论文部分内容阅读
该文研究了捷联惯导在静基座下的初始对准问题，其中粗对准中采用磁罗盘和加速度计得到初始姿态角，精对准中采用具有最佳逼近性的径向基函数神经网络（RBF网络）修正姿态角。在RBF网络基函数中心选取时，基于样本分布特点，采用简单有效的均值法，同时为了增加了神经网络权值学习的鲁棒性和快速性，将H∞鲁棒滤波用于网络的权值调整中。仿真结果表明，采用这种优化学习的RBF神经网络进行初始对准比用传统的Kalman滤波更快速有效，且与Kalman滤波精度相当。