摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 课题研究背景及意义 | 第8-9页 |
1.2 列车组合定位系统的发展现状 | 第9-13页 |
1.2.1 惯性导航技术的发展现状 | 第9-10页 |
1.2.2 北斗导航技术的发展现状 | 第10-11页 |
1.2.3 列车组合导航定位系统的发展现状 | 第11-13页 |
1.3 论文内容安排及解决的问题 | 第13-14页 |
第二章 北斗卫星导航系统与惯性导航系统 | 第14-36页 |
2.1 导航坐标系 | 第14-17页 |
2.1.1 地球参数的确立 | 第14-15页 |
2.1.2 几种常见坐标系 | 第15页 |
2.1.3 导航坐标系转换 | 第15-17页 |
2.2 北斗导航定位系统 | 第17-20页 |
2.2.1 北斗导航定位系统简介 | 第17-18页 |
2.2.2 北斗卫星导航系统的组成 | 第18-19页 |
2.2.3 北斗卫星导航系统的定位原理 | 第19-20页 |
2.2.4 北斗导航系统误差来源 | 第20页 |
2.3 惯性导航定位系统 | 第20-32页 |
2.3.1 惯性导航定位系统工作原理 | 第21-22页 |
2.3.2 惯性导航定位系统分类 | 第22-28页 |
2.3.3 惯性导航系统误差方程 | 第28-29页 |
2.3.4 惯性器件模型及仿真设计 | 第29-31页 |
2.3.5 惯性系统误差模型 | 第31-32页 |
2.4 组合定位模式 | 第32-35页 |
2.4.1 松组合导航列车定位原理 | 第32-33页 |
2.4.2 紧密组合导航列车定位原理 | 第33-34页 |
2.4.3 深组合导航列车定位原理 | 第34-35页 |
本章小结 | 第35-36页 |
第三章 RBF优化的卡尔曼滤波算法 | 第36-47页 |
3.1 径向基神经网络 | 第36-40页 |
3.1.1 径向基神经网络简介 | 第36页 |
3.1.2 径向基神经网络结构 | 第36-37页 |
3.1.3 径向基神经网络模式 | 第37-38页 |
3.1.4 RBF网络学习算法 | 第38-40页 |
3.2 卡尔曼滤波算法 | 第40-42页 |
3.3 RBF优化的卡尔曼滤波 | 第42-46页 |
3.3.1 RBF优化的卡尔曼滤波算法 | 第42-44页 |
3.3.2 实验仿真 | 第44-46页 |
本章小结 | 第46-47页 |
第四章 基于RBF-KF列车定位方法 | 第47-58页 |
4.1 BDS/INS组合导航系统 | 第47-53页 |
4.1.1 BDS/INS组合导航系统可行性分析 | 第47页 |
4.1.2 列车整体组合导航系统结构设计 | 第47-48页 |
4.1.3 BDS/INS组合列车定位系统数学模型 | 第48-50页 |
4.1.4 实验仿真分析 | 第50-53页 |
4.2 基于RBF-KF的DR盲区定位 | 第53-57页 |
4.2.1 航位推算原理 | 第53-54页 |
4.2.2 DR定位设计 | 第54页 |
4.2.3 DR定位实验仿真 | 第54-57页 |
本章小结 | 第57-58页 |
第五章 BDS/INS/DR组合导航定位的融合算法 | 第58-67页 |
5.1 数据融合的概念 | 第58-59页 |
5.2 列车组合导航系统数据融合方法 | 第59-63页 |
5.3 基于RBF自适应动态信息分配因子 | 第63-64页 |
5.4 组合列车定位系统仿真分析 | 第64-66页 |
本章小结 | 第66-67页 |
结论 | 第67-68页 |
参考文献 | 第68-72页 |
攻读硕士学位期间发表的学术论文 | 第72-73页 |
致谢 | 第73页 |