理论分析与实际应用表明,组合导航系统有效克服了单一系统的固有不足,在改善导航系统精度和实时性方面具有广阔的研究前景,而信息融合技术作为组合导航系统的关键技术,已成为国内外导航领域研究的热点.本文将基于神经网络和遗传算法的人工智能技术应用于组合导航系统的信息融合,进行了深入的理论探讨,在模拟仿真的基础上,完成了实验半物理验证,效果良好.本文主要研究内容如下:1)深入研究分析了H<,∞>鲁棒控制理论,由此推导出适合于观测方程为非线性时变的H<,∞>滤波的基本方程;仿真结果表明,在有色噪声很小的情况下,H<,∞>滤波即表现出优于Kalman滤波的性能.2)在神经网络理论的基础上,设计了适合于组合导航系统的神经网络方法.同时,深入理论分析神经网络各种因素对网络信息处理功能的影响程度,增加了3个与网络激活特性有关的参数,改善了网络激活特性,这样有助于加强神经网络自身的自适应性和学习能力.3)凭经验确定网络结构,限制了神经网络在一些领域的具体应用.根据这一缺陷,本文将网络结构扩充为待定参数,利用递阶遗传算法的结构特点,提出一种网络结构和网络参数同时优化的算法,应用于组合导航系统.4)尽管遗传算法比其它传统搜索方法具有更强的鲁棒性,但它更擅长全局搜索而局部搜索能力却不足.因此,本文以3)建立的神经网络为基础,网络结构不变,提出运用H<,∞>滤波在线精确优化与网络自适应性密切相关的剩余参数,满足网络自适应性、实时性等.5)将已经建立的算法模型应用于实验室现有系统样机进行半物理试验,对所研究的方法进行验证和完善.6)以联合卡尔曼滤波器的结构为依据,运用神经网络构成局部和综合滤波器,提出新的联合智能滤波器;同时提出一种利用神经元自适应调节分配系数的算法.