بهبود تلفیق دادههای سیستم ناوبری اینرسی ارزان قیمت و ماهوارهای با استفاده از شبکة عصبی GMDH
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 359
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISEE-10-4_004
تاریخ نمایه سازی: 12 اسفند 1399
Abstract:
امروزه رویکرد تلفیق دادههای سامانۀ ناوبری اینرسی ارزان قیمت و ماهوارهای بهمنظور بالابردن دقت و قابلیت اطمینان مرسوم شده است. خوداتکایی، نرخ بالای تعیین دادهها، ارائۀ دادههای دورانی و البته محدودیت کاهش دقت با گذشت زمان در سامانههای ناوبری اینرسی و همچنین، نرخ پایین دادهها، ارائهنشدن دادههای دورانی و انسداد یا اختلال در دریافت دادههای GNSS، توفیق روزافزون این رویکرد را سبب شده است. همچنین، روشهای تلفیقی مبتنی بر فیلتر کالمن، با محدودیتهایی نظیر وابستگی به مدل، ضرورت در اختیار داشتن دانش پیشین، خطیسازی و از همه مهمتر کاهش کارآیی در زمان قطعشدن سیگنالهای GNSS مواجهاند. هدف این مقاله، معرفی یک روش تلفیقی هوشمند برخط، با قابلیت اطمینان بالاست؛ بهگونهایکه در شرایط قطعشدن یا اختلال در سیگنالهای GNSS نیز کارآیی خود را حفظ کند. نتایج شبیهسازیها با شبکة عصبی GMDH و مقایسۀ آن با روش مرسوم فیلتر کالمن و شبکههای عصبی MLP و RBF نشان میدهند شبکۀ GMDH میتواند بهدلیل سرعت و قابلیت بالا در تخمین و تصحیح خطای INS (ناشی از ساختار ساده و حذف نرونهای غیرفعال با انتخاب روشی مؤثر برای آموزش)، در عملیات ناوبری بهصورت برخط و برای شرایط اجتنابناپذیر در دسترس نبودن دادههای GNSS استفاده شود.
Keywords:
Authors
کاظم شکوهی مهر
دانشجوی دکتری، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران
محسن فرشاد
دانشیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران
رمضان هاونگی
استادیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران
ناصر مهرشاد
دانشیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :