基于ANFIS的水下航行器组合导航技术研究

摘要

现阶段,水下航行器作为人类开发和利用海洋空间最主要的探索工具而得到越来越多的应用,其上面所用的导航系统以及相关技术的研究也成为目前国际上研究一个的热点。目前水下航行器上用到最多的是捷联惯性导航系统,本论文针对水下航行器对所用惯性系统长航时、高精度的要求,引入自适应神经网络模糊推理系统对惯性导航系统与其它导航方法的结合,以及其本身引入阻尼后导航误差的抑制技术展开了深入的研究,目的是提升捷联惯性导航系统的实际的性能。论文所做的工作主要有以下几个方面:
　　首先,在介绍人工神经网络和模糊推理系统的基础上引出了综合以上两种方法优点的自适应神经网络模糊推理系统(ANFIS),重点分析ANFIS结构、实现机理等,总结ANFIS的特点,基于其特点分析了其能用于的领域,论文也在自适应神经网络模糊推理系统的基础上展开对提高惯性导航系统导航精度方法的探讨。
　　其次,介绍惯性导航系统和GPS卫星导航系统的工作原理,总结了他们各自的特点。对结合其两者优点组成的组合导航系统,分析了传统的采用卡尔曼滤波的方法存在的缺陷。提出一种当GPS信号中断时也能采用的INS/GPS数据融合方法,即采用ANFIS对GPS信息能用时的数据训练的方法实现当GPS信息不能用时对惯性导航系统位置信息的修正,并通过仿真验证该方法的效果。
　　分析多普勒计程仪和电磁计程仪的工作原理,根据它们给出速度信息的特点,提出一种新的方法,即利用多普勒计程仪和电磁计程仪之间的速度差值近似地估计当前海域的洋流速度。论文采用ANFIS对多普勒计程仪和电磁计程仪的速度信息能用时的数据训练然后输出估计速度误差的方法实现对洋流速度的估计,通过仿真验证该方法的效果。
　　最后,分析了惯性导航系统的不同的工作状态的特点,证明在纯惯性导航系统中引入阻尼的有效性。对于阻尼惯性导航系统提出一种新的方法,即引入ANFIS来智能变换阻尼惯性导航系统阻尼系数。利用MATLAB仿真得出不同运动状态分别对应的最佳的阻尼系数,得到了一组阻尼系数与水下航行器运动状态之间的对应关系,然后ANFIS对这组数据学习训练,训练完成后ANFIS就可以输出与水下航行器运动状态对应的最佳阻尼系数,从而使阻尼惯性导航系统工作在最佳的阻尼状态,提高阻尼惯性导航系统的导航精度。最后通过仿真实验验证采用该方法后阻尼惯性导航系统的精度。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景

1.2 国内外水下航行器的导航系统的发展现状

1.3 论文的研究内容及意义

第2章 自适应神经网络模糊推理系统

2.1 人工神经网络

2.2 模糊推理系统

2.3 自适应神经网络模糊推理系统

2.4 本章小结

第3章 基于ANFIS的INS/GPS数据融合系统

3.1 INS/GPS组合导航系统概述

3.2 基于ANFIS的INS/GPS数据融合系统的基本思路

3.3 设计并训练ANFIS

3.4 仿真结果分析

3.5 本章小结

第4章 基于ANFIS的洋流速度估计

4.1 关于洋流速度

4.2 基于ANFIS的洋流速度估计的基本思路

4.3 设计并训练ANFIS

4.4 仿真结果分析

4.5 本章小结

第5章 基于ANFIS的阻尼惯导系统阻尼系数切换

5.1 阻尼惯导系统概述

5.2 外速度阻尼惯导系统

5.3 阻尼系数的选择

5.4 基于ANFIS的阻尼系数切换的基本思路

5.5 设计并训练ANFIS

5.6 仿真结果分析

5.7 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