GNSS失锁下Tent-ASO-BP辅助GNSS/INS松组合导航算法

doi:10.16452/j.cnki.sdkjzk.2024.06.003

山东科技大学学报（自然科学版） ›› 2024, Vol. 43 ›› Issue (06) : 24 -33. DOI: 10.16452/j.cnki.sdkjzk.2024.06.003

柳絮, 王坚, 肖星星, 郭楠

作者信息 +

Author information +

文章历史 +

PDF (3631K)

摘要

GNSS/INS松组合导航是目前应用最广泛的车载导航系统之一，但在长隧道、地库等遮蔽区域，卫星信号长时间失锁导致定位精度显著下降。本研究提出一种Tent-ASO-BP辅助的GNSS/INS松组合导航算法。首先，结合混沌帐篷映射(Tent)改进的原子搜索算法(ASO)优化BP神经网络模型的权值及阈值，构建Tent-ASO-BP智能预测模型；然后，利用开阔环境下GNSS/INS导航数据训练Tent-ASO-BP智能模型，在GNSS隧道失锁环境下利用自主学习后的Tent-ASO-BP模型预测隧道内的位置参数；最后，利用车载实测数据进行验证。结果表明，Tent-ASO-BP预测模型总体精度明显高于GNSS/INS松组合模型精度，Tent-ASO-BP预测模型的水平方向误差为15.439 4 m; GNSS/INS松组合误差为20.429 2 m,水平精度提升了24.42%,预测模型能够有效解决卫星信号长时间失锁时GNSS/INS松组合导航连续高精度定位难题。