摘要：针对惯性导航系统（INS）中加速度计、陀螺仪测量误差随时间积累的问题,提出了一种基于内核模糊C均值的无监督广度优先搜索聚类算法（RUCM）,用于INS模块采集数据的去噪及其运动阶段的分类划分。RUCM通过广度优先搜索方法遍历相邻的数据,使用阈值确定聚类数目,同时引入高斯核函数提高RUCM对噪声和异常点干扰的鲁棒性,并验证了其收敛性和鲁棒性。最后,在基于MEMS的INS模块实物系统中验证了该算法,结果表明所提出的方法能够提高随机采样INS数据的聚类性能,抑制了噪声干扰,使其INS运动阶段的聚类划分更加清晰与明确。

关键词：内核模糊c均值聚类 鲁棒性分析 广度优先搜索 惯性导航系统 

单位：上海大学机电工程与自动化学院上海市电站自动化技术重点实验室 上海200072 鲁东大学信息与电气工程学院 烟台264025