19198

۱۹۱۹۸

تلفيق سامانه هاي ناوبري GPS و INS جهت افزايش دقت ناوبري مبتني بر فيلتر كالمن و شبكه هاي عصبي

كارشناسي ارشد

كنترل

1393-1395

۹۶/۹/۲۸

دكتر سعيد عباداللهي

دكتر شمقدري

برق

سيستمهاي ناوبري اينرسي (INS) يكي از انواع پركاربرد سيستمهاي ناوبري است كه با استفاده از حسگرهاي اينرسي اطلاعات موقعيت و سرعت يك وسيله را در اختيار ما مي¬گذارد. اما مشكلي كه وجود دارد اين است كه به دليل افزايش خطا بازمان، اين نوع سيستم ناوبري نميتواند بهتنهايي و براي زمان طولاني مورداستفاده قرار گيرد. از سوي ديگر سيستم ناوبري GPS يا سامانه موقعيت جهاني نيز نوعي سيستم ناوبري محسوب ميشود كه اطلاعات دقيق سرعت و موقعيت يك گيرنده را در هر زمان و در هر جا در اختيار ما قرار ميدهد. ازاينرو با اجتماع مزاياي اين دو نوع سيستم ناوبري يعني سيستم جامع ناوبري GPS/INS ميتوان دقت و قابليت ناوبري را افزايش داد. روشهاي مختلفي براي تلفيق اين دو سيستم ناوبري وجود دارد كه استفاده از شبكههاي عصبي در پيادهسازي سيستم جامع ناوبري يكي از اين انواع روشها هست. دراين تحقيق هدف، ناوبري يك وسيله متحرك زميني است كه براي دست يابي به موقعيت آن از روشهاي مختلفي استفاده شده است كه همگي داراي اتصال با كوپل كم هستند و از آرايش حلقه باز تبعيت ميكنند. به عنوان روش پايه با استفاده از فيلتر كالمن معمولي شبيهسازي را انجام داده و نتايج براي مقايسه با روشهاي ارائهشده در اين تحقيق ثبت مي’گردد. با استفاده از فيلتر كالمن غيرخطي UKF روش تلفيق را شبيهسازي نموده و پس از آن روشهاي ديگري را براي تلفيق ارائه شده است. تلفيق با استفاده از فيلتر كالمن تطبيقي و تلفيق با استفاده از فيلتر كالمن تطبيقي-فازي نيز روشهاي بعدي معرفي و شبيهسازيشده در اين تحقيق ميباشند. همچنين ابتدا با استفاده از شبكه عصبي RBF تلفيق GPS با INS را شبيهسازي كرده و بهعنوان روشهاي ابداعي با تركيب فيلتر كالمن و شبكه عصبي اطلاعات موقعيت متحرك ميني را به دست آمده است. و درنهايت با تكميل روش تركيبي فيلتر كالمن و شبكه عصبي روشي ارائه شده است كه در آن با قطع شدن سيگنال GPS نيز بتوان با استفاده از شبكه عصبي آموزشديده شده موقعيت متحرك را با دقت خوبي نسبت به INS به دست آورد.

1397/04/26

GPS/INS Integration for navigation enhancement based kalman filter and neural network

7/17/2018 12:00:00 AM

Inertial Navigation Systems (INS) are one of the most commonly used navigation systems that provide information about the position and speed of an instrument using inertial sensors. But the problem is that this type of navigation system can not be used alone and for a long time due to an increase in our error rate. On the other hand, the GPS system or global positioning system is also a kind of navigation system that provides accurate information about the speed and position of a receiver whenever and wherever it is. Thus, with the benefit of these two types of navigation systems, the GPS / INS comprehensive navigation system can increase the accuracy and the ability to navigate. There are several ways to combine these two navigation systems, which is the use of neural networks in the implementation of a comprehensive navigation system of one of these types of methods. In this research, navigation is a terrestrial moving device that has been used to achieve its position in a variety of ways, all of which have a low-coupling connection and are subject to loop arches. As a basic method, simulation is performed using conventional Kalman filter and the results are recorded for comparison with the methods presented in this study. Using the UKF Nonlinear Kalman Toolkit, the simulation method is simulated, followed by other methods for integration. Integration using a Kalman filter and matching algorithm using the adaptive-fuzzy Kalman filter are further introduced and simulated in this research. Also, using the RBF neural network, the simulation of the GPS integration with the INS was initially simulated using Innovative methods combined with the Kalman filter and the neural network. Finally, with the completion of the Kalman filter combination and the neural network, a method is proposed whereby the GPS signal can be interrupted by using the trained neural network to obtain a moving position with good precision than the INS.