| Authors | محمود صالحی مزرعه اخوند,سیدعلی ظهیری پور,علیرضا فرجی ارمکی |
|---|
| Journal | محاسبات نرم |
|---|
| Paper Type | Full Paper |
|---|
| Published At | 1404/08/05 |
|---|
| Journal Grade | Scientific - research |
|---|
| Journal Type | Electronic |
|---|
| Journal Country | Iran, Islamic Republic Of |
|---|
| Journal Index | ISC |
|---|
| Keywords | فیلتر کالمن تطبیقی بهبودیافته (IAKF), الگوریتم ژنتیک (GA), سامانه ناوبری یکپارچه (INS/GNSS), بهینهسازی, وسایل نقلیه متصل و خودران (Cav). |
|---|
Abstract
با پیشرفت سریع فناوری وسایل نقلیه خودران و متصل (CAV)، دقت موقعیتیابی به یکی از الزامات حیاتی سامانههای ناوبری تبدیل شده است. سامانههای موقعیتیابی مانند سامانه ناوبری ماهوارهای جهانی و سامانه ناوبری اینرسی در محیطهای شهری با چالشهایی مانند مسدود شدن سیگنالهای سامانه ناوبری ماهوارهای جهانی و تجمع خطای زمانی در سامانه ناوبری اینرسی مواجه هستند. فیلتر کالمن استاندارد و روشهای تطبیقی مانند فیلتر کالمن تطبیقی و فیلتر کالمن تطبیقی مبتنی بر نوآوری قادر به کاهش تأثیر دادههای ناهنجار و جلوگیری از واگرایی فیلتر در شرایط اختلال سیگنال سامانه ناوبری جهانی نیستند. این مقاله یک روش بهبودیافته به نام فیلتر کالمن تطبیقی مبتنی بر نوآوری بهینهشده با الگوریتم ژنتیک پیشنهاد میدهد که شامل دو مرحله است: (۱) استفاده از فیلتر کالمن تطبیقی مبتنی بر نوآوری برای بهروزرسانی تطبیقی ماتریس کوواریانس نویز اندازهگیری بهصورت برخط و تشخیص دادههای ناهنجار با آزمون کایدو ؛ (۲) بهینهسازی دقیقتر ماتریس کوواریانس نویز اندازهگیری با الگوریتم ژنتیک. این روش قادر است تأثیر دادههای ناهنجار را کاهش دهد و پایداری فیلتر را در برابر تغییرات نویز محیطی افزایش دهد. نتایج شبیهسازی نشان میدهد که روش فیلتر کالمن تطبیقی مبتنی بر نوآوری بهینهشده با الگوریتم ژنتیک نسبت به فیلتر کالمن استاندارد، فیلتر کالمن تطبیقی و فیلتر کالمن تطبیقی مبتنی بر نوآوری عملکرد بهتری در کاهش خطای موقعیتیابی و حفظ پایداری فیلتر در شرایط چالشبرانگیز محیطهای شهری ارائه میدهد. این بهبود نشاندهنده توانایی فیلتر کالمن تطبیقی مبتنی بر نوآوری بهینهشده با الگوریتم ژنتیک در افزایش دقت موقعیتیابی و حفظ پایداری فیلتر در سامانههای ناوبری تلفیقی است.
