车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法（英文）

发布时间：2021-02-16 23:51

　　微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成。将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数（位置、速度及姿态）的测量精度可大幅提高。由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正。由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息。动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算。 

【文章来源】：中国惯性技术学报. 2017,25(03)北大核心

【文章页数】：8 页

【文章目录】：
1 Overall description of tightly-coupled MIMUs/GPS
    1.1 System state model
    1.2 System measurement model
2 Design of strong tracking QEKF
    2.1 QEKF
    2.2 Principle of strong tracking filter
3 Further design of RBFNN collaborative filtering
    3.1 Offline training
    3.2 Online correction
4 Simulation experiment
    4.1 Simulation environment
    4.2 Results and analyses
5 Conclusions


【参考文献】：
期刊论文
[1]基于卡尔曼滤波和支持向量机的风电功率实时预测研究[J]. 杨茂,黄宾阳,江博,林思思.  东北电力大学学报. 2017(02)
[2]基于神经网络的蓄电池荷电状态估算[J]. 戴武昌,王建国,徐天锡.  东北电力大学学报. 2016(05)
[3]遗传算法优化的神经网络在SINS/GPS中的应用[J]. 徐晓苏,周峰,张涛,李瑶,田泽鑫.  中国惯性技术学报. 2015(03)
[4]强跟踪-容积卡尔曼滤波在弹道式再入目标跟踪中的应用[J]. 张龙,崔乃刚,王小刚,白俞亮.  中国惯性技术学报. 2015(02)
[5]改进神经网络辅助的GPS/INS组合导航算法[J]. 谭兴龙,王坚,韩厚增,姚一飞.  中国矿业大学学报. 2014(03)
[6]一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用[J]. 郭泽,缪玲娟,赵洪松.  航空学报. 2014(01)
[7]伪距、伪距率、航向角观测模型的AHRS/GPS QEKF算法[J]. 赵琳,夏琳琳,程建华.  哈尔滨工程大学学报. 2008(10)



本文编号：3037109