GPS失锁时基于神经网络预测的MEMS-SINS误差反馈校正方法研究

GPS信号失锁时,MEMS-SINS组合GPS导航误差会随着时间迅速积聚而无法导航.提出一种基于RBF神经网络预测的MEMS-SINS误差反馈校正方法,GPS有信号时对神经网络进行训练,GPS信号中断时用训练好的RBF神经网络预测MEMS-SINS的导航误差.地面车载跑车试验,证实了训练后的RBF神经网络能很高精度地逼近MEMS-SINS/GPS组合导航系统输入与输出间的关系,在4个50s以内的GPS人为失锁过程中,该方法导航结果与参考系统比较,平均位置误差为3.8m,平均速度误差为0.6m/s,平均姿态误差为0.5°.     

磁强计辅助基于MEMS惯性器件SINS的初始对准方法研究

针对微机电系统(MEMS)惯性传感器精度低而导致基于微机电系统捷联惯性导航系统(MEMS-SINS)无法完成初始自对准的问题,提出了一种利用磁强计辅助MEMS-SINS的初始对准方法,设计了3种不同的计算方案,并且对这3种方案进行了误差分析与仿真验证,为实际应用提供了良好的理论依据和技术支持。