双层双向长短期记忆应用于云轨精确定位

摘要

cqvip:目前国内出现了一种新型云轨,云轨有着造价低、能耗小以及施工周期较短等优点。然而云轨的各项指标要求很高,其中轨道定位尤为重要。为了实现了云轨检测的精确定位,本文设计了一种新型轨道检测车,并开发了基于双层双向长短期记忆模型(LSTM)的云轨SIN-GPS定位算法。首先,介绍了轨道检测车的机械结构和各项传感器参数。接着,分析了传统的SIN-GPS定位算法及其缺点,在GPS信号消失后会出现误差积累。然后,引出双层双向长短期记忆模型,说明了该模型对GPS信号消失时的误差动态学习和补偿。最后,通过3组实验分析算法在云轨检测车的不同运动状态下的准确率。证明了长短期记忆模型均优于传统算法模型和其他智能算法模型。实验结果表明:在运动状态下LSTM算法比SINS误差小79.8%,静止状态下SINS误差最小。设定速度阈值为0.2 m/s,大于此阈值采用LSTM算法,小于此阈值直接用SINS的数据,可以得到最准确的位置预测结果。