一种基于非线性网络的惯性导航算法架构的确定方法

摘要

本发明公开了一种基于非线性网络的惯性导航算法架构的确定方法，无力学编排体现在摒弃了传统利用牛顿力学方程计算位置与速度的导航计算方式；认知主要体现在针对不同惯性器件，基于神经网络等工具，自主化建立导航计算模型。其主要优点一、精度更高，由于认知惯性导航的非线性网络模型通过大量数据分析挖掘所建立，该模型是定制化的，与原力学编排通用模型相比，能够更好的适应惯性器件，因此能够具备更高精度；优点二、能力自提升，神经网络训练模型在后台处理，随着训练数据，训练方法的优化，认知惯性导航系统能力是不断提高的，可以具备在线升级能力。

主权项

一种基于非线性网络的惯性导航算法架构的确定方法，其特征在于，包括惯性导航算法训练阶段，所述的惯性导航算法训练阶段具体包括以下步骤：(1)粗对准：确定载体坐标系与地理坐标系间的角度关系；(2)精对准：提升载体坐标系与地理坐标系间的对准精度；(3)姿态计算：基于步骤(2)中精对准的结果及陀螺测量值，计算载体姿态角和载体姿态矩阵，利用载体姿态矩阵将加速度计的测量值由载体坐标系变换至地理坐标系，得到地理坐标系加速度；(4)非线性网络模型建立：设定非线性网络中各神经元的输入输出参数及各神经元间的连接权值，完成载体的地理坐标系加速度与载体的位置变化量和速度变化量的非线性网络模型的建立；(5)非线性网络训练：在外部训练样本的驱动下不断改变非线性网络的连接权值,使非线性网络的输出不断地接近预设期望值，完成非线性网络的训练；所述的训练样本为实时差分定位模块测量的载体的位置变化量和速度变化量以及地理系加速度的三维加速度；完成基于非线性网络的惯性导航算法架构的确定。