Real-Time Implementation of INS/GPS Data Fusion Utilizing Adaptive Neuro-Fuzzy Inference system
Notice bibliographique
Résumé
Presently, Kalman filter (KF) is used to fuse data from both inertial navigation systems (INS) and global positioning systems (GPS) to provide position, velocity and attitude information. However, several drawbacks associated with KF like its immunity to noise, its dependency on predefined errors models, has encouraged research activates towards investigation of other integration techniques. This study proposes and discusses the real-time implementation of adaptive neuro-fuzzy inference system (ANFIS) to fuse GPS and INS data for vehicular navigation applications. The ANFIS model is designed to process the INS position component at its input and provide the corresponding INS position error at its output. This model is based on the Tagaki-Sugeno-Kang (TSK) fuzzy logic inference system. During the availability of the GPS signal, the ANFIS module processes the INS position components and the model parameters are updated towards their optimal values while minimizing the root mean square estimation error between the ANFIS output and the difference between the GPS and INS position components. The INS error provided by the ANFIS model is continuously removed from the corresponding INS position component. The proposed method is implemented for real-time applications through a data window of appropriate size that processes the INS position component and the corresponding INS error referenced to GPS position. This window slides along the INS and the GPS data over the entire navigation mission. During the prediction mode (upon losing the GPS satellite signal), the navigation system relies on the ANFIS module to predict INS errors and remove them from their corresponding INS position components. The proposed method was examined and compared to KF when applied to Ashtech Z12 GPS receiver and a navigation-grade INS (Honeywell LRF-III) that have been utilized inside a land vehicle. The system is evaluated while considering several intentionally introduced GPS outages for periods of 20 seconds. The ANFIS-based navigation system was able to provide the vehicle position with errors, which were below 2 m. The experimental results demonstrated the advantages of the proposed AIbased INS/GPS integration techniques in regards of robustness while ensuring system position accuracy in real-time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».