排序方式： 共有2条查询结果，搜索用时 7 毫秒
1
1.
由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。 相似文献
2.
光纤陀螺的随机漂移限制了惯性导航系统的精度,如何减小它是一项非常艰巨的任务.结合经验模态分解(EMD)和信号与模态之间的概率密度函数,提出了一种新型的依赖Hurst指数的信号滤波方法.当H＜0.5时,利用l2范数选择出相关模态,累加并形成的部分重构方法来对光纤陀螺的信号进行滤波;当H≥0.5时,间隔阈值的经验模态(EMD-IT)被引入对相关模态进行滤波,之后按照部分重构的方法对光纤陀螺的信号进行滤波;称为混合的EMD-pdf和EMD-IT.与其它的滤波方法进行对比,如基于相关函数的EMD部分重构(EMD-cor),基于概率密度函数的EMD部分重构(EMD-pdf),仿真信号和实际数据结果表明,该混合模型的优越性,有效减小了光纤陀螺的随机误差. 相似文献
1
