بهبود دقت و پایداری RTDGPS با استفاده از مدل ترکیبی RNN و PSO

پایداری سامانه RRDGPS در سرویس دهی به کاربران حایز اهمیت است. این سامانه از دو ایستگاه مرجع و کاربر تشکیل شده است. قطعسیگنال ایستگاه مرجع موجب کاهش پایداری سامانه می شود. قطع سیگنال GPS موجب عدم تولید پروتکل مخصوص سامانه در ایستگاه مرجع می شود، در نتیجه فاکتورهای تصحیحاتی موجود در این پروتکل از طریق واسط ارتباطی به گیرنده کاربر نمیرسد. در این حالت سامانه از حالتموقعیت یابی DGPS وارد حالت GPS می گردد و دقت آن کاهش می یابد. در این مقاله برای جبران فقدان سیگنال از مدل پیشگویی شبکه عصبی بازگشتی استفاده شده است. آموزش این شبکه با استفاده از مدل بهینه سازی گروهی ذرات انجام شده است. شبه فاصله تصحیحاتی هر ماهوارهورودی مدل پیشگویی است. آزمون PSO-RNN با استفاده از اطلاعات واقعی PRC نشان داد که خطای RMS مدل 0/18 متر است. ایستگاه مرجع و کاربر این سامانه با استفاده از یک گیرنده ارزان قیمت پیاده سازی شد. عملیات ایستگاه مرجع به وسیله نرمافزار طراحی شده ، انجام می شود. بااستفاده از آزمون های عملی دقت مکانیابی ایستگاه کاربر سامانه با افزودن مدل PSO-RNN به ایستگاه مرجع، 0/4 متر به دست آمد. این مقدارنشان دهنده بهبود بیش از 50 درصدی دقت مکانیابی سامانه RTDGPS به سبب افزودن مدل پیش گویی است.

Keywords:

سامانه مکانیاب تفاضلی بلادرنگ , شبه فاصله تصحیحاتی , بهینه سازی گروهی ذرات , شبکه عصبی بازگشتی