn)、計(jì)算簡單、收斂快、魯棒性好等優(yōu)點(diǎn)，但是后期容易陷入局部最優(yōu)解，收斂效率低。

很多學(xué)者通過一些方法和手段來調(diào)整慣性權(quán)值[7,8]，使算法在全局搜索和精細(xì)搜索之間達(dá)到平衡，但改進(jìn)算法只是單純地在整個(gè)區(qū)間上使用一次函數(shù)、二次函數(shù)甚至更高次函數(shù)，以及正(余)弦函數(shù)等三角函數(shù)、各種指數(shù)和對(duì)數(shù)形式的函數(shù)，構(gòu)造出非常復(fù)雜的減函數(shù)。增加計(jì)算機(jī)運(yùn)算量，降低改進(jìn)算法的優(yōu)化速度。

針對(duì)粒子群算法容易陷入局部最優(yōu)的問題，提出一種模糊邏輯規(guī)則的粒子群(Fuzzy Particle Swarm Optimizer， FPSO)算法，采用模糊邏輯規(guī)則對(duì)粒子群算法中慣性權(quán)值進(jìn)行動(dòng)態(tài)調(diào)整，以平衡全局搜索速度和局部搜索速度，并以陸標(biāo)的空間幾何精度因子(GDOP)為適應(yīng)度值以提高導(dǎo)航精度，學(xué)習(xí)選取使陸標(biāo)構(gòu)型的GDOP值最小的陸標(biāo)集值作為導(dǎo)航觀測信息，通過仿真驗(yàn)證分析選取不同導(dǎo)航陸標(biāo)數(shù)據(jù)點(diǎn)對(duì)系統(tǒng)導(dǎo)航精度的影響。

2 小天體著陸自主視覺導(dǎo)航系統(tǒng)

小天體探測器在著陸過程中通過相機(jī)獲取小天體表面圖像，采用圖像匹配算法提取陸標(biāo)特征點(diǎn)作為后續(xù)導(dǎo)航的觀測信息，圖1為采用陸標(biāo)提取方法的小天體著陸自主導(dǎo)航系統(tǒng)流程圖，首先采用角點(diǎn)檢測算法檢測下降圖像中的特征點(diǎn)作為陸標(biāo)，對(duì)下降圖像進(jìn)行尺度估計(jì)和尺度變換，對(duì)提取出的角點(diǎn)信息特征描述后進(jìn)行初始匹配，并剔除初始樣本中不符合幾何特性的部分外點(diǎn)，最后與數(shù)據(jù)庫中存儲(chǔ)的全局圖像進(jìn)行匹配，輸出匹配的陸標(biāo)點(diǎn)位置信息，參與后續(xù)的導(dǎo)航濾波解算。

圖1 小天體著陸自主導(dǎo)航系統(tǒng)流程圖

2.1 小天體探測器運(yùn)動(dòng)學(xué)模型

利用慣性敏感器測量建立探測器著陸運(yùn)動(dòng)學(xué)方程為

(1)

Ω(ω)定義如下

其中

2.2 小天體探測器測量模型

2.2.1 IMU測量模型

假設(shè)IMU固連于著陸器體坐標(biāo)系，可直接敏感著陸器相對(duì)于慣性空間的角速度和非引力加速度。則加速度計(jì)和陀螺的測量模型分別表示為

(2)

其中，ba和bw分別為加速度計(jì)零偏和陀螺零偏，a為除引力外所有作用于探測器上的合力產(chǎn)生的加速度：na、nw分別是加速度計(jì)和陀螺測量噪聲。

則導(dǎo)航測量方程為

探測器在著陸點(diǎn)固連坐標(biāo)系下的狀態(tài)參數(shù)為(r，q)，著陸點(diǎn)固連坐標(biāo)系下第i個(gè)特征點(diǎn)的位置矢量為Lpi， 探測器到第i個(gè)特征點(diǎn)的位置矢量在相機(jī)坐標(biāo)系下的表示為

(3)

假設(shè)光學(xué)導(dǎo)航相機(jī)模型為理想的小孔成像模型，由射影變換可得

(4)

是的，他覺得自己會(huì)下地獄。云浮人認(rèn)為，每一個(gè)命喪野獸口中的人，靈魂都已被污染，再也無法升上天空飛翔。他在心中發(fā)出一聲悲嘆，自己與任何一個(gè)族人相比，都更加渴望天空，然而到頭來，卻終究是下了地獄。

(5)

