طراحی یک فیلتر تلفیق غیرخطی بهینه مبتنی بر الگوریتم بهینه سازی گروه ذرات برای سیستم ناوبری تلفیقی Ins/Gps

خطای سیستم‌های ناوبری اینرسی (ins) که امروزه سیستم ناوبری پایه در بسیاری از کاربردها از جمله کاربردهای نظامی است، با زمان افزایش می یابد. بنابراین برای دستیابی به دقت و قابلیت اطمینان بالاتر مخصوصا در ناوبری‌های طولانی مدت از جمله در کاربردهای دریایی باید از یک سیستم کمکی در کنار سیستم ناوبری اینرسی استفاده شود. در این مورد، سیستم موقعیت یاب جهانی (gps) به دلیل ویژگی‌های مکمل، بهترین سیستم کمک ناوبری می باشد. در یک سیستم ناوبری تلفیقی متشکل از یک سیستم ناوبری پایه در کنار یک سیستم کمک ناوبری، فیلتر کالمن توسعه یافته (ekf) ابزاری بسیار رایج در تلفیق داده های gps و ins می باشد. با این حال ماتریس های کوواریانس نویز اندازه‌گیری و نویز فرایند دو پارامتر مهم در فیلتر کالمن هستند که تنظیم صحیح آنها در طی فرایند تخمین حالت‌های ناوبری، در کاهش خطای تخمین بسیار حائز اهمیت است. علاوه بر این از آنجا که معادلات حاکم بر سیستم اینرسی ذاتا غیر‌خطی هستند لذا فرایند خطی‌سازی در فیلتر کالمن باعث افزودن خطای ناشی از تقریب خطی‌سازی نیز می شود. از این‌رو محققین به دنبال الگوریتم‌های تلفیق جایگزین فیلتر کالمن هستند و تا کنون تحقیقات زیادی نیز در این زمینه انجام شده است. در این مقاله از یک تخمین‌گر مبتنی بر الگوریتم بهینه سازی گروه ذرات (pso) به عنوان جایگزینی برای تخمین‌گر مبتنی بر فیلتر کالمن استفاده شده است. در این روش در واقع به محض دریافت مشاهدات gps، خطای تخمین سیستم ناوبری بر اساس الگوریتم pso، کمینه می شود تا بهترین خروجی برای سیستم تخمین زده شود. نتایج شبیه‌سازی‌ها و اعمال آن‌ها به چندین پایگاه داده‌ عملی نشان می‌دهد که روش پیشنهادی، دقت تخمین حالت‌های ناوبری توسط سیستم ناوبری تلفیقی را در مقایسه با روش های معمول تلفیق از قبیل فیلتر کالمن توسعه‌یافته به میزان قابل توجهی بهبود داده است.