论文部分内容阅读
针对列车在卫星信号失锁情况下定位精度低的问题,提出1种基于灰色模型(GM(1,1))和长短时记忆网络(LSTM)的全球定位系统(GPS)与捷联惯性导航系统(SINS)组合定位方法:使用GM(1,1)模型对传感器原始数据进行粗预测,以降低数据存在的误差;然后利用LSTM网络进行网络训练,并利用训练好的网络预测GPS信号失锁情况下的列车位置序列;最后通过模拟列车运行,分析不同参数对网络训练的影响,并且从模型输出对单个特征的预测效果的角度出发,与GM(1,1)-BP神经网络预测结果进行对比。结果表明,在G