2.2.3 測速敏感器測量模型

測速敏感器輸出的相對(duì)速度的測量方程如下：

(6)

對(duì)于導(dǎo)航相機(jī)，以特征點(diǎn)在像平面的位置為觀測量，對(duì)于特征點(diǎn)由式(5)可得觀測方程為

中華傳統(tǒng)文化是世界文化之林中的一道獨(dú)特風(fēng)景，在寬廣遼闊的祖國大地上，風(fēng)情各異的地方節(jié)慶對(duì)于傳承豐富多樣的傳統(tǒng)文化，具有突出的作用。在國家大力進(jìn)行社會(huì)主義文化建設(shè)之際，深入探討地方節(jié)慶對(duì)傳統(tǒng)文化的傳承價(jià)值，是非常有必要和有意義的。筆者擬以海南軍坡節(jié)為例，對(duì)這一問題進(jìn)行深入探討。

3 FPSO的導(dǎo)航陸標(biāo)選取

粒子群算法(PSO)初始化為一群數(shù)量為N的隨機(jī)粒子(隨機(jī)解)，在D維空間中通過重復(fù)迭代，更新自身的位置以搜索適應(yīng)度值的最優(yōu)解。在每次迭代中，粒子通過2個(gè)“極值”來更新自己的速度和位置：一個(gè)是粒子自身目前所找到的最優(yōu)解，即個(gè)體極值；另一個(gè)是整個(gè)粒子目前找到的最優(yōu)解，即全局極值。粒子i(i=1，2，…，N)在第j(j=1，2，…，D)維的速度vij和位置xij按如下格式進(jìn)行更新。

(7)

式中，w為非負(fù)數(shù)，成為慣性權(quán)值(慣性因子)，描述了粒子對(duì)之前速度的“繼承”；c1和c2為非負(fù)常數(shù)，稱為學(xué)習(xí)因子(加速因子)，體現(xiàn)了粒子的社會(huì)性，即粒子向全局最優(yōu)粒子學(xué)習(xí)的特性；r1和r2為(0，1)之間的隨機(jī)數(shù)；pi=(pi1，pi2，…，piD)表示粒子i的個(gè)體極值所在位置；pg=(pg1，pg2，…，pgD)表示所有粒子的全局極值所在位置。

其中，H為導(dǎo)航濾波器的觀測矩陣。

在粒子群算法中，每個(gè)優(yōu)化問題的潛在解都是在搜索空間中的粒子，所有粒子都有一個(gè)被優(yōu)化的函數(shù)決定的適應(yīng)度值(fitness value)，每個(gè)粒子還有一個(gè)速度決定其尋優(yōu)的方向和距離。

3.1 模糊邏輯規(guī)則慣性權(quán)值的選取

慣性權(quán)值表示粒子對(duì)其原始速度的繼承狀況，控制其取值大小，可調(diào)節(jié)PSO算法的全局與局部尋優(yōu)能力。w值較大，全局尋優(yōu)能力強(qiáng)，局部尋優(yōu)能力弱，反之，則局部尋優(yōu)能力增強(qiáng)，而全局尋優(yōu)能力。因此在算法進(jìn)行過程中，通過一些方法來調(diào)整慣性權(quán)值，使算法在全局搜索和精細(xì)搜索之間達(dá)到平衡。

應(yīng)用綠色建筑設(shè)計(jì)的理念最重要的就是選用節(jié)能的設(shè)計(jì)方法進(jìn)行建筑設(shè)計(jì)，首先就要注重建筑的朝向角度，這是房屋設(shè)計(jì)的重點(diǎn)，需要結(jié)合節(jié)能技術(shù)進(jìn)行有效分析。目前，設(shè)計(jì)者要考慮和建筑的高低以及使用功能的不同，不同功能建筑所需要的日照時(shí)間是不一樣，所以設(shè)計(jì)者要合理把控樓體之間的關(guān)系，具體可以對(duì)樓間距、日照時(shí)間、角度等進(jìn)行科學(xué)的計(jì)算，還要考慮到建筑所在地理位置的經(jīng)緯度和太陽高度角及方位角的問題，從而使大部分的房屋能夠得到充足的日照，盡量設(shè)計(jì)出南北通透的房屋。

