基于神经网络与自调节卡尔曼滤波的超宽带定位算法研究 |
| |
引用本文: | 古玉锋,杜雨洁,王育阳,李昆鹏,黎程山.基于神经网络与自调节卡尔曼滤波的超宽带定位算法研究[J].中国机械工程,2023(12):1504-1511. |
| |
作者姓名: | 古玉锋 杜雨洁 王育阳 李昆鹏 黎程山 |
| |
作者单位: | 长安大学道路施工技术与装备教育部重点实验室 |
| |
基金项目: | 国家自然科学基金(52205249);;陕西省自然科学基础研究计划(2022JQ-434); |
| |
摘 要: | 提出了一种基于神经网络与自调节卡尔曼滤波的超宽带(UWB)定位算法,以改善目前某三线自动驾驶轨道交通系统车辆定位精度不够高的现状。使用UWB标签和基站采集大量标签与各个基站的距离信息及对应标签的实际位置训练神经网络。在实时定位阶段,标签与各个基站的距离信息经网络发送至集中控制中心的服务器,通过优化后的神经网络得出实时的UWB定位标签的位置,对实时得到的标签位置使用自调节卡尔曼滤波以进一步提高精度。根据实车运行情况设计了一组包含斜道、直道和弯道的UWB标签移动轨迹进行仿真,并搭建UWB定位系统,设计标签的行驶轨迹,对神经网络与自调节卡尔曼滤波结合的UWB定位算法进行实验验证。结果表明:神经网络与自调节卡尔曼滤波结合的定位算法最大定位误差为223.58 mm,平均定位误差为43.16 mm,定位误差均方根值为42.06 mm。提出的神经网络与自调节卡尔曼滤波结合的定位算法相较于三点定位算法、卡尔曼滤波算法和神经网络算法,具有精度高、实时性好及稳定性高的优点,能够满足目前该三线轨道交通的定位要求。
|
关 键 词: | 超宽带 神经网络 自调节卡尔曼滤波 定位算法 |
|
|