GPS信号失锁下的列车组合定位方法

针对列车在卫星信号失锁情况下定位精度低的问题,提出1种基于灰色模型(GM(1,1))和长短时记忆网络(LSTM)的全球定位系统(GPS)与捷联惯性导航系统(SINS)组合定位方法:使用GM(1,1)模型对传感器原始数据进行粗预测,以降低数据存在的误差;然后利用LSTM网络进行网络训练,并利用训练好的网络预测GPS信号失锁情况下的列车位置序列;最后通过模拟列车运行,分析不同参数对网络训练的影响,并且从模型输出对单个特征的预测效果的角度出发,与GM(1,1)-BP神经网络预测结果进行对比。结果表明,在GPS信号失锁情况下,GM(1,1)-LSTM网络预测的定位结果误差较小,能够满足列车定位的要求。

3D RISS/GPS组合导航在卫星失锁下的定位精度分析

针对车辆组合导航在卫星信号失锁条件下定位精度较低的问题,提出了一种输出校正和反馈校正同时进行的三维简化惯性传感器系统(3D RISS)/全球定位系统(GPS)组合导航模型。该模型在卫星信号正常的时候进行3D RISS和GPS的组合导航,由扩展卡尔曼滤波对二者的输出进行融合,并通过输出校正和反馈校正同时进行的方式得到当前的位置、姿态、速度以及传感器误差等信息,在卫星信号失锁后切换至3DRISS自主导航,并补偿之前所估计的传感器误差。实验结果表明,该组合导航模型可以保证车辆在卫星信号正常和失锁阶段都有较高的定位精度。