论文部分内容阅读
GPS与惯性导航组合系统(INS)因惯性导航和GPS都为全球、全方位、全时间的导航设备，他们都能提供十分完整的导航数据，且它们的优势互补，能消除各自的缺点。所以GPS/惯性导航的组合导航系统在大多数的导航任务中最为理想。20世纪80年代开始，美、英、法等国的军方和一些民用部门开始对组合导航系统GPS/惯性导航表示出兴趣。一些大型的主要的惯性导航及无线电制造厂纷纷投入力量研制GPS/惯性导航系统。GPS/惯性导航系统，是目前导航技术发展的主要方向。我国组合导航系统的研究起步于上个世纪70年代末，经过二十多年的努力，现在发展很快，已广泛应用于各个领域，并正在赶超世界先进水平。
GPS/惯导组合导航系统在实际使用中，由于基于GPS导航至少需要4颗卫星，因此，基于GPS的导航系统的一个主要的缺点是它的准确性会由于卫星的不合适的几何形状、卫星周转和卫星中断而降低。信号中断对位于城市中心的车辆有重要的影响，特别是车辆行驶在公路立交桥或隧道的时候。在此情况下组合导航无法实现GPS对惯性导航系统的校正，导致导航精度降低。
自适应模糊神经推理系统ANFIS(Adaptive Neuro-Fuzzy Inference System)，其功能与模糊推理系统类似，但是ANFIS同时具有神经网络的学习方式，它既能表达人脑推理功能，又能自学习。所以ANFIS能发挥模糊推理系统和神经网络的优点，克服彼此的缺点，通过对已有数据的学习可以得到模糊推理系统FIS(Fuzzy Inference System)的模型。
遗传算法GA(Genetic Algorithm)和粒子群最优算法PSO(Particle Swarm Optimization)都属于仿生随机搜索算法，都属于全局优化算法。用GA和PSO优化ANFIS的学习速率，使其动态调节学习速率参数，能有效提高ANFIS的学习效率。
本文使用GA优化自适应模糊神经推理系统(ANFIS)及提出PSO优化ANFIS的方法，对组合导航系统建模，并用所建立模型预测GPS信号。从而解决在GPS信号缺失情况下，保障组合导航系统正常工作的问题。将ANFIS用于组合导航，是ANFIS在这一领域新的应用。
实验表明，将GA及PSO算法用于改进ANFIS是有效的、可行的，可以显著提高ANFIS建模效果和预测效果。并且GA和PSO优化ANFIS方法是一种简单、快速、精度较高的建模方法。在工程应用中具有现实意义和广泛的应用前景，值得推广。