بهبود ناوبري INS/GPS در زمان قطعي GPS با استفاده از هوش مصنوعي

با توجه به اهميت دقت ناوبري در كاربردهايي با سرعت بالا، اغلب سامانه ناوبري اينرسي (INS) را با يكي از سامانه‌هاي ناوبري ماهواره‌اي تلفيق مي‌كنند. در يكي از انواع اين روش‌ها كه در آن INS با GPS تلفيق مي‌شود، مسئله‌ي قطعي GPS يك چالش مهم و غيرقابل‌اجتناب است. مضاف بر قطعي GPS، استفاده از حسگرهاي ارزان‌قيمت ميكرو الكترومكانيكي (MEMS) در INS، كه داراي كيفيت پايين بوده و خروجي نويزي دارند، دقت ناوبري خالص INS را به‌شدت كاهش داده و با طولاني شدن قطعي GPS، آن را به واگرايي مي‌كشاند. در اين مقاله با استفاده از هوش مصنوعي، ناوبري INS/GPS را در زمان قطعي GPS بهبود داده‌ايم. بدين‌صورت كه بلوك هوشمند، خروجي INS را در زمان t1 و t2 دريافت مي‌كند، لذا ورودي آن شامل اطلاعات مكاني و زماني INS مي‌باشد. خروجي بلوك هوشمند نيز مبيّن خروجي GPS در زمان t است. در طول مدتي كه GPS در دسترس است، بلوك هوشمند در فاز آموزش است. در اين فاز، خروجي بلوك هوشمند با مقدار مطلوب، كه همان خروجي GPS مي‌باشد، مقايسه مي‌شود. در زمان قطعي GPS، عملاً بلوك هوشمند خروجي INS را به سمت خروجي GPS ميل مي‌دهد. به‌منظور سنجش اين رويكرد و نيز مقايسه دقت تخمين تعدادي از سامانه‌هاي هوشمند متفاوت، در پنج روش مختلف، از شبكه‌هاي عصبي MLP، RBF، SVR، موجك و نيز سامانه استنتاج فازيعصبي تطبيقي به‌عنوان بلوك هوشمند استفاده كرده‌ايم. همچنين دادههايي كه در اين مقاله براي سنجش روش‌هاي بيان‌شده، استفاده شده است، از يك محيط واقعي توسط يك ميني هواپيما جمع‌آوري شده است. نتايج به‌دست‌آمده براي هر پنج روش، نشان‌دهنده‌ي آن است كه ناوبري تحت اين رويكرد در زمان قطعي GPS، نسبت به ناوبري خالص INS به‌صورت چشم‌گيري بهبوديافته است. در ميان پنج بلوك هوشمند نيز، شبكه عصبي موجك توانسته است حدوداً بيش از 30 درصد نسبت به ديگر روش‌ها دقت داشته باشد.