FNN融合的GPS/SINS列车定位系统容错控制研究与验证

本文主要探讨的是"基于FNN的GPS/SINS深耦合列车组合定位系统容错控制研究"。在现代列车控制系统中，确保列车定位的精确性和可靠性至关重要，尤其是在高海拔、复杂地理环境如青藏线这样的地区。传统的GPS全球导航卫星系统(GNSS)可能因信号干扰或硬件故障而失效，这就需要引入故障容错机制来提升系统的鲁棒性。 该研究首先融合了模糊系统和神经网络（Fuzzy Rule-Based Fuzzy Neural Network, FRBFNN）这两种先进的控制理论。模糊系统以其灵活性和自适应性在处理不确定性问题上表现出色，而神经网络则擅长处理非线性关系和复杂数据。通过将二者相结合，研究人员构建了一种故障诊断模型，用于实时监测和识别列车定位系统的潜在问题。 FRBFNN模型的应用使得系统能够有效地识别和处理GPS和惯性导航系统(SINS)的异常，通过免疫差分进化理论设计的学习算法进一步优化了网络结构和参数，从而提高了定位系统的抗故障能力。这包括了故障隔离策略，能够快速定位并排除故障部分，以及系统重构机制，能在故障发生时迅速恢复服务，降低对正常运行的影响。 文章针对列车组合定位中的关键问题，定义了组合定位系统结构状态的迁移规则，确保在故障发生时，系统能够准确地从一个稳定状态过渡到另一个，同时保持定位的连续性和准确性。通过以青藏线某区间的实际运行数据进行计算机仿真实验，研究人员验证了他们提出的模型和算法在实际应用中的有效性及实用性。 这项研究对于提升列车定位系统的可靠性和鲁棒性具有重要意义，不仅适用于高铁、地铁等高速列车，也为其他依赖于精确位置跟踪的交通工具提供了有价值的技术参考。在未来，随着自动驾驶技术的发展，这样的容错控制方法将更加受到重视。