论文摘要
车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统（globlal positioning system,GPS）/惯性测量单元（inertial meansurement unit,IMU）组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归（nonlinear autoregressive exogenous,NARX）神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统（inertial navigation system,INS）模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统（global navigation satellite system,GNSS）、实时动态差分技术（real-time kinematic,RTK）、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。
论文目录
文章来源
类型: 期刊论文
作者: 邓天民,杨其芝,方芳,岳云霞
关键词: 智能网联汽车,车道级定位,非线性自适应回归神经网络,扩展卡尔曼滤波
来源: 科学技术与工程 2019年24期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用
单位: 重庆交通大学交通运输学院
基金: 国家自然科学基金面上项目(51678099),重庆市科学技术委员会人才培养计划(cstc2013kjrc-qnrc0148)资助
分类号: U495
页码: 274-280
总页数: 7
文件大小: 455K
下载量: 343
相关论文文献
标签：智能网联汽车论文; 车道级定位论文; 非线性自适应回归神经网络论文; 扩展卡尔曼滤波论文;