神经网络辅助卡尔曼滤波在组合导航中的应用

发布时间：2025-05-28 04:01

　　 为使基于微机电系统的捷联惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS接收机无法正常工作时,仍能提供满足精度要求的导航信息,提出了径向基函数神经网络(RBFNN)辅助自适应卡尔曼滤波(AKF)的信息融合方法。首先,基于该方法设计了由神经网络训练与预测两种模式构成的组合导航系统。在GPS可用时,对RBFNN进行在线训练;在GPS失锁时,由RBFNN预测AKF更新过程的量测输入。然后,建立了RBFNN与AKF的数学模型,并设计了RBFNN的训练策略与AKF的自适应算法。最后,通过跑车实验验证了该信息融合方法的有效性。实验结果表明,在GPS断开时间为40s和100s时,系统的位置精度分别优于15m和90m。该信息融合方法能在GPS失锁时对导航误差发散进行有效阻尼,是适用于小型无人机、制导炸弹与车辆的一种低成本、高鲁棒性、中等精度的导航方案。

【文章页数】：8 页

【文章目录】：
1 引言
2 系统结构
3 神经网络设计
    3.1 RBFNN网络模型
    3.2 RBFNN训练方法
4 自适应卡尔曼滤波设计
    4.1 状态方程与量测方程
    4.2 AKF算法设计
5 跑车实验与结果分析
    5.1 实验设备与实验条件
    5.2 实验结果
6 结论



本文编号：4048045