[发明专利]一种星光空白段神经网络连续导航方法及系统

说明书

技术领域

本发明涉及一种星光导航方法及系统，特别是涉及一种星光空白段神经网络连续导航方法及系统。

背景技术

利用星光折射间接敏感地平的导航方法是一种高精度的天文自主导航方法，但在星敏感器接受折射光线的过程中必然会受到日、月、地等天体本身发出的光的影响，相比于星敏感器正常捕获的星光亮度，太阳(视星等-26.78)、月球(视星等-12.7)、地气光光强都过强，这些杂光会造成星图背景增强，严重时甚至淹没星点目标，致使星敏感器测星任务失败，即产生了“星光空白段”现象，严重降低了航天器的导航精度和可靠性。

针对上述问题，现有的解决方法着重于两个方面：一是通过提高星敏感器制造工艺和结构设计水平，增加光学防护和信号处理防护，但仍难以满足杂光抑制要求。二是使航天器在遇到干扰前禁止敏感器工作，干扰结束后恢复。在此期间通过惯性导航系统或GPS导航系统进行辅助导航。其中，惯性导航系统虽然具有短时精度高的特点，但其导航定位误差随时间积累，难以长时间独立工作，初始对准时间较长，无法适应快速应用的场合；而GPS导航系统误差不随时间积累，但信号也容易受到干扰，尤其在航天器做机动时，容易丢失信息。

当前也有提出研究飞行力学导航法(FDN-FlightDynamicsNavigationMethod)的软件补偿方法，即利用最优估计理论估计出系统模型中的常值扰动误差及导航设备的误差源，并将其反馈回原系统校正，可以在不增加硬件设备的情况下明显改善导航性能，但该方法对轨道要求较高，并且只能针对常值的固有干扰有效，无法处理随机扰动。

发明内容

为克服上述现有技术存在的不足，本发明之主要目的在于提供一种星光空白段神经网络连续导航方法及系统，其利用神经网络的联想学习功能，将时间序列关系转化成一个用非线性机制确定的输入输出系统，并建立系统输入和位置修正之间的权值网络，再对权值网络进行不断地学习训练，当在航天器受到日、月、地等天体干扰没有观测信息的“星光空白段”期间，利用训练好的权值网络迭代补偿航天器的位置信息，以低成本实现了高精度的连续导航。

为达上述及其它目的，本发明提出一种星光空白段神经网络连续导航方法，包括如下步骤：

步骤一，利用神经网络的联想学习功能，将航天器导航系统中系统的状态误差修正与导航误差的时间序列关系转化成用非线性机制确定的输入输出系统；

步骤二，在该输入输出系统中引入神经网络，根据神经网络对信息有联想记忆的能力，不断从输入数据中提取特征值，并组织构造成最合适的权值网络，由此获得系统输入输出之间的规律；

步骤三，航天器在飞行过程中，当有折射星被观测时，导航系统利用折射星光进行位置解算；当在航天器受到日、月、地天体干扰没有观测信息的星光空白段期间，导航系统利用训练好的权值网络迭代补偿航天器的位置信息。

进一步地，于步骤一中，对非线性时间序列相空间重构，建立如下结构矢量作为神经网络学习的输入：

I＝[Δx₁δx₂δx₃…δx_n-1δx_n]

其中，矢量I首端为导航误差，其他δx₂δx_3…δx_n-1δx_n为一步状态误差修正。

进一步地，构建神经网络期望输出矢量d为：

d＝[δx₂δx₃δx₄…δx_n]_n-1

d_k为d的第k列，表示航天器k时刻的一步状态误差修正。

进一步地，于步骤二中，权值网络设计步骤包括：

(1)设计三层神经网络，输入层节点为30个，分别对应误差重构向量Ii，隐含层节点数在8～100，用于对输入层的数据进行相关映射，输出层节点1个，为误差修正信息；

(2)当网络输出与期望输出不等时，定义输出误差为：