论文部分内容阅读
随着现代战争对武器系统性能要求的不断提高，组合导航系统已成为军事航行体和武器系统中不可缺少的重要组成部分。组合系统的精度和可靠性直接关系到军事装备的作战性能和任务的顺利完成。信息融合理论和故障检测技术是提高组合系统精度和可靠性的重要途径。神经网络具有并行处理、高度的自适应性和自学习能力等优点，是十多年来人们关注的热门交叉学科，有着十分广阔的应用前景。 本文将神经网络方法与传统的信息融合和故障检测方法相结合，通过两种方法的优势互补，进一步提高了系统精度和可靠性。 本文主要完成了以下工作： (1)．首先分析了联邦卡尔曼滤波融合算法，提出了混沌BP神经网络辅助联邦卡尔曼滤波的融合算法，并仿真分析比较了两种融合算法在SINS/GPS/ADS三组合导航系统中的融合结果。 (2)．研究分析了模糊自适应谐振网络(Fuzzy ARTMAP)的具体算法及其性能。仿真分析了在不同检验门限时的Fuzzy ARTMAP网络的故障识别能力。 (3)．改进了双递推器的状态χ~2检验方法，增添更新判断指标，进一步提高了整个系统故障检测性能。 (4)．提出了基于模糊自适应谐振神经网络(Fuzzy ARTMAP)故障检测方法，仿真验证该方法在SINS/GPS/ADS三组合导航系统的故障检测中的可行性。