بهبود تلفیق داده های سیستم ناوبری اینرسی ارزان قیمت و ماهواره ای با استفاده از شبکه عصبی GMDH

امروزه رویکرد تلفیق داده های سامانه ناوبری اینرسی ارزان قیمت و ماهواره ای به منظور بالابردن دقت و قابلیت اطمینان مرسوم شده است. خوداتکایی، نرخ بالای تعیین داده ها، ارائه داده های دورانی و البته محدودیت کاهش دقت با گذشت زمان در سامانه های ناوبری اینرسی و همچنین، نرخ پایین داده ها، ارائه نشدن داده های دورانی و انسداد یا اختلال در دریافت داده های GNSS، توفیق روزافزون این رویکرد را سبب شده است. همچنین، روش های تلفیقی مبتنی بر فیلتر کالمن، با محدودیت هایی نظیر وابستگی به مدل، ضرورت در اختیار داشتن دانش پیشین، خطی سازی و از همه مهم تر کاهش کارآیی در زمان قطع شدن سیگنال های GNSS مواجه اند. هدف این مقاله، معرفی یک روش تلفیقی هوشمند برخط، با قابلیت اطمینان بالاست؛ به گونه ای که در شرایط قطع شدن یا اختلال در سیگنال های GNSS نیز کارآیی خود را حفظ کند. نتایج شبیه سازی ها با شبکه عصبی GMDH و مقایسه آن با روش مرسوم فیلتر کالمن و شبکه های عصبی MLP و RBF نشان می دهند شبکه GMDH می تواند به دلیل سرعت و قابلیت بالا در تخمین و تصحیح خطای INS (ناشی از ساختار ساده و حذف نرون های غیرفعال با انتخاب روشی موثر برای آموزش)، در عملیات ناوبری به صورت برخط و برای شرایط اجتناب ناپذیر در دسترس نبودن داده های GNSS استفاده شود.