基于MLP神经网络改进组合导航算法

为解决GPS信号失锁条件下,GPS/INS(inertial navigation system)组合导航系统解算精度降低甚至发散的问题,提出采用多层感知机神经网络(multilayer perceptron neural networks,MLPNN)来辅助组合导航系统.在GPS信号有效时对神经网络进行训练,在GPS...     

神经网络辅助的GPS/INS组合导航滤波算法研究

在高空高速条件下,GPS信号失锁致使常规的卡尔曼滤波器发散,从而导致组合导航系统精度严重下降。以BP神经网络辅助技术手段对GPS/INS组合导航滤波算法实施精度补偿,即在GPS信号锁定时,对神经网络进行实时在线训练,而当在GPS信号失锁时,利用之前训练好的神经网络进行组合导航滤波,以解决精度严重下降问题。算法采用多神经网络并行结构,以减少神经网络在训练过程中的交叉耦合,提高训练速度。通过MATLAB仿真,验证了算法的可靠性与可行性,并证明其在GPS信号丢失时,精度较纯惯性导航系统有较大提高。     

INS加速度信息辅助GPS载波跟踪方法研究

为了解决GPS接收机载波跟踪环路在高动态环境下很容易失锁的问题,提出了一种利用INS加速度信息来辅助接收机跟踪环路的方法。该方法利用INS和GPS组合滤波后的信息以及INS的加速度信息,计算多普勒变化率,加入到跟踪环路中,为载波跟踪提供辅助。文中通过仿真实验,完成了对该GPS定位精度以及跟踪环性能的分析验证。实验结果表明,利用INS加速度信息辅助GPS接收机,有效地降低了动态对载波环的影响,提高了载波环的动态跟踪性能,同时通过降低载波环噪声带宽,提高了载波环的跟踪精度。     

神经网络在MEMS-IMU/GPS组合导航中的应用研究

针对基于MEMS传感器组成的INS/GPS组合中GPS信号缺失的情况下,系统误差瞬时增大,滤波迅速退化无法继续工作的问题,本文提出利用神经网络辅助INS/GPS导航系统以解决这一问题的方法.该方法首先建立系统模型,用组合导航的输入作为网络模型的输入,通过网络训练得到输出需要参数,结合卡尔曼滤波用于组合导航以继续使导航系统工作,仿真结果表明该方法可行和有效性的.     

一种基于EKF和ANN的车载组合导航方法

车载组合导航通常选用GPS和INS作为子系统,由于车载导航中实时性的要求,选用复杂度较低的扩展卡尔曼(EKF)作为组合导航滤波方法。提出了一种基于神经网络(ANN)和EKF相结合的方法进行组合导航。当GPS信号有效时,对ANN进行训练;当GPS发生间隔时,ANN的输出分量去修正INS输出偏差。同时考虑到GPS和INS信号中高频噪声的存在,采用小波变换方法进行预处理去噪,从而提高ANN训练样本的精度。跑车试验证明,所提出的车载组合导航方法,位置定位平均误差小于3.5 m,可满足车载导航的实际需求。     

路网辅助的车载INS/GPS组合导航方法

针对车载INS/GPS组合导航系统在GPS无效时精度迅速下降的问题,提出了将车辆行驶的路网约束作为虚拟传感器,采用多传感器数据融合的方式,与INS和GPS组成INS/GPS/路网组合导航系统.当GPS失效时,使用路网辅助INS.仿真结果表明,在GPS无效时间段,该方法能有效减小系统定位误差.     

基于ANFIS神经网络的GPS/INS组合导航信息融合

介绍了自适应神经网络模糊推理技术(ANFIS),在此基础上采取新息自适应调整的思想,设计了一种基于滤波器工作参数调整的GPS/INS组合导航神经网络辅助卡尔曼滤波器,利用神经网络的非线性,根据滤波器的实际输出在线实时动态调整滤波器参数,达到对滤波器的调整和控制。与传统卡尔曼滤波器进行计算机仿真比较表明,基于ANFIS神经网络的GPS/INS组合导航信息融合技术具有较强的自适应性,能够在复杂的环境下抑制数据的发散,提高导航精度。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

基于GPS/INS/磁力计多传感器融合的连续定位

许多场景都需要准确的连续定位,全球定位系统(GPS)能提供准确的定位、导航和时间服务,但其信号易受干扰,导致在隧道、地铁和地下停车场等环境中性能下降甚至无法使用的情况,提出了一种基于GPS/INS 磁力计多传感器融合的连续定位方法,在应用磁力计和惯性导航系统(INS)组合室内定位时,磁力计数据可对INS累积误差进行有效校正。室外用 GPS定位,当GPS信号较弱时,磁力计和INS的组合信号用于更新定位。为降低GPS信号噪声,采用卡尔曼滤波器对GPS和INS的组合信号进行滤波,针对磁力计易受环境干扰现象,提出一种利用磁力计动态计算和校正航向角的方法。测试结果表明,与未校正的航向角相比,多传感器融合的连续定位方法精度提高了60%,整体定位轨迹误差在2m以内。     

动基座条件下组合导航初始对准研究

初始对准是影响惯性导航系统的导航精度的重要因素,通过对惯性导航(INS)/全球定位系统(GPS)组合导航系统初始对准进行研究,利用GPS信息来辅助INS进行初始对准,来提升初始对准的精度和对准时间.在粗对准阶段,利用载机主惯导对子惯导进行装订,完成子惯导的粗对准;在精对准阶段,有效地利用GPS信息,采用速度匹配方式,并设计了组合对准滤波器,进行仿真验证.仿真结果表明:组合导航系统的初始对准能在15 s内完成对准,且能够达到7mrad的精度.