一种新的基于GPS/INS的组合导航方法
2010/4/2 13:30:00
1 引言
以全球定位系统（GPS）和惯性导航系统（INS）构造的组合导航系统是导航中最主要的组合方式，它有效利用了GPS和INS各自的优点，进行系统间的取长补短，这种组合能有效减小系统误差，提高系统的精度，而且还可以降低导航的成本。因而在航空、航天、航海、陆地战车等导航领域都得到越来越广泛的应用。常用的GPS /INS组合方式有以下两种：1）松散组合，即位置、速度组合；2）紧密组合，即伪距、伪距率组合。通常紧密组合的导航精度比松散组合的精度高[1]。在GPS信号接收正常时，组合导航系统能够提供良好的导航性能。但是载体在高动态环境下，GPS信号会失锁甚至有时会完全丢失，滤波器输出就会发散，使导航性能严重恶化。
本文提出用人工神经网络（ANN）来辅助GPS/INS组合导航系统。
2 ANN辅助的紧密组合GPS/INS系统结构
在没有干扰或机动不大的环境中，GPS的载波环对码环进行速度辅助，即提供码环多普勒频率值。在高动态或大机动的环境中，GPS接收机的载波环失锁，利用惯性补偿技术，将由INS速度辅助码环[6]。采用ANN辅助的紧密组合GPS/INS系统原理框图如图1所示。
在GPS触发的每一个滤波周期开始，以GPS/INS的相关状态作为ANN的输入，以当前和前一个更新周期的位置之差作为输出对ANN进行训练。当GPS信号丢失时，ANN进入估计状态，每秒估计一次位置差。把这些每秒估计的位置差累加到GPS信号丢失那一刻的位置以计算载体的位置，然后把ANN估计的位置转化为伪距代替GPS信号作为Kalman滤波器输入。利用这种方法，与没有ANN辅助的Kalman 滤波结构相比，可以有效减缓系统的漂移[2]。
图1 ANN辅助GPS/INS原理框图
3 GPS/INS组合导航滤波器的数学模型
3.1 Kalman滤波器的状态方程
3.2 Kalman滤波器的量测方程
3.3 Kalman滤波组合方程
4 BP神经网络辅助Kalman滤波
4.1 BP神经网络
4.2 弹性梯度下降法
5 仿真算例
仿真运算的结果如表1。
导航信息初始误差为：水平姿态角误差10。;方位误差角10。；位置误差50m;速度误差0.6m/s。设计一条飞行航道，整个过程包括初始飞行、转弯、加速、平飞等过程。
飞行轨迹如图2，飞行时的速度变化曲线如图3。其初始速度为600m/s，在100s转弯时法向加速度为2g，在300s时的加速度为2g。
图2 水平飞行剖面图 图3 速度变化曲线图
设在300s时丢失GPS信号，无ANN辅助的系统位置误差如图4所示，有ANN辅助的系统位置误差如图5所示。
从仿真结果可以看出：当GPS信号丢失时，没有人工神经网络辅助的系统会很快发散，东向误差在305s达到1000m，北向误差在310s达到1000m；而有人工神经网络辅助的系统在350s误差也不过50m，漂移显著减缓。
图4 无ANN辅助的位置误差图
图5 有ANN辅助的位置误差图
6 结论
本文以高动态载体的导航问题为应用背景，提出了一种新的BP神经网络辅助组合导航系统的结构，并给出了相应的算法。通过本文的论述和仿真表明：在GPS信号丢失时,该方法能够有效减缓系统的漂移。
应该指出，用于训练BP网络模型的样本数据应具有较高的精度，使网络能够充分提取训练对象的结构特征，以便更好的模拟对象的输入与输出行为。作为算例，本文仅使用轨迹产生器的数据和经Kalman滤波的输出构成样本数据， BP网络自然不能完全逼近原始系统模型的非线性特征。在实际工程应用中，通过实验获取能够代表系统输入与输出本质特征的样本数据，使设计的BP网络得到充分训练，以满足高动态环境的要求。
参考文献
[1] 杨艳娟.一种新的INS/GPS组合导航技术[J].中国惯性技术学报，2004，12卷（2期）：23-26.
[2] Brurak H Kaygisiz.GPS/INS Enancement Using Neural Networks for Autonomous Ground Vehicle Application[J].IEEE,2003,0-7803-4860-1/03:3763-3768.
[3] 袁信.导航系统[M]北京 航空工业出版社,1993.
[4] 王惠南.GPS导航原理与应用 [M]北京:科学出版社,2003.
[5] 董长虹.Matlab神经网络与应用 [M]北京:国防工业出版社,2005.
[6] 王忠.高动态GPS/INS组合导航算法研究 [J].系统工程与电子技术,2005，23卷（1期）：48-50.
