改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.     

基于进化人工神经网络的组合系统滤波技术

在组合系统运用Kalman滤波器技术时,准确的系统模型和可靠的观测数据是保证其性能的重要因素,否则将大大降低Kalman滤波器的估计精度,甚至导致滤波器发散.为解决上述Kalman应用中的实际问题,提出了一种新颖的基于进化人工神经网络技术的自适应Kalman滤波器.仿真试验表明该算法可以在系统模型不准确时、甚至外部观测数据短暂中断时,仍能保证Kalman滤波器的性能.     

基于小波变换的自适应滤波技术在组合导航系统中的应用

针对组合导航系统中在线校正的误差噪声模型具有时变性的特点，使用小波变换对观测量进行预滤波，并使用自适应滤波技术进行在线校正，克服了常规卡尔曼滤波需要精确的误差模型的缺点。仿真结果证明：在系统和量测模型不确定时，文中提出的基于小波变换的自适应滤波能够使系统误差在较短的时间内收敛，并与常规卡尔曼滤波器的精度相当。     

VxWorks环境下捷联惯导系统的软件设计

介绍了VxWorks实时操作系统实时性和多任务环境的特性。在分析了捷联惯导系统基本原理的基础上，提出捷联惯导系统各个任务模块的划分原则，介绍了各个任务的优先级别和触发方式，提出了各个任务间的通信手段与同步方法。此外，还给出了在PC-104嵌入式计算机上，应用VxWorks实时操作系统成功开发捷联惯导系统软件的实例。     

遗传优化小波神经网络在组合导航系统中的应用

实时性是组合导航系统的一个重要指标，而神经网络的优化学习问题是决定网络效率的关键技术。遗传优化小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力，而且具有遗传算法全局寻优的特点，是多层前向神经网络学习的一种理想算法。将它应用于组合导航系统中并进行了仿真，结果表明，该算法能够根据实际情况自适应确定网络结构，实时性好，精度与常规方法相当。