基于神经网络的新息自适应卡尔曼滤波在高速公路变形监测中的应用

发布时间：2018-03-20 13:21

  本文选题：新息　切入点：神经网络　出处：《桂林理工大学学报》2017年01期 　论文类型：期刊论文

【摘要】：实际应用中卡尔曼滤波的动态噪声和观测噪声往往不是固定的,提出运用新息自适应卡尔曼滤波法则对噪声进行实时估计。同时,为了克服新息自适应卡尔曼滤波要求系统模型过分精确的缺点,基于神经网络的新息自适应卡尔曼滤波算法,通过使用神经网络进行误差补偿来提高滤波性能,并运用于高速公路变形监测中。结果表明:该模型与原始观测值的残差全部降到了0.25 mm以下,说明该模型精度很高,在实际应用中具有一定的可行性。
[Abstract]:The dynamic noise and observation noise of Kalman filter are often not fixed in practical application. A novel adaptive Kalman filter is proposed to estimate the noise in real time. In order to overcome the shortcoming that the adaptive Kalman filter of innovation requires the system model to be too accurate, the adaptive Kalman filter algorithm based on neural network is used to improve the filtering performance by using neural network to compensate for the error. The results show that the residual difference between the model and the original observation value has been reduced to less than 0.25 mm, which indicates that the model has high precision and is feasible in practical application.
【作者单位】： 桂林理工大学广西空间信息与测绘重点实验室;桂林理工大学测绘地理信息学院;桂林理工大学广西矿冶与环境科学实验中心;
【基金】：国家自然科学基金项目(41461089) 广西自然科学基金项目(2014GXNSFAA118288) 广西“八桂学者”岗位专项经费项目 广西空间信息与测绘重点实验室项目(桂科能140452402;130511402) 广西矿冶与环境科学实验中心项目(KH2012ZD004) 广西研究生教育创新计划项目(YCSZ2014151;YCSZ2012083)
【分类号】：U412.24
，

本文编号：1639256