论文部分内容阅读
全球卫星导航系统(GPS-Global Positioning System)/航迹推算系统(DRS—Dead Reckoning System)组合是提高车载定位与导航系统性能的一种有效的途径.为了获得低成本车辆导航系统的高精度、高可靠的定位性能,需要合理有效地解决一些关键问题,如:车载传感器参数的误差补偿、滤波发散的抑制等等.该文对上述问题进行了理论和工程应用研究,并通过仿真对所提方法进行了验证.全篇所做的研究工作可归纳为以下几个方面:(1)该文在分析GPS和DRS的系统原理及误差机理的基础上,从多传感器的信息融合角度出发,围速率陀螺仪和里程仪的元件参数误差的动态补偿问题,运用位置/航向的输出校正和元件参数误差的补偿校正的方法,将里程仪的参数误差项添加到卡尔曼滤波器的状态向量中,建立了GPS/DRS组合导航系统的集中卡尔曼滤波方程,并给出了系统基本硬件设计方案.(2)自适应滤波是抑制滤波器发散的有效手段.(3)由于组合导航系统的复杂性,使得在应用卡尔曼滤波方法时受到一定的局限,该文将神经网络引入组合导航系统,旨在从另一个角度弥补卡尔曼滤波难以满足系统数学模型和噪声统计完全准确所造成的不足.(4)针对BP算法在组合导航的应用中所出现的问题,该文提出将遗传算法引入组合导航系统,组成一套BP/GA混合算法,用于训练神经元网络,以克服单纯使用BP算法训练网络所带来的问题,通过使用BP/GA混合算法对系统状态误差量进行二次校正,并与KALMAN滤波相结合,加速了神经网络的收敛速度,提高了网络对系统模型的逼近程度,进一步提高了GPS/DRS组合导航系统的定位精度和稳定性.