Resumen

Para la navegación autónoma de vehículos submarinos se utiliza ampliamente un sistema de navegación inercial por correa (SINS) combinado con un registro de velocidad Doppler (DVL). Que el DVL sea capaz de proporcionar mediciones continuas de la velocidad es de crucial importancia para la precisión de la navegación integrada. Teniendo en cuenta que el DVL puede fallar durante las misiones, se propone un novedoso enfoque de navegación integrada SINS/DVL basado en redes neuronales. Se emplea la red neuronal autorregresiva exógena no lineal (NARX), capaz de proporcionar predicciones fiables. Mientras el DVL está disponible, la red neuronal se entrena con la velocidad del cuerpo y su incremento a partir de las mediciones del SINS y el DVL. Una vez que el DVL falla, la red bien entrenada es capaz de predecir la velocidad que puede utilizarse para la navegación posterior. De los resultados experimentales se desprende claramente que la red neuronal es capaz de proporcionar predicciones fiables de la velocidad durante unos 200 s-300 s durante el mal funcionamiento del DVL y, por tanto, mantener la precisión a corto plazo de la navegación integrada.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:dvl, red neuronal, pecados, grado de navegación sistema de navegación inercial con correa, registro de velocidad doppler, velocidad de la estructura corporal, mediciones continuas de la velocidad, red neuronal novedosa, predicciones fiables de la velocidad, mal funcionamiento del dvl
• Keywords:dvl, neural network, sins, navigation grade strapdown inertial navigation system, doppler velocity log, body frame velocity, continuous velocity measurements, novel neural network, reliable velocity predictions, dvl malfunction