基于Bagging模型的惯导系统误差抑制方法

• 作者: 于沛 宋凝芳 李宇寰 杨功流 陶玉波
• 来源期刊: 中国惯性技术学报
• 学科: 交通运输
• 关键词: GPS失锁 惯性导航系统 集成学习算法 误差抑制方法 神经网络
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 组合导航技术
• 页码范围: 63-66
• 页数: 4页
• 分类号: U666.1
• 字数: 2468字
• 语种: 中文
• DOI: 10.13695/j.cnki.12-1222/o3.2017.01.013

摘要

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备.当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长.为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能.在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量.试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5min时提高了约49％,15min时提高了约41％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋凝芳	北京航空航天大学仪器科学与光电工程学院	115	698	15.0	21.0
2	杨功流	北京航空航天大学仪器科学与光电工程学院	73	352	11.0	14.0
3	于沛		5	13	2.0	3.0
4	陶玉波		6	69	3.0	6.0