بهبود موقعیتیابی ناوبری تلفیقی با استفاده از شبکهعصبی چندلایه غیرخطی و فیلتر کالمن مقاوم در هنگام قطعی GPS
نویسندگان
1 دانشکده مهندسی برق-دانشگاه علوم و فنون هوایی شهید ستاری- تهران- ایران
2 دانشکده مهندسی برق-دانشگاه علوم و فنون هوایی شهید ستاری- تهران- ایران
3 دانشکده مهندسی برق-دانشگاه علوم و فنون هوایی شهید ستاری- تهران- ایران
doi
چکیده
تعیین موقعیت و جهتیابی دقیق از اصلیترین نیازها جهت ناوبری وسایل نقلیه نظامی میباشد. روشهای مختلفی برای تعیین موقعیت وسیله وجود دارد. سیستم ناوبری اینرسی (INS) یکی از روشهای تعیین موقعیت و وضعیت وسیله نقلیه است که مستقل از فرستنده و لوازم جانبی خارجی کار میکند. به دلیل وجود نویز، بایاس و عوامل تاثیرگذار دیگر، خطای این سامانه در طول زمان همواره افزایشی میباشد، لذا برای دستیابی به دقت بالاتر در ناوبریهای طولانی مدت، حداقل به یک سامانه کمک ناوبری نیاز است. از این رو، اصلاح خطا به کمک تلفیق دادههای INS و سامانه موقعیتیابی جهانی (GPS) با استفاده از فیلتر کالمن توسعهیافته مقاوم (REKF) در این مقاله مورد بررسی قرار گرفته است. در هنگام ورود وسایل نقلیه به مناطق دشمن که دارای مسدودکننده سیگنال هستند، سیگنال GPS نیز قطع شده، مشاهدات فیلتر به روزرسانی نشده و در نتیجه، موقعیت نهایی خطای افزایشی خواهد داشت. لذا در این سناریو بجای فیلتر کالمن از شبکه عصبی آموزش دیده شده جهت پیشبینی موقعیت در هنگام قطعی GPS استفاده شده است. به منظور پیادهسازی و تست الگوریتم، سختافزاری با پردازنده و سنسورهای مدنظر طراحی و دادهها را به صورت آنلاین ذخیره و الگوریتم تلفیق دادههای GPS/INS مبتی بر فیلتر کالمن و شبکه عصبی بر آن اعمال شده است. نتایج نشان میدهد خطای موقعیت با استفاده از شبکه عصبی تا حدود 70 درصد در هر سه راستا بهبود داشته است.