為了使得PSO算法在迭代計(jì)算的前期有較好的全局搜索能力而后期具有較好的局部搜索能力，設(shè)計(jì)一個(gè)具有模糊邏輯規(guī)則控制PSO算法參數(shù)的FPSO(Fuzzy PSO)，以適應(yīng)度本次與上次之差和迭代次數(shù)作為輸入變量，將慣性權(quán)值w作為輸出變量。為了便于計(jì)算，對(duì)迭代次數(shù)與適應(yīng)度差值這2個(gè)模糊系統(tǒng)的輸入變量進(jìn)行處理。

在模糊系統(tǒng)中兩個(gè)模糊輸入變量K1和K2與模糊輸出變量w分別由3個(gè)三角形隸屬度函數(shù)與5個(gè)三角形隸屬度函數(shù)確定，即將模糊輸入的范圍平均分成3個(gè)模糊集(L：低；M：中；H：高)，輸出的范圍平均分成5個(gè)模糊集(L：低；M：中；H：高；ML：中低；MH：中高)，分別如圖2中a)、b)所示。

圖2 隸屬度函數(shù)

輸入變量K1和K2如式(8)和(9)所示

隨著我國政府會(huì)計(jì)改革的不斷深入推進(jìn)，2017年10月24日，財(cái)政部印發(fā)《政府會(huì)計(jì)制度—行政事業(yè)單位會(huì)計(jì)科目和報(bào)表》（財(cái)會(huì)〔2017〕25號(hào)，以下簡稱《政府會(huì)計(jì)制度》），要求自2019年1月1日起全面施行，并鼓勵(lì)行政事業(yè)單位提前執(zhí)行?！墩畷?huì)計(jì)制度》構(gòu)建了“具備財(cái)務(wù)會(huì)計(jì)與預(yù)算會(huì)計(jì)雙重功能，實(shí)現(xiàn)財(cái)務(wù)會(huì)計(jì)與預(yù)算會(huì)計(jì)適度分離并相互銜接”的全新政府會(huì)計(jì)核算模式，對(duì)會(huì)計(jì)科目的設(shè)置使用和報(bào)表格式及編制進(jìn)行了詳細(xì)說明，同時(shí)在附錄中列示了主要業(yè)務(wù)和事項(xiàng)賬務(wù)處理舉例。

K1=k/kmax

(8)

(9)

導(dǎo)航系統(tǒng)狀態(tài)包括探測器當(dāng)前位置、速度和姿態(tài)以及成像時(shí)刻探測器位置和姿態(tài)，即

結(jié)合粒子群算法在短暫的迭代前期收斂速度快，而在漫長的迭代后期則基本陷于停滯狀態(tài)以及系統(tǒng)迭代總體收斂的特點(diǎn)，分析輸入與輸出之間的關(guān)系如下：

1) 在迭代前期即K1值較小時(shí)，取w較大的值以利于全局搜索，在迭代后期即K2值較大時(shí)。取w較小的值以利于局部搜索；

2) 當(dāng)K2<0時(shí)，說明此次迭代總體收斂，且K2越小，w越大，此時(shí)全局搜索能力強(qiáng)；當(dāng)K2>0時(shí)，說明此次迭代發(fā)散，且K2越大，w越小，此時(shí)局部搜索能力強(qiáng)。

根據(jù)上述輸入輸出參數(shù)關(guān)系，制定模糊邏輯規(guī)則如表1所示。

表1 模糊邏輯規(guī)則

在表1中，每個(gè)規(guī)則都是一個(gè)“if…then…”的形式。對(duì)于不同的問題，可以合理選取w的取值范圍，w的取值范圍為[0.4，0.9]。

3.2 空間幾何精度因子適應(yīng)度指標(biāo)的選取

導(dǎo)航陸標(biāo)特征點(diǎn)信息很大程度上決定使用陸標(biāo)觀測信息作為觀測量的自主導(dǎo)航系統(tǒng)的精度。通常來說，當(dāng)導(dǎo)航陸標(biāo)數(shù)據(jù)庫包含陸標(biāo)個(gè)數(shù)越多，著陸器獲得的可用于導(dǎo)航的測量信息就越多，相應(yīng)地著陸器狀態(tài)估計(jì)精度也越高，相應(yīng)地著陸器精度也越高。然而，受限于著陸器上有限的存儲(chǔ)和計(jì)算能力以及著陸過程自主導(dǎo)航對(duì)實(shí)時(shí)性的要求，可存儲(chǔ)陸標(biāo)數(shù)據(jù)庫大小是有限的，因此，需要從所有可用陸標(biāo)中選取出最優(yōu)的那部分陸標(biāo)組成導(dǎo)航陸標(biāo)數(shù)據(jù)庫，則導(dǎo)航陸標(biāo)選取問題可描述為尋找既能滿足系統(tǒng)導(dǎo)航性能要求又包含最少陸標(biāo)個(gè)數(shù)的陸標(biāo)集。

