适于惯导系统初始对准的神经网络实时算法研究

• 作者: 唐德麟 王新龙 申功勋
• 来源期刊: 航天控制
• 学科: 工学
• 关键词: 神经网络 非线性系统 初始对准 卡尔曼滤波
• 年，卷（期）: 2002,（2）
• 所属期刊栏目: 导弹、运载器制导与控制技术
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP18
• 字数: 3567字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3242.2002.02.008

摘要

通常卡尔曼滤波器被用于解决惯导系统的初始对准问题.由于卡尔曼滤波的运算时间与系统阶次的立方成正比,所以当系统阶次较高时,滤波器会失去实时性.而神经网络具有函数逼近性能,实时性又好.为此,本文研究了一种基于扩展卡尔曼滤波原理的权值更新多层神经网络学习算法,对此算法进行了详细的推证,并将该算法运用到惯导系统的初始对准过程.仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性,既真正获得了与扩展卡尔曼滤波器相同的对准精度,又大大提高了系统的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新龙		100	976	18.0	26.0
2	申功勋		65	884	18.0	27.0
3	唐德麟		3	38	3.0	3.0