基于RBF网络的捷联惯导初始对准优化研究

摘要：

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.

关键词：捷联惯导、初始对准、神经网络、鲁棒滤波

所属期刊栏目：23

分类号：V448.15(航天仪表、航天器设备、航天器制导与控制)

资助基金：国家科技攻关项目KL0202200201

在线出版日期：2006-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：30-32,49