對(duì)于使用陸標(biāo)選取作為觀測量的小天體著陸自主導(dǎo)航系統(tǒng)，使用陸標(biāo)點(diǎn)的空間幾何精度因子(GDOP)值作為導(dǎo)航性能指標(biāo)，在衛(wèi)星導(dǎo)航系統(tǒng)D中，GDOP用于衡量導(dǎo)航精度的數(shù)值，它表示定位誤差與空間衛(wèi)星星座間的幾何位置變化關(guān)系。更一般的說，是用來表示定位誤差放大倍數(shù)或者是精度衰減因子。在實(shí)際情況中，陸標(biāo)點(diǎn)組成的體積越小則GDOP的值越大。在選擇陸標(biāo)時(shí)要選擇陸標(biāo)分散在不同的位置，且在不同的區(qū)域都有分布，陸標(biāo)的幾何精度就會(huì)變小，從而提高導(dǎo)航系統(tǒng)的精度。

GDOP的計(jì)算公式如下

(10)

水利普查檔案應(yīng)該按要求建立歸檔文件材料的案卷和文件級(jí)目錄及重要文件材料全文數(shù)據(jù)庫，并依托相應(yīng)的管理系統(tǒng)，逐步推進(jìn)水利普查檔案信息化管理，滿足各項(xiàng)工作對(duì)水利普查檔案的利用需求。

當(dāng)陸標(biāo)個(gè)數(shù)較多時(shí)，采用全局搜索方法尋找優(yōu)化的導(dǎo)航陸標(biāo)時(shí)非常困難的，因此考慮以圖1中特征匹配提取出的陸標(biāo)為初始點(diǎn)，采用模糊規(guī)則的粒子群算法，在一定的邊界范圍內(nèi)通過選取空間精度因子(GDOP)值為適應(yīng)度指標(biāo)進(jìn)行學(xué)習(xí)，在一定迭代周期內(nèi)，更新陸標(biāo)點(diǎn)的位置搜索使得適應(yīng)度值最小的陸標(biāo)點(diǎn)，作為導(dǎo)航濾波器的觀測值。

4 小天體探測器自主導(dǎo)航算法

4.1 狀態(tài)方程

式中，k為當(dāng)前迭代次數(shù)，kmax為總迭代次數(shù)；fitnesscurrent為當(dāng)前時(shí)刻的最優(yōu)適應(yīng)度值，fitnesslast為上一時(shí)刻的最優(yōu)適應(yīng)度值。

(11)

2.2.2 導(dǎo)航相機(jī)測量模型

估計(jì)狀態(tài)為

提高教師素質(zhì)，豐富教學(xué)內(nèi)容 教師是傳播知識(shí)的關(guān)鍵環(huán)節(jié)，具有很強(qiáng)的示范作用，要率先垂范，上課不使用手機(jī)，為學(xué)生樹立良好的榜樣。教師可以通過課程環(huán)節(jié)設(shè)計(jì)，用適當(dāng)?shù)慕谭ń鉀Q較難課程內(nèi)容，選擇合適的教學(xué)方法和手段來授課，理論與實(shí)際相結(jié)合，增加課堂上的實(shí)踐性、趣味性、靈活性，通過豐富課堂內(nèi)容，增強(qiáng)課堂吸引力，讓學(xué)生在一個(gè)輕松的環(huán)境中學(xué)習(xí)。教師通過自己尊重教學(xué)、課堂、學(xué)生的良好教學(xué)態(tài)度，從而去影響學(xué)生、帶動(dòng)學(xué)生，這種示范作用對(duì)學(xué)生具有立竿見影的效果，從而使學(xué)生上課沒有時(shí)間玩手機(jī)。

(12)

系統(tǒng)當(dāng)前誤差狀態(tài)方程如下

(13)

