适于惯导系统初始对准的神经网络实时算法研究
| 外文标题 | A Real- time Neural Network Learning Algorithm Adapt to the Initial Alignment of Inertial Navigation System |
| 文献类型 | 期刊 |
| 作者 | 王新龙[1];申功勋[2];唐德麟[3] |
| 机构 | [1]北京航空航天大学,北京航空航天大学,北京航空航天大学 北京100083,北京100083,北京100083 [2]北京航空航天大学,北京航空航天大学,北京航空航天大学 北京100083,北京100083,北京100083 [3]北京航空航天大学,北京航空航天大学,北京航空航天大学 北京100083,北京100083,北京100083 ↓ |
| 来源信息 | 年:2002卷:20期:2页码范围:45-52 |
| 期刊信息 | 航天控制ISSN:1006-3242 |
| 关键词 | 神经网络;非线性系统;初始对准;卡尔曼滤波 |
| 摘要 | 通常卡尔曼滤波器被用于解决惯导系统的初始对准问题.由于卡尔曼滤波的运算时间与系统阶次的立方成正比,所以当系统阶次较高时,滤波器会失去实时性.而神经网络具有函数逼近性能,实时性又好.为此,本文研究了一种基于扩展卡尔曼滤波原理的权值更新多层神经网络学习算法,对此算法进行了详细的推证,并将该算法运用到惯导系统的初始对准过程.仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性,既真正获得了与扩展卡尔曼滤波器相同的对准精度,又大大提高了系统的实时性. |
| 收录情况 | PKU |
| 链接地址 | http://d.g.wanfangdata.com.cn/Periodical_htkz200202008.aspx |
| DOI | 10.3969/j.issn.1006-3242.2002.02.008 |
全文
影响因子：
dc:title:适于惯导系统初始对准的神经网络实时算法研究
dc:creator:王新龙;申功勋;唐德麟
dc:date: publishDate:2002-06-30
dc:type:期刊
dc:format: Media：航天控制
dc:identifier: LnterrelatedLiterature：航天控制.2002,20(2),45-52.
dc:identifier:DOI：10.3969/j.issn.1006-3242.2002.02.008
dc: identifier:ISBN:1006-3242
