本文關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)優(yōu)化方法及其在組合導(dǎo)航中的應(yīng)用研究

  更多相關(guān)文章： 神經(jīng)網(wǎng)絡(luò)方法 學(xué)習(xí)算法 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化 INS/GNSS組合導(dǎo)航系統(tǒng) 幾何精度因子

【摘要】：人工神經(jīng)網(wǎng)絡(luò)是計(jì)算機(jī)智能研究領(lǐng)域發(fā)展迅速的一門理論和技術(shù),具有從環(huán)境中學(xué)習(xí)知識(shí)的能力和以類似生物的交互方式適應(yīng)環(huán)境的能力。該方法無需知道準(zhǔn)確的系統(tǒng)模型,通過學(xué)習(xí)即可建立輸入與輸出之間的關(guān)系。因此,神經(jīng)網(wǎng)絡(luò)技術(shù)常用于INS/GNSS組合系統(tǒng)中GNSS信號(hào)中斷時(shí)導(dǎo)航參數(shù)的預(yù)測與校正。然而,當(dāng)衛(wèi)星信號(hào)中斷時(shí),現(xiàn)有神經(jīng)網(wǎng)絡(luò)的預(yù)測精度不高,泛化能力較差;即使在衛(wèi)星信號(hào)可用時(shí),由于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的訓(xùn)練效率較低,且依賴于訓(xùn)練樣本,嚴(yán)重影響對導(dǎo)航參數(shù)預(yù)測和校正的效果。。因此,深入研究神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法及其在組合導(dǎo)航中的應(yīng)用,對于提高組合導(dǎo)航系統(tǒng)的性能,具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文以提高INS/GNSS組合系統(tǒng)中GNSS信號(hào)中斷時(shí),利用神經(jīng)網(wǎng)絡(luò)技術(shù)對導(dǎo)航參數(shù)進(jìn)行預(yù)測和校正的效率為目的,研究提高神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效率和優(yōu)化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的方法。提出一套神經(jīng)網(wǎng)絡(luò)優(yōu)化算法,并將其應(yīng)用于INS/GNSS組合導(dǎo)航系統(tǒng)中進(jìn)行實(shí)驗(yàn)驗(yàn)證與分析。論文的主要研究內(nèi)容和創(chuàng)新性貢獻(xiàn)如下:(1)提出一種基于模型預(yù)測濾波的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。首先,在網(wǎng)絡(luò)的正向傳遞過程建立狀態(tài)空間方程,并將網(wǎng)絡(luò)權(quán)值作為狀態(tài)變量。然后,利用模型預(yù)測濾波對網(wǎng)絡(luò)權(quán)值進(jìn)行更新;同時(shí),考慮樣本噪聲對網(wǎng)絡(luò)模型辨識(shí)的影響,利用預(yù)測濾波對網(wǎng)絡(luò)的模型誤差進(jìn)行修正,彌補(bǔ)模型誤差對權(quán)值更新的影響,使訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的魯棒性。最后,將提出的模型預(yù)測濾波神經(jīng)網(wǎng)絡(luò)應(yīng)用于INS/GPS組合導(dǎo)航系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證,仿真結(jié)果表明:該算法在訓(xùn)練效率和預(yù)測能力兩方面均優(yōu)于BP算法,當(dāng)衛(wèi)星信號(hào)中斷時(shí),可以有效提高組合導(dǎo)航系統(tǒng)的定位精度。(2)在研究BP神經(jīng)網(wǎng)絡(luò)和漸消卡爾曼濾波的基礎(chǔ)上,提出一種漸消卡爾曼濾波神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。該算法在神經(jīng)元作用的線性部分建立狀態(tài)空間方程,將神經(jīng)網(wǎng)絡(luò)輸出層的權(quán)值和輸入量分別作為狀態(tài)變量和量測值,調(diào)用漸消卡爾曼濾波遞推方程計(jì)算濾波增益以及更新的誤差協(xié)方差矩陣,并充分利用當(dāng)前的量測數(shù)據(jù)和更新的誤差協(xié)方差矩陣,以及最新量測數(shù)據(jù),對網(wǎng)絡(luò)權(quán)值進(jìn)行更新。實(shí)驗(yàn)結(jié)果表明:在不損失訓(xùn)練精度的前提下,該算法可以有效提高網(wǎng)絡(luò)的學(xué)習(xí)速度。(3)設(shè)計(jì)一種基于漸消UKF的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。站先,針對權(quán)值更新的非線性部分建立狀態(tài)空間方程,將網(wǎng)絡(luò)權(quán)值作為狀態(tài)變量。然后,通過選擇適當(dāng)?shù)臐u消因子對量測數(shù)據(jù)的長度進(jìn)行限定,使系統(tǒng)能夠有效利用現(xiàn)時(shí)量測信息,對當(dāng)前量測預(yù)測的方差陣進(jìn)行調(diào)整,實(shí)現(xiàn)網(wǎng)絡(luò)權(quán)值的更新。此外,與漸消卡爾曼濾波學(xué)習(xí)算法不同,該算法直接從訓(xùn)練樣本獲得量測信息,避免了傳遞函數(shù)逆運(yùn)算造成的量測誤差。最后,將提出的算法用于INS/GPS組合導(dǎo)航系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明:該算法可以改善神經(jīng)網(wǎng)絡(luò)的預(yù)測效果,提高組合系統(tǒng)的定位精度;然而,在訓(xùn)練效率方面有待提高。(4)針對RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)中存在的缺陷,設(shè)計(jì)一種基于輸出敏感度方差重要性的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法。首先,以隱含層節(jié)點(diǎn)的輸出敏感度在樣本集上的方差作為重要性度量,判定是否對該節(jié)點(diǎn)進(jìn)行分裂或刪除操作。然后,利用梯度下降法對網(wǎng)絡(luò)參數(shù)進(jìn)行修正,保證最終網(wǎng)絡(luò)的收斂性和預(yù)測精度,實(shí)現(xiàn)RBF網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的自校正。最后,將該網(wǎng)絡(luò)應(yīng)用于非線性函數(shù)逼近和INS/GPS組合系統(tǒng)誤差校正,仿真結(jié)果表明:相比其他RBF網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法,提出的算法可以使RBF網(wǎng)絡(luò)具有更強(qiáng)的非線性逼近能力,更高的收斂速度;并且最終確定的網(wǎng)絡(luò)結(jié)構(gòu)最簡。(5)針對衛(wèi)星導(dǎo)航系統(tǒng)易受干擾導(dǎo)致信號(hào)中斷的問題,研究設(shè)計(jì)了偽衛(wèi)星獨(dú)立組網(wǎng)的布局新方案。首先,以臨近空間飛艇為運(yùn)載平臺(tái),從幾何精度因子(Geometric Dilution of Precision,GDOP)的定義出發(fā),在分析衛(wèi)星數(shù)目對GDOP影響的基礎(chǔ)上,確定了 6顆偽衛(wèi)星組網(wǎng)的設(shè)計(jì)方案。然后,利用偽衛(wèi)星的高度角和方位角與GDOP的影響關(guān)系,設(shè)計(jì)了基于臨近空間飛艇的6顆偽衛(wèi)星布局方案。最后,對新方案的GDOP值進(jìn)行仿真計(jì)算,結(jié)果表明:在半徑為60-100km的區(qū)域,設(shè)計(jì)的新方案對GDOP增長控制的更好,說明該方案的優(yōu)勢在外層區(qū)域。
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP183;TN967.2

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)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(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

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

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

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

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

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1285503