假設(shè)k時(shí)刻相機(jī)拍攝一幅圖像，則狀態(tài)方程xE|k和協(xié)方差PEEk|k分別擴(kuò)維為xk和Pk|k

（四）防治 對(duì)于生豬霉玉米黃曲霉素中毒到目前尚無特效解毒藥。臨診中僅限于對(duì)癥處理并加強(qiáng)肝臟解毒功能。首先是立即停喂霉?fàn)€變質(zhì)飼料和可疑料，其次是根據(jù)臨床癥狀采取一些解毒措施，如應(yīng)用中藥輕瀉，促使病豬采食后的霉飼料盡快排出體外，同時(shí)注射肌苷、柴胡保肝，用維生素E和高滲葡萄糖輸液。對(duì)部分出現(xiàn)心力衰竭的豬只用安鈉咖注射液強(qiáng)心。并注意控制繼發(fā)感染。全天用5%板藍(lán)根漿飲水，連飲3～5 d。飼料中添加抑霉菌素3～5 d，增加蛋白質(zhì)和脂肪含量可增強(qiáng)豬體對(duì)黃曲霉毒素的抵抗力并減少死亡率。也可發(fā)病時(shí)用三苯甲咪唑按20 mg/kg口服，日服三次，連用數(shù)天可治療本病。

式中

4.2 觀測方程

式中，nu為測速敏感器測量噪聲。

式中，vi為觀測噪聲，設(shè)其協(xié)方差陣為Rv。

第i時(shí)刻導(dǎo)航陸標(biāo)pj估計(jì)觀測量為

(14)

則第i時(shí)刻的觀測量殘差為

yi=Zi-i

(15)

測量方程為

(16)

式中

考生還應(yīng)熟練掌握邊敘邊議的論證技巧，也即在敘述的過程中靈活自如地進(jìn)行分析論證。這樣的論證技巧尤其適用于考生對(duì)該論據(jù)較為熟悉而且覺得一兩句話概括起來較為困難的情況。當(dāng)然，邊敘邊議的論證技巧決不是意味著論證可以拖沓，而是將問題說得更深入透徹些，在論證過程中還是要講求層次分明、條分縷析。

其中

對(duì)于測距測速敏感器，由(6)可得觀測方程為

(17)

其中測量敏感矩陣為

其中

(2)皮帶運(yùn)輸系統(tǒng)。其中進(jìn)煤皮帶3條(高空皮帶1部，斜巷大傾角皮帶1部)，中煤皮帶1部，矸石皮帶2部，精煤皮帶1部，共計(jì)7部皮帶。精煤轉(zhuǎn)載皮帶由原煤場篩分3#皮帶延伸共用。

5 仿真驗(yàn)證

為驗(yàn)證本文提出的采用粒子群算法的陸標(biāo)選取導(dǎo)航系統(tǒng)的有效性和可行性，取Eros433作為目標(biāo)天體進(jìn)行數(shù)學(xué)仿真，小天體物理參數(shù)如表2所示。

表2 仿真分析參數(shù)列表

仿真初始條件為位置各方向存在50m的隨機(jī)誤差，速度各方向存在1m/s隨機(jī)誤差，姿態(tài)各軸指向存在1°的隨機(jī)誤差，導(dǎo)航陸標(biāo)位置各方向存在1m的隨機(jī)誤差，測速儀各方向存在0.01m/s隨機(jī)誤差。設(shè)導(dǎo)航相機(jī)焦距偽3.5mm，導(dǎo)航相機(jī)和測速儀以1s的采樣間隔輸出，圖像處理精度為1個(gè)像素，仿真采用模擬陸標(biāo)進(jìn)行。

(1) 炭化花生殼：將洗凈烘干的花生殼粉碎后放入坩堝中，加蓋后置于馬弗爐中進(jìn)行炭化，設(shè)置升溫梯度為100 ℃，間隔時(shí)間為10 min，待溫度分別升至300，400，500，600和700 ℃時(shí)，繼續(xù)炭化2 h，隨后冷卻至室溫取出，稱重，備用。

1)適應(yīng)度收斂分析

（4）基于GIS的選線工作輔助系統(tǒng)，其可靠性與計(jì)算結(jié)果準(zhǔn)確性及現(xiàn)有數(shù)據(jù)信息有直接關(guān)系，同時(shí)也會(huì)受到用戶自身選擇與判斷的影響。只有正確的選擇與判斷，才能充分發(fā)揮工具應(yīng)有的作用和效果。

利用FPSO算法計(jì)算陸標(biāo)優(yōu)化時(shí)，首先根據(jù)式(21)得到GDOP值作為適應(yīng)度指標(biāo)，并將式(21)作為適應(yīng)度函數(shù)，通過FPSO算法對(duì)該適應(yīng)度函數(shù)進(jìn)行逐次迭代尋優(yōu)。FPSO算法的計(jì)算步驟與2.1節(jié)PSO算法相同，只是通過模糊系統(tǒng)對(duì)慣性權(quán)值w進(jìn)行動(dòng)態(tài)調(diào)整，通過迭代尋優(yōu)，最后得到的全局最優(yōu)解即為適應(yīng)度指標(biāo)，所對(duì)應(yīng)的陸標(biāo)位置為陸標(biāo)最優(yōu)值。

