【摘要】：在現(xiàn)代化軍事戰(zhàn)爭中,對于高動態(tài)的飛機、導彈、艦船等的跟蹤精度和可靠性要求越來越高,單個系統(tǒng)已經(jīng)無法滿足要求。為了解決這一問題,一般采用將兩種或多種導航定位系統(tǒng)組合在一起進行優(yōu)勢互補。導航界采用較多的組合方式是將GPS和慣性導航系統(tǒng)結(jié)合在一起實現(xiàn)對載體的導航定位,在組合的過程中需要GPS對慣導進行一定頻率的修正,從而限制其誤差隨時間的積累。但是當GPS信號受到干擾或者被遮擋就無法實現(xiàn)對慣導的修正。因此本文主要研究高動態(tài)運載體上的GPS/INS組合導航系統(tǒng)在GPS信號短時缺失情況下的數(shù)據(jù)融合方法。對于如何提高系統(tǒng)精度和可靠性,本文主要做了以下工作：1、以飛機作為高動態(tài)的運載體,模擬了其多個飛行狀態(tài),通過Matlab仿真產(chǎn)生航行軌跡。并以其位置、速度、姿態(tài)角等數(shù)據(jù)為基礎(chǔ),仿真INS的加速度計和陀螺儀模塊,通過解算產(chǎn)生組合系統(tǒng)融合所需要的INS位置數(shù)據(jù),與運載體真實的軌跡進行對比,驗證了INS誤差隨時間積累的特點,因此需要GPS的數(shù)據(jù)對其進行頻繁修正,顯示了本文研究的必要性。2、研究人工神經(jīng)網(wǎng)絡的理論及其特點,分析標準BP神經(jīng)網(wǎng)絡在收斂速度和泛化能力方面存在的問題,針對其在GPS/INS信號處理模型應用中存在的不足,提出一種基于L-M貝葉斯正則化方法的BP神經(jīng)網(wǎng)絡INS誤差預測模型,當GPS信號中斷時可以利用該模型預測INS的誤差來修正其位置數(shù)據(jù)。并與標準的BP神經(jīng)網(wǎng)絡預測模型得到的結(jié)果進行比較,驗證其優(yōu)勢。3、由于BP神經(jīng)網(wǎng)絡模型初始參數(shù)一般取隨機數(shù)或者根據(jù)經(jīng)驗給定,造成網(wǎng)絡模型的不穩(wěn)定甚至使網(wǎng)絡陷入局部最小值。所以本文提出一種結(jié)合改進粒子群優(yōu)化方法和BP神經(jīng)網(wǎng)絡的混合算法,用于建立INS誤差預測模型。首先通過粒子群算法對神經(jīng)網(wǎng)絡的初始參數(shù)進行優(yōu)化,然后再對BP神經(jīng)網(wǎng)絡進行訓練,產(chǎn)生預測模型。通過Matlab仿真表明,該混合算法可以有效提高模型的收斂速度和泛化能力。
[Abstract]:In modern military warfare, the tracking accuracy and reliability of highly dynamic aircraft, missiles, ships and so on are more and more high, and a single system can not meet the requirements. In order to solve this problem, two or more navigation and positioning systems are usually combined to complement each other. In navigation field, GPS and inertial navigation system are combined to realize navigation and positioning of carrier. In the process of integration, GPS is required to modify inertial navigation in a certain frequency, thus limiting the accumulation of errors over time. But when the GPS signal is disturbed or blocked, the inertial navigation can not be corrected. Therefore, this paper mainly studies the data fusion method of GPS/INS integrated navigation system in the case of short time absence of GPS signal on high dynamic vehicle. As to how to improve the accuracy and reliability of the system, this paper mainly does the following work: 1, taking the aircraft as the high dynamic carrier, simulates its multiple flight states, and generates the flight trajectory by Matlab simulation. Based on the data of position, velocity, attitude angle and so on, the accelerometer and gyroscope module of INS are simulated, and the INS position data needed for the fusion of the combined system are generated by solving, and compared with the real trajectory of the vehicle. The characteristic of INS error accumulation with time is verified, so it needs the data of GPS to revise it frequently. It shows the necessity of the research in this paper. The theory and characteristics of artificial neural network are studied. This paper analyzes the problems in convergence speed and generalization ability of standard BP neural network, and proposes a BP neural network INS error prediction model based on L-M Bayesian regularization method in view of its shortcomings in the application of GPS/INS signal processing model. When the GPS signal is interrupted, the model can be used to predict the error of INS to correct its position data. Compared with the results obtained from the standard BP neural network prediction model, the advantages of BP neural network model are verified. 3. Because the initial parameters of BP neural network model are generally random numbers or given according to experience, It causes the instability of the network model and even makes the network fall into the local minimum value. So this paper presents a hybrid algorithm combining improved particle swarm optimization and BP neural network to establish INS error prediction model. The initial parameters of neural network are optimized by particle swarm optimization (PSO), and then BP neural network is trained to generate prediction model. The Matlab simulation shows that the hybrid algorithm can effectively improve the convergence rate and generalization ability of the model.
【學位授予單位】：西北大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P228.4;TN96

