امیر ابراهیمی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
مریم صادقی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
محسن نژادشاهبداغی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
سید محمدرضا موسوی میرکلایی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، نارمک، تهران ۱۳۱۱۴-۱۶۸۴۶، ایران
الهه سادات عبدالکریمی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

با توجه به اهمیت دقت ناوبری در کاربردهایی با سرعت بالا، اغلب سامانه ناوبری اینرسی (INS) را با یکی از سامانه های ناوبری ماهواره ای تلفیق می کنند. در یکی از انواع این روش ها که در آن INS با GPS تلفیق می شود، مسئله ی قطعی GPS یک چالش مهم و غیرقابل اجتناب است. مضاف بر قطعی GPS، استفاده از حسگرهای ارزان قیمت میکرو الکترومکانیکی (MEMS) در INS، که دارای کیفیت پایین بوده و خروجی نویزی دارند، دقت ناوبری خالص INS را به شدت کاهش داده و با طولانی شدن قطعی GPS، آن را به واگرایی می کشاند. در این مقاله با استفاده از هوش مصنوعی، ناوبری INS/GPS را در زمان قطعی GPS بهبود داده ایم. بدین صورت که بلوک هوشمند، خروجی INS را در زمان t-۱ و t-۲ دریافت می کند، لذا ورودی آن شامل اطلاعات مکانی و زمانی INS می باشد. خروجی بلوک هوشمند نیز مبین خروجی GPS در زمان t است. در طول مدتی که GPS در دسترس است، بلوک هوشمند در فاز آموزش است. در این فاز، خروجی بلوک هوشمند با مقدار مطلوب، که همان خروجی GPS می باشد، مقایسه می شود. در زمان قطعی GPS، عملا بلوک هوشمند خروجی INS را به سمت خروجی GPS میل می دهد. به منظور سنجش این رویکرد و نیز مقایسه دقت تخمین تعدادی از سامانه های هوشمند متفاوت، در پنج روش مختلف، از شبکه های عصبی MLP، RBF، SVR، موجک و نیز سامانه استنتاج فازی-عصبی تطبیقی به عنوان بلوک هوشمند استفاده کرده ایم. همچنین داده-هایی که در این مقاله برای سنجش روش های بیان شده، استفاده شده است، از یک محیط واقعی توسط یک مینی هواپیما جمع آوری شده است. نتایج به دست آمده برای هر پنج روش، نشان دهنده ی آن است که ناوبری تحت این رویکرد در زمان قطعی GPS، نسبت به ناوبری خالص INS به صورت چشم گیری بهبودیافته است. در میان پنج بلوک هوشمند نیز، شبکه عصبی موجک توانسته است حدودا بیش از ۳۰ درصد نسبت به دیگر روش ها دقت داشته باشد.

ناوبری, GPS, قطعی, INS, هوش مصنوعی, شبکه عصبی, ANFIS