神经网络优化方法及其在组合导航中的应用研究

发布时间：2017-12-13 14:29

  本文关键词：神经网络优化方法及其在组合导航中的应用研究

  更多相关文章： 神经网络方法 学习算法 网络结构优化 INS/GNSS组合导航系统 几何精度因子

【摘要】：人工神经网络是计算机智能研究领域发展迅速的一门理论和技术,具有从环境中学习知识的能力和以类似生物的交互方式适应环境的能力。该方法无需知道准确的系统模型,通过学习即可建立输入与输出之间的关系。因此,神经网络技术常用于INS/GNSS组合系统中GNSS信号中断时导航参数的预测与校正。然而,当卫星信号中断时,现有神经网络的预测精度不高,泛化能力较差;即使在卫星信号可用时,由于神经网络学习算法的训练效率较低,且依赖于训练样本,严重影响对导航参数预测和校正的效果。。因此,深入研究神经网络的优化方法及其在组合导航中的应用,对于提高组合导航系统的性能,具有重要的理论意义和实际应用价值。本文以提高INS/GNSS组合系统中GNSS信号中断时,利用神经网络技术对导航参数进行预测和校正的效率为目的,研究提高神经网络学习效率和优化网络拓扑结构的方法。提出一套神经网络优化算法,并将其应用于INS/GNSS组合导航系统中进行实验验证与分析。论文的主要研究内容和创新性贡献如下:(1)提出一种基于模型预测滤波的神经网络学习算法。首先,在网络的正向传递过程建立状态空间方程,并将网络权值作为状态变量。然后,利用模型预测滤波对网络权值进行更新;同时,考虑样本噪声对网络模型辨识的影响,利用预测滤波对网络的模型误差进行修正,弥补模型误差对权值更新的影响,使训练后的神经网络具有更强的鲁棒性。最后,将提出的模型预测滤波神经网络应用于INS/GPS组合导航系统进行实验验证,仿真结果表明:该算法在训练效率和预测能力两方面均优于BP算法,当卫星信号中断时,可以有效提高组合导航系统的定位精度。(2)在研究BP神经网络和渐消卡尔曼滤波的基础上,提出一种渐消卡尔曼滤波神经网络学习算法。该算法在神经元作用的线性部分建立状态空间方程,将神经网络输出层的权值和输入量分别作为状态变量和量测值,调用渐消卡尔曼滤波递推方程计算滤波增益以及更新的误差协方差矩阵,并充分利用当前的量测数据和更新的误差协方差矩阵,以及最新量测数据,对网络权值进行更新。实验结果表明:在不损失训练精度的前提下,该算法可以有效提高网络的学习速度。(3)设计一种基于渐消UKF的神经网络学习算法。站先,针对权值更新的非线性部分建立状态空间方程,将网络权值作为状态变量。然后,通过选择适当的渐消因子对量测数据的长度进行限定,使系统能够有效利用现时量测信息,对当前量测预测的方差阵进行调整,实现网络权值的更新。此外,与渐消卡尔曼滤波学习算法不同,该算法直接从训练样本获得量测信息,避免了传递函数逆运算造成的量测误差。最后,将提出的算法用于INS/GPS组合导航系统进行实验验证,结果表明:该算法可以改善神经网络的预测效果,提高组合系统的定位精度;然而,在训练效率方面有待提高。(4)针对RBF神经网络的结构设计中存在的缺陷,设计一种基于输出敏感度方差重要性的RBF神经网络结构优化算法。首先,以隐含层节点的输出敏感度在样本集上的方差作为重要性度量,判定是否对该节点进行分裂或删除操作。然后,利用梯度下降法对网络参数进行修正,保证最终网络的收敛性和预测精度,实现RBF网络结构和参数的自校正。最后,将该网络应用于非线性函数逼近和INS/GPS组合系统误差校正,仿真结果表明:相比其他RBF网络结构优化算法,提出的算法可以使RBF网络具有更强的非线性逼近能力,更高的收敛速度;并且最终确定的网络结构最简。(5)针对卫星导航系统易受干扰导致信号中断的问题,研究设计了伪卫星独立组网的布局新方案。首先,以临近空间飞艇为运载平台,从几何精度因子(Geometric Dilution of Precision,GDOP)的定义出发,在分析卫星数目对GDOP影响的基础上,确定了 6颗伪卫星组网的设计方案。然后,利用伪卫星的高度角和方位角与GDOP的影响关系,设计了基于临近空间飞艇的6颗伪卫星布局方案。最后,对新方案的GDOP值进行仿真计算,结果表明:在半径为60-100km的区域,设计的新方案对GDOP增长控制的更好,说明该方案的优势在外层区域。
【学位授予单位】：西北工业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP183;TN967.2

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1285503