Ứng dụng mạng nơ ron nhân tạo để nâng cao độ chính xác xác định các tham số vị trí, tốc độ cho thiết bị mang

49 lượt xem

Các tác giả

  • Hoàng Văn Long Viện Khoa học và Công nghệ quân sự
  • Trần Đức Thuận Viện Khoa học và Công nghệ quân sự
  • Nguyễn Quang Vịnh Viện Khoa học và Công nghệ quân sự
  • Nguyễn Đức Ánh (Tác giả đại diện) Trường Đại học Phòng cháy Chữa cháy

DOI:

https://doi.org/10.54939/1859-1043.j.mst.CAPITI.2024.182-188

Từ khóa:

Hệ thống tích hợp GPS/INS; Trí tuệ nhân tạo; Mất GPS.

Tóm tắt

 Bài báo trình bày phương pháp ứng dụng bộ lọc Kalman phi tuyến mở rộng nhằm kết hợp các thông tin đo được từ con quay tốc độ góc với từ kế và gia tốc kế và thông tin định vị vệ tinh để ước lượng các tham số Rodrig-Haminton, vị trí và tốc độ của phương tiện mang. Ngoài ra, bài báo còn trình bày phương pháp để nâng cao hiệu suất của hệ thống định vị toàn cầu tích hợp và hệ thống dẫn đường quán tính (GPS/INS) trong thời gian ngừng hoạt động của GPS, một thuật toán kết hợp mới được đề xuất để cung cấp thông tin vị trí và tốc độ ảo nhằm hỗ trợ hệ thống định vị tích hợp, đó là ứng dụng mạng nơ ron nhân tạo ANN để cải thiện độ chính xác khi mất GPS. Bài báo tập trung vào cải thiện độ chính xác vị trí và tốc độ của tàu mang khi mất GPS ở thời điểm phóng thiết bị bay. Vấn đề này còn mới ở Việt Nam, và còn ít được công bố. Nhóm tác giả đề xuất giải pháp đặt con quay vi cơ đo tốc độ góc, gia tốc kế đo gia tốc biểu kiến và từ kế trên thiết bị mang kết hợp các thuật toán để giải quyết bài toán vừa nêu trên.

Tài liệu tham khảo

[1]. Bo, Fu, Liu Li, Bao Jiuhong. "GPS/INS/speed log integrated navigation system based on MAKF and priori velocity information." Information and Automation (ICIA), IEEE International Conference on. IEEE, (2013). DOI: https://doi.org/10.1109/ICInfA.2013.6720269

[2]. Grewal, Mohinder S., Lawrence R. Weill, and Angus P. Andrews. “Global positioning systems, inertial navigation, and integration”. John Wiley & Sons, (2007). DOI: https://doi.org/10.1002/0470099720

[3]. Enkhtur, Munkhzul, Seong Yun Cho, and Kyong-Ho Kim. "Modified Unscented Kalman Filter for a Multirate INS/GPS Integrated Navigation System." ETRI Journal 35.5: 943-946, (2013). DOI: https://doi.org/10.4218/etrij.13.0212.0540

[4]. Loebis D., Sutton R., Chudley J., Naeem W, “Adaptive tuning of a Kalman filter via fuzzy logic for an intelligent AUV navigation system”, Control engineering practice, 12(12), pp.1531-1539, (2004). DOI: https://doi.org/10.1016/j.conengprac.2003.11.008

[5]. Sharaf R. and Noureldin A, “Sensor integration for satellite-based vehicular navigation using neural networks”, IEEE transactions on neural networks, 18(2), pp.589-594, (2007). DOI: https://doi.org/10.1109/TNN.2006.890811

[6]. R. Sharaf, A. Noureldin, A. Osman, and N. El-Sheimy, ‘‘Online INS/GPS integration with a radial basis function neural network,’’ IEEE Aerosp. Electron. Syst. Mag., vol. 20, no. 3, pp. 8–14, (2005). DOI: https://doi.org/10.1109/MAES.2005.1412121

[7]. Abdel-Hamid, Walid, Aboelmagd Noureldin, Naser El-Sheimy. "Adaptive fuzzy prediction of low-cost inertial-based positioning errors." Fuzzy Systems, IEEE Transactions on 15.3: 519-529, (2007). DOI: https://doi.org/10.1109/TFUZZ.2006.889936

[8]. Noureldin, Aboelmagd, Ahmed Osman, Naser El-Sheimy. "A neuro-wavelet method for multi-sensor system integration for vehicular navigation." Measurement science and technology 15.2: 404, (2004). DOI: https://doi.org/10.1088/0957-0233/15/2/013

[9]. Ahmed E. MahdiORCID, Ahmed AzouzORCID, Ahmed E. AbdallaORCID and Ashraf Abosekeen. “A Machine Learning Approach for an Improved Inertial Navigation System Solution” Sensors, 22(4), 1687, (2022). https://doi.org/10.3390/s22041687 DOI: https://doi.org/10.3390/s22041687

[10]. Zhao, S.; Zhou, Y.; Huang, T. “A Novel Method for AI-Assisted INS/GNSS Navigation System Based on CNN-GRU and CKF during GNSS Outage”. Remote Sens. 14, 4494, (2022). DOI: https://doi.org/10.3390/rs14184494

[11]. Liu, Y.; Luo, Q.; Zhou, Y. “Deep Learning-Enabled Fusion to Bridge GPS Outages for INS/GPS Integrated Navigation”. IEEE Sens. J. 22, 8974–8985, (2022). DOI: https://doi.org/10.1109/JSEN.2022.3155166

[12]. M. S. Grewal, A. P. Andrews, “Kalman Filtering Theory and Practice”, Prentice Hall, (1993).

[13]. Trần Đức Thuận, Trương Duy Trung, Nguyễn Quang Vịnh, Nguyễn Sĩ Long, Trần Xuân Kiên, Bùi Hồng Huế, Nguyễn Văn Diên, “Xây dựng thuật toán xác định tham số định hướng cho phương tiện chuyển động trên cơ sở kết hợp con quay tốc độ góc với từ kế và gia tốc kế”. Tạp chí Nghiên cứu Khoa học và Công nghệ quân sự, (25), tr 7-16, (2013).

[14]. Hoàng Văn Long, Trần Đức Thuận, Nguyễn Quang Vịnh, “Ứng dụng bộ lọc Kalman phi tuyến kết hợp con quay đo tốc độ góc với gia tốc kế và từ kế xác định tham số định hướng cho thiết bị mang ở thời điểm phóng thiết bị bay”, Tạp chí Nghiên cứu Khoa học và Công nghệ quân sự, Vol.90, (2023). DOI: https://doi.org/10.54939/1859-1043.j.mst.90.2023.45-54

[15]. Simon Haykin. “Neural Networks and Learning Machines”. Pearson Education, Inc., Upper Saddle River, New Jersey 07458, (2008).

Tải xuống

Đã Xuất bản

01-04-2024

Cách trích dẫn

Hoàng Văn Long, Trần Đức Thuận, Nguyễn Quang Vịnh, và Nguyễn Đức Ánh. “Ứng dụng mạng Nơ Ron nhân tạo để nâng Cao độ chính xác xác định các Tham số vị trí, tốc độ Cho thiết bị Mang”. Tạp Chí Nghiên cứu Khoa học Và Công nghệ quân sự, số p.h CAPITI, Tháng Tư 2024, tr 182-8, doi:10.54939/1859-1043.j.mst.CAPITI.2024.182-188.