【相似文獻】

相關(guān)期刊論文 前10條

1 楊建強,羅先香,丁德文,秦潔;赤潮預測的人工神經(jīng)網(wǎng)絡方法初步研究[J];海洋科學進展;2003年03期

2 張迎春,肖冬榮,趙遠東;基于時間序列神經(jīng)網(wǎng)絡的氣象預測研究[J];武漢理工大學學報(交通科學與工程版);2003年02期

3 劉斌,劉新芝,廖曉昕;脈沖Hopfield神經(jīng)網(wǎng)絡的魯棒H-穩(wěn)定性及其脈沖控制器設計(英文)[J];控制理論與應用;2003年02期

4 盧德林,章祥蓀,陳潔;集成神經(jīng)網(wǎng)絡快速估價模型[J];系統(tǒng)科學與數(shù)學;2003年03期

5 韓敏,林云,孫燕楠,齊東海;基于神經(jīng)網(wǎng)絡的建筑行業(yè)投標報價研究[J];系統(tǒng)工程學報;2003年04期

6 朱培勇,李建;具有時滯的二階連續(xù)型Hopfield神經(jīng)網(wǎng)絡的周期解[J];西南民族大學學報(自然科學版);2004年06期

7 任麗君;;基于罰函數(shù)法的神經(jīng)網(wǎng)絡優(yōu)化設計研究[J];紹興文理學院學報;2006年04期

8 趙凱;;基于神經(jīng)網(wǎng)絡的模擬電路故障診斷方法淺析[J];科技資訊;2008年13期

9 馮德益;;神經(jīng)網(wǎng)絡在地震研究中的應用[J];國際地震動態(tài);1993年06期

10 趙泳根;;神經(jīng)網(wǎng)絡專題書目[J];生命科學;1993年01期

相關(guān)會議論文 前10條

1 王雷;陳宗海;;神經(jīng)網(wǎng)絡在過程系統(tǒng)建模中的應用綜述[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 周宗潭;胡德文;;自組織的神經(jīng)網(wǎng)絡方法和群落生長模型研究[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

3 侯媛彬;易繼鍇;楊玉珍;陳雙葉;韓崇昭;;一種能消除混沌現(xiàn)象的神經(jīng)網(wǎng)絡[A];1996年中國智能自動化學術(shù)會議論文集（上冊）[C];1996年

4 江銘炎;江銘虎;;一種神經(jīng)網(wǎng)絡特征壓縮及分類的研究[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

5 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡的漢語四聲識別[A];第一屆全國語言識別學術(shù)報告與展示會論文集[C];1990年

6 劉豐;姜建新;程俊;易克初;;一種用于語音識別的神經(jīng)網(wǎng)絡[A];第二屆全國人機語音通訊學術(shù)會議論文集[C];1992年

7 梁循;;神經(jīng)網(wǎng)絡中訓練樣本空間的分割特性及其應用[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

8 黃小原;肖四漢;樊治平;;神經(jīng)網(wǎng)絡預警系統(tǒng)及其應用[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

9 李艷;邵日祥;方建安;邵世煌;;神經(jīng)網(wǎng)絡在功率電子及拖動控制中的應用[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

10 高文忠;顧樹生;平力;;靜態(tài)神經(jīng)網(wǎng)絡新算法及其收斂性初探[A];1994年中國控制會議論文集[C];1994年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學位論文 前10條

1 曾U喺，

本文編號：2160086