基于极限学习机的车用组合导航系统及应用

摘要：

由全球定位系统(GPS)和惯性导航系统(INS)组成的组合导航系统与GPS或INS独立系统相比,具有可靠、准确和连续的导航能力.结合云南省公路的多山环境,为了提高低成本INS/GPS组合导航系统的整体性能,考虑车辆运动速度快和GPS信号中断和遮蔽等问题,提出一种基于单隐层前馈神经网络方法.首先利用离散小波变换(DWT)对采集到的信号进行滤波,提取有效的车辆运动信息,然后输出到极限学习机(ELM);再利用ELM具备的学习速度快、泛化性能好等特点,提出基于ELM的模型来训练和预测INS的定位误差,最小化误差来优化估计精度和速度;进行了实车实验,验证了提出的模型在估算GPS中断时INS的误差精度的效率,并将实验结果与扩展卡尔曼滤波(EKF)和自适应神经模糊推理系统(ANFIS)方法进行比较.结果表明,ELM在对无GPS信号的低成本INS定位预测方面具有良好的适用性,其性能比EKF和ANFIS分别高出约42％和75％.

关键词：组合导航系统、全球定位系统、惯性导航系统、离散小波变换、神经网络、极限学习机、GPS中断、低成本

所属期刊栏目：45

分类号：TN966-34

资助基金：云南省教育厅科学研究基金;云南省基础研究计划项目

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：133-138