圖3 適應(yīng)度收斂曲線

從圖3的收斂度曲線可看出，F(xiàn)PSO計(jì)算最終的適應(yīng)度值收斂最小值優(yōu)于PSO算法。

2)導(dǎo)航精度分析

仿真情況1：全部陸標(biāo)的300個(gè)點(diǎn)

圖4 仿真情況1濾波精度

仿真情況2：全部陸標(biāo)中的前200個(gè)

圖5 仿真情況2濾波精度

仿真情況3：隨機(jī)選取的100個(gè)陸標(biāo)

圖6 仿真情況3濾波精度

仿真情況4：FPSO選取的陸標(biāo)

圖7 仿真情況4濾波精度

表3 不同陸標(biāo)個(gè)數(shù)下蒙特卡羅導(dǎo)航誤差

從圖4～圖7及表3可看出，F(xiàn)PSO生成的陸標(biāo)(仿真情況4)在參與導(dǎo)航解算時(shí)相較仿真情況一濾波精度提高了35.6%，相較仿真情況三消耗的時(shí)間減少了47.8%，這是由于FPSO智能選取陸標(biāo)點(diǎn)時(shí)以GDOP值為適應(yīng)度值，不斷迭代生成GDOP值最優(yōu)的陸標(biāo)點(diǎn)，且可以使用較少的粒子數(shù)參與導(dǎo)航解算，減少導(dǎo)航運(yùn)算的時(shí)間。

我國制定了很多關(guān)于基層畜牧獸醫(yī)技術(shù)管理的法律法規(guī)，而且由于基層的設(shè)施條件存在欠缺，就使得工作落實(shí)非常困難。而我國正面臨著經(jīng)濟(jì)體制改革的時(shí)期，畜牧業(yè)在這個(gè)過程中也面臨著多層次的體制改革。目前也有部分地區(qū)實(shí)現(xiàn)了良好的規(guī)劃和發(fā)展，但相對(duì)來說這些情況大多發(fā)生在大城市里；而對(duì)于基層來說實(shí)施落實(shí)依然是非常困難的問題。例如，基層畜牧獸醫(yī)治療設(shè)備就難以企及大城市中獸醫(yī)的治療設(shè)備，這是客觀存在的問題。而且大多數(shù)基層畜牧業(yè)仍然處于原始放養(yǎng)的狀態(tài)，難以進(jìn)行系統(tǒng)化的管理，自然也就無法將先進(jìn)的理論概念進(jìn)行傳導(dǎo)，非常不利于基層畜牧業(yè)的系統(tǒng)發(fā)展。

6 結(jié)論

本文所提出的FPSO算法模糊邏輯規(guī)則對(duì)標(biāo)準(zhǔn)PSO算法中的慣性權(quán)值參數(shù)進(jìn)行了改進(jìn)，并將該算法應(yīng)用到小天體探測器著陸陸標(biāo)優(yōu)化選取，通過仿真結(jié)果驗(yàn)證：

2）培訓(xùn)內(nèi)容：醫(yī)院歷史沿革及文化建設(shè)、黨團(tuán)工作介紹、醫(yī)院感染控制及醫(yī)務(wù)人員職業(yè)防護(hù)、工資福利和考核、心肺復(fù)蘇、消防安全、醫(yī)療核心制度和醫(yī)患溝通、住院醫(yī)師規(guī)范化培訓(xùn)及考核和護(hù)理專項(xiàng)培訓(xùn)。培訓(xùn)時(shí)間共計(jì)為5個(gè)工作日。

1)利用模糊邏輯規(guī)則很好地權(quán)衡標(biāo)準(zhǔn)PSO算法的探索能力和開發(fā)能力。在迭代計(jì)算早期擴(kuò)大搜索范圍，在迭代后期加速收斂性能；

2)在與其它陸標(biāo)選取方法比較的基礎(chǔ)上，采用優(yōu)化的陸標(biāo)參與導(dǎo)航解算的相較全部陸標(biāo)具濾波精度提高了35.6%，相較隨機(jī)選取陸標(biāo)時(shí)間減少了47.8%。