|
|
Neural Networks in Inertial Navigation Systems
Tejmlová, Lenka ; Ochodnický,, Ján (referee) ; Masopust, Jiří (referee) ; Šebesta, Jiří (advisor)
Disertační práce je zaměřena na oblast inerciálních navigačních systémů a systémů, které pro odhad polohy používají pouze výpočty. Důležitým faktem v dané problematice je vysoká nepřesnost určení polohy při střednědobém a dlouhodobém využívání takového systému díky kumulativní chybě za předpokladu, že inerciální systém není podpořen žádným dalším přídavným systémem. V disertační práci jsou uvedeny možné přístupy k této problematice a návrh na zvýšení přesnosti určování polohy pouze na základě inerciálních senzorů. Základem inerciální měřicí jednotky je systém s 9 stupni volnosti, který umožňuje snímat celkové zrychlení, rychlost rotace a sílu magnetického pole, jednotlivě ve třech osách. Klíčovou myšlenkou je zařazení umělých neuronových sítí do navigačního systému tak, že jsou schopny rozpoznat charakteristické rysy pohybů, a tím zvýšit přesnost určení polohy. Popis navrhovaných metod zahrnuje analytický postup jejich vývoje a tam, kde je to možné, i analytické hodnocení jejich chování. Neuronové sítě jsou navrhovány v prostředí MATLABTM a jsou používány k určení stavu inerciální jednotky. Díky implementaci neuronových sítí lze určit pozici jednotky s řádově vyšší přesností. Aby byl inerciální polohovací systém s možností využití neuronových sítí demonstrativní, byla vyvinuta aplikace v prostředí Qt. Navržený systém a neuronové sítě byly použity při vyhodnocování reálných dat měřených senzory.
|
|
|
Neural Networks in Inertial Navigation Systems
Tejmlová, Lenka ; Ochodnický,, Ján (referee) ; Masopust, Jiří (referee) ; Šebesta, Jiří (advisor)
Disertační práce je zaměřena na oblast inerciálních navigačních systémů a systémů, které pro odhad polohy používají pouze výpočty. Důležitým faktem v dané problematice je vysoká nepřesnost určení polohy při střednědobém a dlouhodobém využívání takového systému díky kumulativní chybě za předpokladu, že inerciální systém není podpořen žádným dalším přídavným systémem. V disertační práci jsou uvedeny možné přístupy k této problematice a návrh na zvýšení přesnosti určování polohy pouze na základě inerciálních senzorů. Základem inerciální měřicí jednotky je systém s 9 stupni volnosti, který umožňuje snímat celkové zrychlení, rychlost rotace a sílu magnetického pole, jednotlivě ve třech osách. Klíčovou myšlenkou je zařazení umělých neuronových sítí do navigačního systému tak, že jsou schopny rozpoznat charakteristické rysy pohybů, a tím zvýšit přesnost určení polohy. Popis navrhovaných metod zahrnuje analytický postup jejich vývoje a tam, kde je to možné, i analytické hodnocení jejich chování. Neuronové sítě jsou navrhovány v prostředí MATLABTM a jsou používány k určení stavu inerciální jednotky. Díky implementaci neuronových sítí lze určit pozici jednotky s řádově vyšší přesností. Aby byl inerciální polohovací systém s možností využití neuronových sítí demonstrativní, byla vyvinuta aplikace v prostředí Qt. Navržený systém a neuronové sítě byly použity při vyhodnocování reálných dat měřených senzory.
|
guest ::
