GNSS信号丢失会导致GNSS/I NS组合导航系统定位失准甚至失效,而现有辅助模型仍存在不足。针对这一问题,本文提出了一种基于遗传算法(GA)优化E l man神经网络的车辆辅助组合导航算法。首先,使用小波阈值去噪算法降低惯导系统测量数据的噪...GNSS信号丢失会导致GNSS/I NS组合导航系统定位失准甚至失效,而现有辅助模型仍存在不足。针对这一问题,本文提出了一种基于遗传算法(GA)优化E l man神经网络的车辆辅助组合导航算法。首先,使用小波阈值去噪算法降低惯导系统测量数据的噪声,然后再使用GA优化E l man神经网络的权重和结构参数,以提高模型的预测精度和泛化能力。其次,构建基于GA-E l man神经网络的车辆辅助导航模型。该模型将系统分为两种模式,在GNSS信号正常时进入训练模式进行在线训练;当GNSS信号丢失后系统变为纯惯导模式,此时启用训练好的模型接收惯导系统的数据进行实时解算和预测。最后,跑车实验结果表明,与PSO-BPNN辅助模型和E l man辅助模型相比,本文所提出算法的定位精度得到有效提升。展开更多
文摘GNSS信号丢失会导致GNSS/I NS组合导航系统定位失准甚至失效,而现有辅助模型仍存在不足。针对这一问题,本文提出了一种基于遗传算法(GA)优化E l man神经网络的车辆辅助组合导航算法。首先,使用小波阈值去噪算法降低惯导系统测量数据的噪声,然后再使用GA优化E l man神经网络的权重和结构参数,以提高模型的预测精度和泛化能力。其次,构建基于GA-E l man神经网络的车辆辅助导航模型。该模型将系统分为两种模式,在GNSS信号正常时进入训练模式进行在线训练;当GNSS信号丢失后系统变为纯惯导模式,此时启用训练好的模型接收惯导系统的数据进行实时解算和预测。最后,跑车实验结果表明,与PSO-BPNN辅助模型和E l man辅助模型相比,本文所提出算法的定位精度得到有效提升。
