基于非线性自适应回归神经网络的GPS/IMU组合导航方法

• 作者: 岳云霞 方芳 杨其芝 邓天民
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 智能网联汽车 车道级定位 非线性自适应回归神经网络 扩展卡尔曼滤波
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 论文
• 页码范围: 274-280
• 页数: 7页
• 分类号: TP399
• 字数: 4805字
• 语种: 中文

摘要

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一.根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法.首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite sys-tem,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据.最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析.实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2.5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方芳	重庆交通大学交通运输学院	10	11	2.0	3.0
2	邓天民	重庆交通大学交通运输学院	33	185	6.0	13.0
3	岳云霞	重庆交通大学交通运输学院	4	6	2.0	2.0
4	杨其芝	重庆交通大学交通运输学院	5	6	2.0	2.0