基于BP神经网络对INS/GPS组合导航数据融合技术的研究

摘要

INS/GPS组合导航系统克服了单独使用INS或GPS导航设备所产生的缺点，综合了二者的优点，具有导航精度高、可靠性高等特点，是现代导航系统的发展方向之一。同时，人工神经网络理论是最近发展起来的十分热门的交叉学科，有着非常广泛的应用前景。由于人工神经网络具有大规模并行信息处理，良好的自适应与自学习等许多特点，因此利用神经网络解决复杂非线性动态系统就有了一条新的可能途径。 本文先对全球定位系统和捷联惯导系统做了理论上的分析，详细描述和分析了各自的系统组成、定位原理、模型计算和误差分析，并且通过计算机仿真验证了对捷联惯导分析的正确性，很好的论证了INS与GPS组合的必要性。 然后介绍了人工神经网络的基础理论和相关概念，着重研究了BP神经网络结构、算法原理等问题，然后讨论了BP神经网络存在的问题。接着本文将BP神经网络应用于组合导航系统数据融合技术，建立了相应的BP网络模型，讨论了BP神经网络隐藏层单元个数以及网络参数中动量因子和学习率的选取等问题。通过实验结果表明，该组合导航系统具有较理想的预测精度，能满足实际应用的要求。 最后文章建立了轨迹模拟器、陀螺仪以及加速度计仿真器，并且利用Matlab搭建了仿真平台，对比验证了基于BP神经网络的INS/GPS组合导航系统提高了导航精度，满足导航要求。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景

1.2研究目的和意义

1.3主要研究内容与结构安排

第2章全球定位系统与惯性导航系统理论基础

2.1坐标系定义及其转换

2.1.1坐标系定义

2.1.2坐标系的角速度及坐标变换矩阵

2.2全球定位系统

2.2.1 GPS系统简介

2.2.2 GPS定位原理

2.2.3 GPS导航定位的观测量

2.2.4 GPS导航系统的特点

2.3惯性导航系统

2.3.1惯性导航系统简介

2.3.2捷联式惯导系统的力学编排

2.3.3捷联惯导系统的仿真

2.4 GPS/INS组合导航系统特点

2.5本章小结

第3章人工神经网络

3.1人工神经网络基础知识

3.1.1人工神经元

3.1.2人工神经网络的拓扑特性

3.1.3人工神经网络的训练

3.2多层前馈网络

3.2.1多层前馈网络

3.2.2 BP学习算法

3.2.3 BP算法的几点说明

3.3本章小结

第4章基于BP网络的组合导航系统信息融合

4.1 BP网络的构建

4.2 BP网络结构设计

4.3神经网络仿真设计

4.3.1生成一个BP网络

4.3.2数据的预处理和后处理

4.3.3 BP神经网络的训练

4.3.4 BP网络导航结果

4.4导航信息数据

4.5本章小结

第5章INS/GPS组合导航系统的仿真

5.1仿真平台的建立

5.1.1仿真平台的选择

5.1.2仿真软件的总体设计

5.1.3 INS系统仿真

5.1.4仿真条件设置

5.2仿真结果及分析

5.3本章小结

结论

参考文献

致谢