论文部分内容阅读
SINS/GPS (Strap-down Inertial Navigation/Global Positioning System)组合导航是一种在军用,民用,以及经济领域都被广泛使用的一种导航技术。它能够综合利用捷连式惯性导航系统和GPS(Global Positioning System)导航系统各自的优势,克服各自的缺陷,提供高质量的导航服务。其中初始对准和信息融合是其最主要的两个关键环节。对于初始对准环节,本篇论文就SINS/GPS组合导航初始对准的常用方法包括卡尔曼滤波,扩展卡尔曼滤波和无迹卡尔曼滤波进行了系统的介绍和分析。然后论文对其计算精度,计算速度及模型的鲁棒性进行了非常系统的分析及仿真验证。进而,在现有的成熟滤波算法的基础上,本篇文章提出了将BP (Back Propagation)神经网络模型引入SINS/GPS组合导航系统初始对准的方法。将BP神经网络模型应用在扩展卡尔曼滤波算法的噪声估计中,能够将扩展卡尔曼滤波算法在此应用场景下的估计精度和鲁棒性提高到了无迹卡尔曼滤波的水平。甚至于在训练数据充分,神经网络模型训练良好的前提下能够超过无迹卡尔曼滤波的水平。为组合导航的初始对准方法提供了一个很好的思路。对于组合导航信息融合的环节,论文对SINS/GPS组合导航系统GPS接收机信号缺失的应用场景进行了讨论。先是分析并仿真模拟了使用BP神经网络模型辅助捷连式惯性导航系统的在没有GPS信号的情况下完成组合导航的方法。进而,针对BP神经网络在此过程中暴露出来的缺陷,本论文新提出了一种用径向基神经网络模型代替BP神经网络模型在此场景下进行组合导航的方法。并且,重点讨论了针对径向基神经网络的三种训练算法。对于这三种算法,本篇论文都进行了详细的模拟仿真对比试验,试验结果也表明径向基神经网络能够较好地应用于辅助组合导航系统,并且一定程度上克服了BP神经网络泛化能力不够以及训练时间太长的缺陷。