以全球定位系统（GPS）和惯性导航系统（INS）构造的组合导航系统是导航中最主要的组合方式，它有效利用了GPS和INS各自的优点，进行系统间的取长补短，这种组合能有效减小系统误差，提高系统的精度，而且还可以降低导航的成本。因而在航空、航天、航海、陆地战车等导航领域都得到越来越广泛的应用。常用的GPS /INS组合方式有以下两种：1）松散组合，即位置、速度组合；2）紧密组合，即伪距、伪距率组合。通常紧密组合的导航精度比松散组合的精度高[1]。在GPS信号接收正常时，组合导航系统能够提供良好的导航性能。但是载体在高动态环境下，GPS信号会失锁甚至有时会完全丢失，滤波器输出就会发散，使导航性能严重恶化。
本文提出用人工神经网络（ANN）来辅助GPS/INS组合导航系统。
2 ANN辅助的紧密组合GPS/INS系统结构
在没有干扰或机动不大的环境中，GPS的载波环对码环进行速度辅助，即提供码环多普勒频率值。在高动态或大机动的环境中，GPS接收机的载波环失锁，利用惯性补偿技术，将由INS速度辅助码环[6]。采用ANN辅助的紧密组合GPS/INS系统原理框图如图1所示。
在GPS触发的每一个滤波周期开始，以GPS/INS的相关状态作为ANN的输入，以当前和前一个更新周期的位置之差作为输出对ANN进行训练。当GPS信号丢失时，ANN进入估计状态，每秒估计一次位置差。把这些每秒估计的位置差累加到GPS信号丢失那一刻的位置以计算载体的位置，然后把ANN估计的位置转化为伪距代替GPS信号作为Kalman滤波器输入。利用这种方法，与没有ANN辅助的Kalman 滤波结构相比，可以有效减缓系统的漂移[2]。
图1 ANN辅助GPS/INS原理框图
3 GPS/INS组合导航滤波器的数学模型
3.1 Kalman滤波器的状态方程
3.2 Kalman滤波器的量测方程
3.3 Kalman滤波组合方程
4 BP神经网络辅助Kalman滤波
4.1 BP神经网络
4.2 弹性梯度下降法
5 仿真算例
仿真运算的结果如表1。
表1:各传感器的精度
导航信息初始误差为：水平姿态角误差10。;方位误差角10。；位置误差50m;速度误差0.6m/s。设计一条飞行航道，整个过程包括初始飞行、转弯、加速、平飞等过程。
飞行轨迹如图2，飞行时的速度变化曲线如图3。其初始速度为600m/s，在100s转弯时法向加速度为2g，在300s时的加速度为2g。
图2 水平飞行剖面图 图3 速度变化曲线图
设在300s时丢失GPS信号，无ANN辅助的系统位置误差如图4所示，有ANN辅助的系统位置误差如图5所示。
从仿真结果可以看出：当GPS信号丢失时，没有人工神经网络辅助的系统会很快发散，东向误差在305s达到1000m，北向误差在310s达到1000m；而有人工神经网络辅助的系统在350s误差也不过50m，漂移显著减缓。
图4 无ANN辅助的位置误差图
图5 有ANN辅助的位置误差图
6 结论
本文以高动态载体的导航问题为应用背景，提出了一种新的BP神经网络辅助组合导航系统的结构，并给出了相应的算法。通过本文的论述和仿真表明：在GPS信号丢失时,该方法能够有效减缓系统的漂移。
应该指出，用于训练BP网络模型的样本数据应具有较高的精度，使网络能够充分提取训练对象的结构特征，以便更好的模拟对象的输入与输出行为。作为算例，本文仅使用轨迹产生器的数据和经Kalman滤波的输出构成样本数据， BP网络自然不能完全逼近原始系统模型的非线性特征。在实际工程应用中，通过实验获取能够代表系统输入与输出本质特征的样本数据，使设计的BP网络得到充分训练，以满足高动态环境的要求。
参考文献
[1] 杨艳娟.一种新的INS/GPS组合导航技术[J].中国惯性技术学报，2004，12卷（2期）：23-26.
[2] Brurak H Kaygisiz.GPS/INS Enancement Using Neural Networks for Autonomous Ground Vehicle Application[J].IEEE,2003,0-7803-4860-1/03:3763-3768.
[3] 袁信.导航系统[M]北京 航空工业出版社,1993.
[4] 王惠南.GPS导航原理与应用 [M]北京:科学出版社,2003.
[5] 董长虹.Matlab神经网络与应用 [M]北京:国防工业出版社,2005.
[6] 王忠.高动态GPS/INS组合导航算法研究 [J].系统工程与电子技术,2005，23卷（1期）：48-50.
投诉建议
提交
查看更多评论
其他资讯
助力企业恢复“战斗状态”：MyMRO我的万物集·固安捷升级开工场景方案
车规MOSFET技术确保功率开关管的可靠性和强电流处理能力
未来十年, 化工企业应如何提高资源效率及减少运营中的碳足迹?
2023年制造业“开门红”，抢滩大湾区市场锁定DMP工博会
2023钢铁展洽会4月全新起航 将在日照触发更多商机