来源：期刊VIP网 时间：
作者：陈伟;郭宇;田旭;王胜博;
单位：南京航空航天大学机电学院;
摘要：针对离散制造车间各制造要素定位过程中存在非视距误差和测量系统误差的问题，提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）和门控循环单元（Gated Recurrent Unit,GRU）的超宽带数据融合定位算法。首先，对采集到的超宽带定位数据进行格式转换，以满足CNN和GRU的输入要求；其次，使用多通道CNN提取定位数据空间上的局部重要信息，并通过两层双向GRU单元挖掘数据的时序特征，在此基础上，利用集成学习思想融合局部重要特征和时序特征，以提高数据融合的定位准确度。最后，在某航天车间进行定位实例验证，实验结果表明，相较于CNN或GRU模型，所提方法在定位精度上具有更优越的性能。
关键词：离散制造车间;;超宽带室内定位;;卷积神经网络;;门控循环单元
基金资助：国防基础科研（JCKY2018203A001,JCKY2019204A004）
