GPS 중단 시 저비용 GPS/INS 통합 항법 시스템을 위한 새로운 하이브리드 융합 알고리즘

GPS 중단 시에도 신뢰할 수 있는 저비용 위치 해결책을 달성하는 것은 GPS/관성 항법 시스템(INS)의 주요 도전 과제입니다. GPS 중단을 해결하기 위해 새로운 GPS/INS 하이브리드 방법이 제안됩니다. 첫째, IMU 원시 측정값의 불확실한 노이즈를 줄이고 후속 GPS/INS 데이터 융합 및 훈련 샘플을 위한 정확한 정보를 제공하기 위해 웨이브렛 디노이징을 위한 경험적 모드 분해(EMD) 기반 데이터 전처리 알고리즘이 개발되었습니다. 그런 다음, 칼만 필터 출력의 강건성과 모델 훈련 목표 출력의 정확성을 개선하기 위해 상호 다중 모델 확장 칼만 필터(IMM-EKF) 알고리즘이 제안됩니다. 마지막으로, 극한 학습 기계(ELM)를 기반으로 한 새로운 GPS/INS 지능형 구조가 제안됩니다. GPS가 사용 가능한 경우, IMM-EKF를 사용하여 GPS와 디노이즈된 INS 데이터를 융합하며, 디노이즈된 INS 데이터와 IMM-EKF의 출력을 사용하여 ELM을 훈련합니다. GPS 중단 시, ELM을 사용하여 INS 위치 오류를 예측하고 수정합니다. 제안된 방법의 효과를 평가하기 위해 실제 현장 테스트에서 3회의 테스트가 수행되었습니다. 비교 결과는 제안된 융합 방법이 GPS 중단 시 위치 정확도와 신뢰성을 크게 향상시킬 수 있음을 보여줍니다.