為使基于微機(jī)電系統(tǒng)的捷聯(lián)慣性導(dǎo)航/全球定位(MEMS-SINS/GPS)組合導(dǎo)航系統(tǒng)在GPS接收機(jī)無法正常工作時,仍能提供滿足精度要求的導(dǎo)航信息,提出了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)輔助自適應(yīng)卡爾曼濾波(AKF)的信息融合方法。首先,基于該方法設(shè)計(jì)了由神經(jīng)網(wǎng)絡(luò)訓(xùn)練與預(yù)測兩種模式構(gòu)成的組合導(dǎo)航系統(tǒng)。在GPS可用時,對RBFNN進(jìn)行在線訓(xùn)練;在GPS失鎖時,由RBFNN預(yù)測AKF更新過程的量測輸入。然后,建立了RBFNN與AKF的數(shù)學(xué)模型,并設(shè)計(jì)了RBFNN的訓(xùn)練策略與AKF的自適應(yīng)算法。最后,通過跑車實(shí)驗(yàn)驗(yàn)證了該信息融合方法的有效性。實(shí)驗(yàn)結(jié)果表明,在GPS斷開時間為40s和100s時,系統(tǒng)的位置精度分別優(yōu)于15m和90m。該信息融合方法能在GPS失鎖時對導(dǎo)航誤差發(fā)散進(jìn)行有效阻尼,是適用于小型無人機(jī)、制導(dǎo)炸彈與車輛的一種低成本、高魯棒性、中等精度的導(dǎo)航方案。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 系統(tǒng)結(jié)構(gòu)
3 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
    3.1 RBFNN網(wǎng)絡(luò)模型
    3.2 RBFNN訓(xùn)練方法
4 自適應(yīng)卡爾曼濾波設(shè)計(jì)
    4.1 狀態(tài)方程與量測方程
    4.2 AKF算法設(shè)計(jì)
5 跑車實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)設(shè)備與實(shí)驗(yàn)條件
    5.2 實(shí)驗(yàn)結(jié)果
6 結(jié)論



本文編號：4048045