بهبود تلفيق داده‌هاي سيستم ناوبري اينرسي ارزان قيمت و ماهواره‌اي با استفاده از شبكه عصبي GMDH

امروزه رويكرد تلفيق داده‌هاي سامانۀ ناوبري اينرسي ارزان قيمت و ماهواره‌اي به‌منظور بالابردن دقت و قابليت اطمينان مرسوم شده است. خوداتكايي، نرخ بالاي تعيين داده‌ها، ارائۀ داده‌هاي دوراني و البته محدوديت كاهش دقت با گذشت زمان در سامانه‌هاي ناوبري اينرسي و همچنين، نرخ پايين داده‌ها، ارائه‌نشدن داده‌هاي دوراني و انسداد يا اختلال در دريافت داده‌هاي GNSS، توفيق روزافزون اين رويكرد را سبب شده است. همچنين، روش‌هاي تلفيقي مبتني بر فيلتر كالمن، با محدوديت‌هايي نظير وابستگي به مدل، ضرورت در اختيار داشتن دانش پيشين، خطي‌سازي و از همه مهم‌تر كاهش كارآيي در زمان قطع‌شدن سيگنال‌هاي GNSS مواجه‌اند. هدف اين مقاله، معرفي يك روش تلفيقي هوشمند برخط، با قابليت اطمينان بالاست؛ به‌گونه‌اي‌كه در شرايط قطع‌شدن يا اختلال در سيگنال‌هاي GNSS نيز كارآيي خود را حفظ كند. نتايج شبيه‌سازي‌‌ها با شبكه ‌عصبي GMDH و مقايسۀ آن با روش مرسوم فيلتر كالمن و شبكه‌هاي‌ عصبي MLP و RBF نشان مي‌دهند شبكۀ‌ GMDH مي‌تواند به‌دليل سرعت و قابليت بالا در تخمين و تصحيح خطاي INS (ناشي از ساختار ساده‌ و حذف نرون‌هاي غيرفعال با انتخاب روشي مؤثر براي آموزش)، در عمليات ناوبري به‌صورت برخط و براي شرايط اجتناب‌ناپذير در دسترس نبودن داده‌هاي GNSS استفاده شود.