车载定位定向导航系统检测仪的设计与实现

4.2功能模块的设计  

为了便于开发、调试、升级和维护,软件采用了模块化的设计思想,整个软件主要由四个窗体和六个标准模块组成。窗体包括展示窗体、功能选择窗体、导航窗体和检测窗体;标准模块 是检测仪完成各项任务的功能模块,包括CRC校验码计算模块、通信模块、坐标变换模块、数据拆分模块、数据库管理模块和检测数据处理模块等。CRC校验码计算模块用于生成串行通信校验码;通信模块的作用是利用Visual Basic中串行通信控件"MSComm"的"input"和"output"属性和"OnComm"事件完成数据的收发任务;坐标变换模块负责把54坐标转换为地心经纬度坐标;数据拆分模块可把整型数据拆分为字节型数据,以便于通过串口发送;数据库管理模块根据需要把检测的数据保存在数据库中;检测数据处理模块为整个软件的核心,根据检测数据的类型给出相应的处理结果。
  
4.3检测数据的处理  

为准确判断导航系统的工作状态,我们设计了基于BP神经网络的故障诊断方法,作用函数选取S型函数 。由于寻北仪中陀螺仪和加速度计正常工作时的信号均为周期信号,故这些信号可采用同一网络进行性能检测和故障诊断。检测时取得一个周期的信号,首先经过低通数字滤波器以减少、消除检测数据中干扰和噪声的影响,然后进行归一化处理。经过对试验数据的多次仿真试验,我们提取到其故障特征信号为峰值(MAX)、峭度(KUR)、标准差(STD)这三个量作为网络的输入。网络采用离线训练、在线使用的方式。  
神经网络的结构如图3所示,其中隐含层神经元个数、各个神经元上的权值和阈值均由大量试验样本数据训练得到。考虑到神经元的作用函数选为S型函数,故选取网络的输出训练样本为0.9（有故障）或0.1（无故障）。神经网络学习算法采用自适应学习率梯度下降反向传播算法,且参数每一步更新不仅考虑当前的梯度方向,而且还考虑前一时刻的梯度方向,从而降低了网络性能对参数调整的敏感性,有效地抑制了训练结果出现局部极小问题。对一个训练好的BP网络来说,根据网络的输出（out）即可判断相应的惯性部件是否工作正常。测试结果表明,采用基于BP神经网络的故障判别方法适合于车载定位定向导航系统惯性器件的故障诊断,准确率高。  


  
5、结论  

检测仪的研制成功,解决了车载定位定向导航系统在野外环境下无法进行性能测试和故障诊断的难题。它不但能快速准确地获取导航系统惯性器件的状态信息数据并完成系统的性能分析和故障诊断,还能保证导航系统的正常工作且性能指标不受影响,其工作原理为已有装备的性能检测和故障诊断提供了一种新思路。