本文選題：GPS失鎖　切入點：慣性導(dǎo)航系統(tǒng)　出處：《中國慣性技術(shù)學(xué)報》2017年01期 　論文類型：期刊論文

【摘要】：由慣性導(dǎo)航系統(tǒng)(SINS)和衛(wèi)星導(dǎo)航系統(tǒng)(GPS)構(gòu)成的組合導(dǎo)航系統(tǒng)一直是陸用車輛的主要導(dǎo)航設(shè)備。當(dāng)GPS失鎖時,SINS的定位誤差將隨著時間不受控制的迅速增長。為了提高慣導(dǎo)系統(tǒng)的定位精度,相比較于單一的神經(jīng)網(wǎng)絡(luò),集成學(xué)習(xí)算法中的Bagging模型能夠深度學(xué)習(xí)慣導(dǎo)誤差之間的內(nèi)在關(guān)系,進一步提高導(dǎo)航性能。在智能算法和組合導(dǎo)航系統(tǒng)的框架下提出了慣導(dǎo)系統(tǒng)的誤差抑制方案,即在GPS存在時訓(xùn)練組合導(dǎo)航系統(tǒng)數(shù)據(jù),當(dāng)GPS失鎖時預(yù)測慣導(dǎo)系統(tǒng)位置增量。試驗結(jié)果表明,該方案能夠在GPS丟失時抑制慣導(dǎo)系統(tǒng)定位誤差發(fā)散,相比較于BP算法,Bagging模型的定位精度在5 min時提高了約49%,15 min時提高了約41%。
[Abstract]:The integrated navigation system composed of inertial navigation system (ins) and satellite navigation system (GPS) has always been the main navigation equipment for land vehicles. The positioning error of sins will increase rapidly with time when GPS is lost. Positioning accuracy of Inertial Navigation system, Compared with a single neural network, the Bagging model in the ensemble learning algorithm can deeply learn the inherent relationship between the habit guide errors, Under the framework of intelligent algorithm and integrated navigation system, the error suppression scheme of inertial navigation system is proposed, that is, training the integrated navigation system data in the presence of GPS. The experimental results show that the proposed scheme can suppress the divergence of ins positioning errors when GPS is lost, and the accuracy of this scheme can be improved by about 41% when the BP algorithm bagging model is about 5 min higher than that of BP algorithm at 5 min.
【作者單位】： 北京航空航天大學(xué)儀器科學(xué)與光電工程學(xué)院;北京航天控制儀器研究所;陸軍裝備部;國網(wǎng)江蘇省電力公司檢修分公司;
【基金】：國家安全重大基礎(chǔ)研究資助項目(613186) 中央高�；究蒲袠I(yè)務(wù)費專項資金資助項目(YWF-10-01-B30)
【分類號】：U495;U463.67

【相似文獻】

相關(guān)期刊論文 前10條

1 袁科;;基于Double-Bagging決策樹的基因微陣列數(shù)據(jù)研究[J];湖北汽車工業(yè)學(xué)院學(xué)報;2009年02期

2 喬石;;增強Fisher判決的Bagging集成分類方法[J];太原科技大學(xué)學(xué)報;2009年06期

3 李雅芹;楊慧中;;一種基于Bagging算法的高斯過程集成建模方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

4 王興良;王立宏;李海軍;;譜聚類中特征向量的Bagging選取方法[J];山東大學(xué)學(xué)報(工學(xué)版);2013年02期

5 程麗麗;張健沛;楊靜;馬駿;;一種基于ICA的特征Bagging支持向量機集成方法[J];大連海事大學(xué)學(xué)報;2008年03期

6 湯志康;王偉智;談蔚欣;;基于Bagging的交通擁堵預(yù)測研究[J];集美大學(xué)學(xué)報(自然科學(xué)版);2006年02期

7 邱衛(wèi)東;鮑誠毅;朱興全;;Computer Forensic Using Lazy Local Bagging Predictors[J];Journal of Shanghai Jiaotong University(Science);2009年01期

8 宋星光,夏利民;基于Bagging算法的水庫水沙聯(lián)合智能調(diào)度[J];計算機工程與應(yīng)用;2004年25期

9 陳桂英;;Bagging神經(jīng)網(wǎng)絡(luò)集成在產(chǎn)品質(zhì)量監(jiān)測中的應(yīng)用[J];河南科技;2013年19期

10 譚劍;譚松柏;;基于BAGGING算法和BP神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷預(yù)測[J];山東電力高等�？茖W(xué)校學(xué)報;2012年01期

相關(guān)會議論文 前3條

1 鈕冰;陸文聰;金雨歡;;利用Bagging算法預(yù)測生物膜蛋白類型[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

2 李曉波;;集成分類對比:Bagging NB & Boosting NB[A];2010年全國開放式分布與并行計算機學(xué)術(shù)會議論文集[C];2010年

3 劉艷霞;范明;;Bagging基于eEP的分類器分類稀有類[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2005年

相關(guān)碩士學(xué)位論文 前1條

1 吳云峰;基于多分類器的遷移bagging習(xí)題推薦研究[D];西北大學(xué);2013年

，

本文編號：1569959