本文提出了一种GPS停运期间的全球定位系统(GPS)/惯性导航系统(INS)的双模型解决方案,该解决方案与多衰减因子库曼卡尔曼滤波器(MDF-CKF)和随机森林(RF)集成在一起。用于建模和补偿速度和定位误差。 所提出的解决方案的突出优点包括:1)通过提出的MDF-CKF方法抑制了滤波器的发散并提高了鲁棒性; 2)基于RF的对偶模型的误差补偿精度高于基于常规人工神经网络的误差补偿精度。单一模型。 提出的解决方案的过程包括:1)当GPS信号有效时,将提出的MDF-CKF算法用于GPS / INS信息融合; 2)同时,来自IMU和INS的速度,加速度和比力数据分别用于训练RF; 3)当GPS发生故障时,基于RF的双重模型可预测位置和速度误差。 实验结果表明:1)与传统算法相比,提出的MDF-CKF在位置估计精度上的最大提高为83.6%; 2)基于RF的对偶模型比径向基函数和仅INS模式可有效抑制发散; 3)在误差建模和补偿方面,双重模型的性能优于单一模型。