微慣性測(cè)量單元由三軸正交的微機(jī)械陀螺、加速度計(jì)和微型地磁傳感器組成。將上述裝置與GPS接收機(jī)組合,可構(gòu)成最佳導(dǎo)航定位模型,其中緊耦合MIMUs/GPS對(duì)全導(dǎo)航參數(shù)（位置、速度及姿態(tài)）的測(cè)量精度可大幅提高。由于微慣性傳感器具有大漂移特性,為獲得具有自適應(yīng)的線性參數(shù)模型,提出了融合濾波的信息處理方法,利用強(qiáng)跟蹤濾波實(shí)現(xiàn)狀態(tài)預(yù)測(cè),二階EKF實(shí)現(xiàn)測(cè)量更新,并借用神經(jīng)網(wǎng)絡(luò)技術(shù)完成對(duì)狀態(tài)預(yù)測(cè)的修正。由于系統(tǒng)組件具有非線性,該神經(jīng)網(wǎng)絡(luò)輔助的強(qiáng)跟蹤濾波方法旨在逼近MIMUs/GPS的真實(shí)特性,并為車載用戶提供更為精準(zhǔn)的導(dǎo)航參數(shù)信息。動(dòng)態(tài)環(huán)境下的仿真試驗(yàn)表明,盡管MEMS慣性傳感器的精度有限,所提出的方法能夠有效用于實(shí)際的導(dǎo)航參數(shù)解算。 

【文章來(lái)源】：中國(guó)慣性技術(shù)學(xué)報(bào). 2017,25(03)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
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


【參考文獻(xiàn)】：
期刊論文
[1]基于卡爾曼濾波和支持向量機(jī)的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)研究[J]. 楊茂,黃賓陽(yáng),江博,林思思.  東北電力大學(xué)學(xué)報(bào). 2017(02)
[2]基于神經(jīng)網(wǎng)絡(luò)的蓄電池荷電狀態(tài)估算[J]. 戴武昌,王建國(guó),徐天錫.  東北電力大學(xué)學(xué)報(bào). 2016(05)
[3]遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)在SINS/GPS中的應(yīng)用[J]. 徐曉蘇,周峰,張濤,李瑤,田澤鑫.  中國(guó)慣性技術(shù)學(xué)報(bào). 2015(03)
[4]強(qiáng)跟蹤-容積卡爾曼濾波在彈道式再入目標(biāo)跟蹤中的應(yīng)用[J]. 張龍,崔乃剛,王小剛,白俞亮.  中國(guó)慣性技術(shù)學(xué)報(bào). 2015(02)
[5]改進(jìn)神經(jīng)網(wǎng)絡(luò)輔助的GPS/INS組合導(dǎo)航算法[J]. 譚興龍,王堅(jiān),韓厚增,姚一飛.  中國(guó)礦業(yè)大學(xué)學(xué)報(bào). 2014(03)
[6]一種改進(jìn)的強(qiáng)跟蹤UKF算法及其在SINS大方位失準(zhǔn)角初始對(duì)準(zhǔn)中的應(yīng)用[J]. 郭澤,繆玲娟,趙洪松.  航空學(xué)報(bào). 2014(01)
[7]偽距、偽距率、航向角觀測(cè)模型的AHRS/GPS QEKF算法[J]. 趙琳,夏琳琳,程建華.  哈爾濱工程大學(xué)學(xué)報(bào). 2008(10)



本文編號(hào)：3037109