Определение местоположения по данным гравитационного градиентометра с применением нейро-нечеткого моделирования
https://doi.org/10.17285/0869-7035.2014.22.4.085-098
Аннотация
В статье представлен новый метод определения местоположения по данным гравитационного градиентометра с помощью нейро-нечеткого моделирования, который также может использоваться для коррекции показаний инерциальной навигационной системы с применением фильтра Калмана. Поскольку изменения гравитационного градиента главным образом связаны с особенностями рельефа, данные о высоте используются для моделирования гравитационных градиентов. Чтобы продемонстрировать потенциальные возможности метода, исследуются два типа рельефа – изрезанный и гладкий, в обоих случаях метод обеспечивает высокую точность навигации. Также анализируется применимость метода при полете на разных высотах.
Об авторах
С. Рахмати
Университет г. Бирджанд, факультет электротехники
Иран
Иран
Рахмати Саид, аспирант.
К. Кианфар
Университет имени имама Хусейна, Исследовательский центр Гадр (г. Тегеран)
Иран
Иран
Кианфар Кавех, старший научный сотрудник.
А. А. Калат
Технологический университет, факультета электротехники (г. Шахруд)
Иран
Иран
Калат Али Акбарзаде, доцент.
Список литературы
1. Bachrach, A., Prentice, S., He, R., and Roy, N. RANGE–Robust autonomous navigation in GPS-denied environments, J. Field Robotics, 2011, vol. 28, pp. 644-666.
2. Golden, J.P. Terrain contour matching (TERCOM): a cruise missile guidance aid, in 24th Annual Technical Symposium, 1980, pp. 10-18.
3. Hagen, O.K. Terrain navigation principles and application, Geodesi-og Hydrografidagene, Honefoss, Norway, 2005.
4. DeGregoria, A. Gravity gradiometry and map matching: an aid to aircraft inertial navigation systems, DTIC Document 2010.
5. Rogers, M.M., An investigation into the feasibility of using a modern gravity gradient instrument for passive aircraft navigation and terrain avoidance, DTIC Document 2009.
6. Kiamehr, R. and Eshagh, M. EGMlab, a scientific software for determining the gravity and gradient components from global geopotential models, Earth Science Informatics, 2008, vol. 1, pp. 93-103.
7. Zhu, L. Gradient modelling with gravity and DEM, PhD Thesis, The Ohio State University, 2007.
8. Jekeli, C. Statistical analysis of moving-base gravimetry and gravity gradiometry, The Ohio State University, Report, vol. 446, 2003.
9. Chi-Yuan, Y., Jeng, W.R., and Shie-Jue, L Data-based system modeling using a type-2 fuzzy neural network with a hybrid learning algorithm, IEEE Transactions on Neural Networks, 2011, vol. 22, pp. 2296-2309.
10. Celikyilmaz, A. and Burhan Turksen, I. Enhanced fuzzy system models with improved fuzzy clustering algorithm, IEEE Transactions on Fuzzy Systems, 2008, vol. 16, pp. 779-794.
11. Zadeh, L.A., Fuzzy sets, Information and Control, 1965, vol. 8, pp. 338-353.
12. Cho, S.-Y. and Chow, T.W.S., Training multilayer neural networks using fast global learning algorithm - least-squares and penalized optimization methods, Neurocomputing, 1999, vol. 25, pp. 115-131.
13. Poggio, T. and Girosi, F. Networks for approximation and learning, Proceedings of the IEEE, 1990, vol. 78, pp. 1481-1497.
14. Gori, M. and Tesi, A. On the problem of local minima in backpropagation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992, vol. 14, pp. 76-86.
15. Bello, M.G. Enhanced training algorithms, and integrated training/architecture selection for multilayer perception networks, IEEE Transactions on Neural Networks, 1992, vol. 3, pp. 864-875.
16. Shie-Jue, L. and Chen-Sen, O. A neuro-fuzzy system modeling with self-constructing rule generation and hybrid SVD-based learning, IEEE Transactions on Fuzzy Systems, 2003, vol. 11, pp. 341-353.
17. Lina, L. and Yang, Y. Self-adaptive modeling method based on T-S fuzzy RBF NN and its application, 3rd International Conference on Advanced Computer Theory and Engineering (ICACTE), 2010, pp. V4-48-V4-52.
18. Amiri, B., Fathian, M., and Maroosi, A. Application of shuffled frog-leaping algorithm on clustering, The International Journal of Advanced Manufacturing Technology, 2009, vol. 45, pp. 199-209.
19. Thai-Hoang, H. A modified shuffled frog leaping algorithm for optimal tuning of multivariable PID controllers, IEEE International Conference on Industrial Technology, 2008, pp. 1-6.
Рецензия
Для цитирования:
Рахмати С., Кианфар К., Калат А. Определение местоположения по данным гравитационного градиентометра с применением нейро-нечеткого моделирования. Гироскопия и навигация. 2014;22(4):85-98. https://doi.org/10.17285/0869-7035.2014.22.4.085-098
Просмотров:
24
JATS XML
Послать статью по эл. почте 