[发明专利]基于SET2FNN的GPS/MEMS-INS组合导航系统定位误差预测方法

摘要

基于SET2FNN的GPS/MEMS-INS组合导航系统定位误差预测方法，步骤为：(1)当GPS/MEMS-INS组合导航系统开始工作，且GPS信号完好时，此时UKF包括两种并行工作模式：预测模式及更新模式，以MEMS陀螺输出的三轴角速度及GPS信号丢失时间作为SET2FNN的输入，以UKF两种模式下输出的位置误差之差值作为SET2FNN的期望输出，进行SET2FNN模型结构及参数的自进化实时调整更新；(2)当GPS信号丢失时，SET2FNN模型及UKF均工作于预测模式，以MEMS陀螺输出的三轴角速度及GPS信号丢失时间作为输入，利用SET2FNN模型长周期预测与UKF短周期预测动态结合的方法来预测位置误差并校正，输出校正后的组合导航系统定位结果。

主权项

基于SET2FNN的GPS/MEMS-INS组合导航系统定位误差预测方法，其特征在于步骤如下：(1)当GPS/MEMS-INS组合导航系统开始工作，且GPS信号完好时，此时UKF包括两种并行工作模式：预测模式及更新模式，以MEMS陀螺输出的三轴角速度及GPS信号丢失时间作为SET2FNN的输入，以UKF两种模式下输出的位置误差之差值作为SET2FNN的期望输出，进行SET2FNN模型结构及参数的自进化实时调整更新，对于每一时刻输入的训练样本，SET2FNN模型的自进化实时更新过程如下：(1.1)SET2FNN结构学习：对于每一时刻新输入的训练样本，以激励强度作为规则产生的准则，预先设定阈值，激励强度大于阈值则不产生新的规则；否则产生一个新的规则，并计算此时刻每个输入变量对应每个模糊集合的隶属度，若隶属度小于预先设定的隶属度阈值，则产生一个对应于此输入变量的新的模糊集合，并设置新的模糊集合的初始不确定均值和方差，即前提参数；否则采用原有的模糊集合；此外，对于新产生的规则，设定新规则对应的结论参数的初始值；(1.2)SET2FNN参数学习：对于每一时刻新输入的训练样本，在进行结构学习后，需进行参数的学习更新，采用基于规则顺序的卡尔曼滤波算法估计结论参数，然后计算训练误差，基于训练误差采用梯度下降算法调整前提参数，从而获得此时刻最优的SET2FNN模型参数；(2)当GPS信号丢失时，SET2FNN模型及UKF均工作于预测模式，以MEMS陀螺输出的三轴角速度及GPS信号丢失时间作为输入，利用SET2FNN模型长周期预测与UKF短周期预测动态结合的方法来预测位置误差并校正，输出校正后的组合导航系统定位结果。