基于RBF网络的捷联惯导初始对准优化研究
该文研究了捷联惯导在静基座下的初始对准问题,其中粗对准中采用磁罗盘和加速度计得到初始姿态角,精对准中采用具有最佳逼近性的径向基函数神经网络(RBF网络)修正姿态角.在RBF网络基函数中心选取时,基于样本分布特点,采用简单有效的均值法,同时为了增加了神经网络权值学习的鲁棒性和快速性,将H∞鲁棒滤波用于网络的权值调整中.仿真结果表明,采用这种优化学习的RBF神经网络进行初始对准比用传统的Kalman滤波更快速有效,且与Kalman滤波精度相当.
作 者: 贺娟 崔平远 陈阳舟 李振龙 HE Juan CUI Ping-yuan CHEN Yang-zhou LI Zhen-long 作者单位: 北京工业大学电子信息与控制工程学院,北京,100022 刊 名: 计算机仿真 ISTIC PKU 英文刊名: COMPUTER SIMULATION 年,卷(期): 2006 23(4) 分类号: V448.15 关键词: 捷联惯导 初始对准 神经网络 鲁棒滤波