基于GA-BP神经网络的BDS轨道误差模型研究

发布时间：2024-03-27 20:17

　　在对导航卫星轨道误差数据进行研究时发现,卫星广播星历轨道误差客观存在着一些不确定性的规律现象,针对这一无法用现有确定性模型表示的误差信息,建立了基于遗传算法优化BP神经网络的轨道误差预测模型。利用遗传算法来全局寻优BP神经网络的初始权值与阈值,同时根据广播星历解算出的卫星位置和速度,结合参考时刻及摄动改正项对神经网络进行训练和测试。试验结果表明,上述模型能较好的预测轨道误差,应用该模型进行卫星轨道解算时能有效提高轨道精度,降低轨道误差。

【文章页数】：5 页

【部分图文】：

图1广播星历轨道误差在10天内的变化情况

不失一般性,本文选取了4号、10号、13号北斗卫星分别代表GEO、IGSO、MEO三种轨道类型卫星的广播星历轨道预报误差在十天内的变化情况,如图1所示。从图中可以看出轨道误差表现出出一种周期性变化的特点,同时这种周期性的特点又包含有噪声干扰,目前还无法用现有的数学模型来精确描述它....

图2BPNN模型结构图

BPNN(backpropagationneuralnetwork)是一种多层前馈神经网络。如图2所示,BP神经网络是具有至少三层神经元的神经网络数学模型,主要分为三部分:输入层、隐含层和输出层。前后层之间全部连接,相同层的神经元之间互相不连接。当训练样本提供给输入层的神经....

图3GA-BPNN模型流程图

5)神经网络模型训练。利用上一步得到的权值和阈值,可以输入样本数据来对GA-BPNN模型进行训练,整个训练流程图如图3所示。4试验验证

图4不同模型下轨道误差预测情况

试验数据选取10号星2017年11月5日至11月15日共10天的BDS广播星历和精密星历。每隔1小时采样一组数据,这10天的数据分为两部分:前9天数据作为训练样本,第10天的数据作为测试样本。在试验中除了有第2节提到的传统BPNN模型和GA-BPNN模型之外,还加入了添加摄动改正....

本文编号：3940438