收录:
摘要:
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.
关键词:
通讯作者信息:
电子邮件地址: