Key points are not available for this paper at this time.
في هذه الورقة، نقترح منهجية جديدة للتموضع لتعزيز الدقة من جانبين، أي التكيف مع الضوضاء غير المؤكدة لنظام الملاحة القائم على الميكروإلكتروميكانيكية (MEMS-INS) والتنبؤ بدقة بأخطاء نظام الملاحة القائم على الجسم (INS). أولاً، يتم اقتراح مرشح كالمان تسلسلي من مرحلتين يعتمد على نموذج متعدد التفاعل (IMM) لدمج معلومات MEMS-INS ونظام المواقع العالمي (GPS) والحساسات داخل السيارة. تم بناء ثلاثة مرشحات انحياز مع مصفوفات تباين مختلفة لتغطية مجموعة واسعة من خصائص الضوضاء. بعد ذلك، يوفر خوارزمية IMM تبديلًا ناعمًا بين مرشحات الانحياز الثلاثة للتكيف مع الضوضاء غير المؤكدة لـ MEMS-INS. علاوة على ذلك، تم تطوير متنبئ مفصل للتنبؤ بدقة بأخطاء INS خلال انقطاع GPS. يتضمن المتنبئ المفصل نموذج ARIMA (نموذج الانحدار الذاتي المتكامل) المدرب عبر الإنترنت ونموذج ELM (آلة التعلم المتطرفة) المدرب خارج الإنترنت. تم تصميم نموذج ARIMA للتنبؤ بعملية تراكم الأخطاء الأساسية لنظام INS، بينما تم تصميم نموذج ELM لتصحيح الأخطاء الناجمة عن تغييرات خصائص الضوضاء. وبالتالي، يمكن تعويض أخطاء INS بشكل مناسب عندما لا تتوفر ملاحظات GPS. بشكل عام، يمكن أن تحقق المنهجية المقترحة أداءً دقيقًا عند مواجهة الضوضاء غير المؤكدة من MEMS-INS وانقطاعات GPS في نفس الوقت. للتحقق من فعالية المنهجية المقترحة، تم إجراء تجارب اختبار الطريق مع سيناريوهات قيادة متنوعة. توضح النتائج التجريبية جدوى وفعالية المنهجية المقترحة.
دراسة Xu وآخرين (Mon) هذا السؤال.