利用液体时间常数网络对磁导航系统中的航空磁补偿进行物理信息校准
机器学习
2024-01-19 v1 系统与控制
系统与控制
计算物理
地球物理
摘要
磁导航 (MagNav) 是全球定位系统 (GPS) 的一种新兴替代方案，已被证明可用于飞机导航。传统的飞机导航系统虽然有效，但在某些环境中和面对攻击时，其精度和可靠性面临局限性。机载 MagNav 利用地球磁场提供准确的位置信息。然而，飞机电子设备感应的外部磁场和地球大尺度磁场会干扰较弱的目标信号。我们引入了一种物理信息方法，使用 Tolles-Lawson 系数进行补偿，并利用液体时间常数网络 (LTCs) 去除源自飞机磁源的复杂噪声信号。利用带有磁力计测量值和飞机测量值的真实飞行数据，我们观察到航空磁补偿误差 (RMSE nT) 降低了高达 64\%，优于传统模型。这一显著改进强调了物理信息机器学习方法在提取用于 MagNav 位置估计的干净、可靠且准确的磁信号方面的潜力。
引用
@article{arxiv.2401.09631,
title = {Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic Navigation Systems using Liquid Time-Constant Networks},
author = {Favour Nerrise and Andrew Sosa Sosanya and Patrick Neary},
journal= {arXiv preprint arXiv:2401.09631},
year = {2024}
}
备注
Accepted at the NeurIPS 2023 Machine Learning and the Physical Sciences workshop, 7 pages, 4 figures, see code here: https://github.com/fnerrise/LNNs_MagNav/