基于HCMAC卡尔曼滤波器在组合导系统中的应用

《基于HCMAC卡尔曼滤波器在组合导系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、科技专论基于HCMAC卡尔曼滤波器在组合导系统中的应用张源陈伟海军蚌埠士官学校航海系安徽蚌埠233012【摘要】针对经典卡尔曼滤波器要求组合导航系统的动态模型和AnticulationController)是CMAC神经网络采用输入空间超闭球量化观测模型的噪声统计特性已知，而组合导航系统的噪声具有非先验性的方法。其基本思想在于：通过超闭球上模糊基函数的信息存储与恢复策问题，利用超闭球小脑神经网络（HyperballCerebellarModelArticulation略把样本空间映射到以网点为中心的超闭球特征空间，然后根据输入Controller，HCMAC）良好的非线性逼近能力、泛化能力和自

2、学习能力，设计激活超闭球对应的权值和来确定对应的输出，能确保逼近非线性函数，HCMAC辅助卡尔曼滤波器，并应用于组合导航系统。仿真试验结果表明，HCMAC结构示意图见图1。该辅助算法与经典卡尔曼滤波算法相比较，精度提高了2倍，收敛时间缩短近200s，且有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点，使系统具有自适应能力以应付动态环境的扰动，增强了组合导航系统的鲁棒性。【关键词】组合导航；卡尔曼滤波；小脑神经网络(CMAC)；超闭球小脑神经网络（HCMAC）DOI:10.13751/j.cnki.kjyqy.2015.08.149ApplicationsofHCMAC/KalmanFilt

3、eringTechniqueinIntegratedNavigationSystemZhangYuan，CHENWei(DepartmentofNavigation,BenghuNavyPettyOfficerAcademy,Benghu233012,China)Abstract：AimedattheconventionalKalmanfilterassumesthatthestatisticalpropertiesofthenoiseindynamicmodelandobservationsystemareexactly,butthenoiseinintegratedsystemisunce

4、rtain.Then,takingadvantageofthenonlinearapproximationability,generalizationabilityandself-learingability,Thecombinedthehyperballcerebellarmodel图1HCMAC结构示意图articulationcontroller(HCMAC)neuralnetworkaidedKalmanFig.1StructuralrepresentationofHCMAC[5][7]filterisproposed.Simulationssuggestthattheprecisio

5、n2.2HCMAC网络算法原理ofHCMACis2timesmorethantheoneofKalmanfilter,记m维输入空间为为实数andconvergencetimeis200secondlessthanone.Thusit集，神经网络输入向量，从输入空间x求出第i输入变canovercometheshortcomingsoftheconventionalneural量的最小值和最大值分别记作；输出向量network,suchasslowlearningspeedandpoorgeneralization，且为有界集。把区间平均分为N等ability,andmakewholesyst

6、emhastheadaptivecapability分，间隔为，该区间所有的分点组成集合Di，记m维点向todealwiththedisturbanceindynamicsituation,and量，，其中，则Pj在robustnessoftheintegratednavigationsystemisenhanced.X空间上均匀分布，称Pj为空间X上的网点。输入和网点的标准化公式Keywords：integratednavigation;Kalmanfiltering;CMAC为：neuralnetwork;HCMACneuralnetwork（1）1、引言卡尔曼滤波是目前组合导航系统常用的

7、一种滤波算法，但经典卡尔（2）曼滤波要求精确的组合导航系统数学模型和噪声统计特性，而由于组合式中：m表示神经网络的输入维数；表示第m维的间隔；ni表示导航系统是一个非常复杂的动力系统，难以给出其精确的数学模型、系第i个网点的地址，即第i个神经元的地址。统噪声和测量噪声的统计特性。在实际应用中，为了得到较精确的系统这样，就把输入空间X化为乘积空间，第i个描述，需要采用高阶数学模型，这必然导致计算量增