GPS-INS組合模式下IMU隨機(jī)誤差在線補(bǔ)償技術(shù)研究.pdf

1、在GPS/INS組合模式下，IMU誤差是組合系統(tǒng)的主要誤差源之一，該誤差包括確定性性誤差和隨機(jī)誤差。確定性誤差可以在實(shí)驗(yàn)前經(jīng)過預(yù)標(biāo)定并從粗測量量中去除，而隨機(jī)誤差基本上是由于慣性傳感器誤差隨著時(shí)間的隨機(jī)變化產(chǎn)生的，是不可以進(jìn)行預(yù)先標(biāo)定的。一般來講，通過對(duì)隨機(jī)誤差建立一般模型然后用卡爾曼濾波進(jìn)行最優(yōu)估計(jì)，因此建立準(zhǔn)確的慣性測量元件隨機(jī)誤差模型非常有必要。
　　針對(duì)以上問題，本文對(duì)慣性測量元件的隨機(jī)誤差進(jìn)行了研究，建立以小波去噪為基礎(chǔ)

2、的神經(jīng)網(wǎng)絡(luò)—遺傳算法的慣性測量元件隨機(jī)誤差模型，應(yīng)用該模型對(duì)IMU進(jìn)行誤差補(bǔ)償，主要工作如下：
　　首先，結(jié)合慣性導(dǎo)航的基本理論，推導(dǎo)了慣導(dǎo)系統(tǒng)的基本方程以及誤差模型，并結(jié)合GPS基本理論、誤差模型以及組合導(dǎo)航的基本理論，建立了基于偽距、偽距率的緊組合模型，構(gòu)建GPS/INS組合系統(tǒng)的框架。
　　然后，使用FFT、PSD以及Allan方差等辨識(shí)方法對(duì)慣性測量元件信號(hào)進(jìn)行了分析，然后利用小波多分辨分析以及閾值消噪對(duì)慣性測量元件

3、的信號(hào)進(jìn)行了處理。
　　然后，結(jié)合AR時(shí)序建模方法，對(duì)慣性測量元件的數(shù)據(jù)平穩(wěn)化以及正態(tài)性檢驗(yàn)后建立了AR模型，在此基礎(chǔ)上結(jié)合BP神經(jīng)網(wǎng)絡(luò)以及遺傳算法的理論，建立了以神經(jīng)網(wǎng)絡(luò)為主體，遺傳算法輔助神經(jīng)網(wǎng)絡(luò)閾值以及權(quán)值調(diào)整的隨機(jī)誤差模型，并利用實(shí)測數(shù)據(jù)進(jìn)行了驗(yàn)證，證明了模型的可靠性。
　　最后，根據(jù)前面內(nèi)容構(gòu)建神經(jīng)網(wǎng)絡(luò)—遺傳算法輔助組合導(dǎo)航系統(tǒng)的反饋校正圖，在緊組合模式下推導(dǎo)出了與神經(jīng)網(wǎng)絡(luò)—遺傳算法模型相對(duì)應(yīng)的狀態(tài)方程及量測方程，