在基于偶极子磁场分量梯度的水下磁异常定位方法中,三轴磁力计自身误差及两磁场坐标系配准误差等是限制水下定位精度的主要因素,因此有必要对其进行校正,补偿磁场分量梯度计测量值。建立了磁场分量梯度计的测量误差模型,提出了基于函数链接型神经网络（functional link artificial neural network,FLANN）和最小二乘法的磁场分量梯度计误差校正方法,给出了误差参数辨识及校正算法,数值仿真和实测数据证明了校正算法具有良好的收敛性,能显著地抑制磁场分量梯度测量误差,该校正方法为提高磁场分量梯度计性能提供了一种可行途径。

提出一种基于函数链接型神经网络（FLANN）的三轴磁强计误差修正方法。由于三轴非正交、灵敏度不一致及零点漂移所引起的误差降低了三轴磁强计的测量精度，因此有必要进行校正。本文先对与三轴磁强计系统参数有关的测量进行详细分析和理论计算；然后，设计矩阵形式的数学模型对该误差进行修正。通过构造相应的FLANN网络结构，实现对模型参数矩阵的辨识。用实际地磁场测量数据进行测试，结果表明，三轴磁强计的转向误差南800nT修正到12nT以下。因此，该研究为提高三轴磁强计性能提供了一种可行方法。

提出一种基于最小二乘支持向量机( LS- SVM) 构造函数链接型神经网络( FLANN) 的方法, 并根据正反馈原理将该FLANN 应用於热电偶传感器非线性校正. 讨论LS- SVM 构造FLANN 的基本原理和具体算法, 给出了非线性补偿器的数学模型. 与常规BP 迭代算法构造的FLANN 比较, 该方法构造的FLANN 补偿器具有如下优点: ① 利用LS- SVM 将迭代逼近问题转化为直接求解多元线性方程, 因此具有更快的速度; ② 整个训练过程中有且仅有一个全局极值点, 确定了所构造FLANN 补偿器的唯一性, 提高了补偿精度. 最后以P-t Rh30- P-t Rh6 热电偶( B 型) 为例进行非线性校正实验, 结果验证了上述结论.