[发明专利]基于自学习多速率残差校正的偏振光惯性严密组合导航方法

权利要求书

1.一种基于自学习多速率残差校正的偏振光惯性严密组合导航方法，其特征在于，包括以下步骤：

(1)利用偏振光导航系统解算出载体体轴相对于太阳子午线的方位角，作为观测量；同时利用惯性导航系统解算出载体体轴相对于太阳子午线的方位角，作为状态量；将观测量与状态量输入基于多速率残差校正的容积卡尔曼滤波器，进行数据的差速融合；

(2)当偏振光导航系统正常工作时，将计时器输出的时间信息、惯性导航系统输出的Z轴角速率与偏振光导航系统解算出的数据作为训练样本，对长短时记忆神经网络进行训练；

(3)当偏振光导航系统不可正常工作时，利用训练完成的长短时记忆神经网络根据计时器输出的时间信息与惯性导航系统输出的Z轴角速率预测得出偏振光导航系统的预测数据，将偏振光导航系统的预测数据与惯性导航系统解算出的数据进行融合；

(4)将融合后得到的载体体轴相对于太阳子午线的方位角，与天文公式进行结合，转化为绝对航向信息。

2.根据权利要求1所述的基于自学习多速率残差校正的偏振光惯性严密组合导航方法，其特征在于，步骤(1)中，基于多速率残差校正的容积卡尔曼滤波器的滤波过程为：当状态量与观测量同时输入时，进行完整的滤波操作，既进行时间更新也进行观测更新；当在高频惯性导航系统解算出的数据输出间隔时，只进行时间更新，并使用估计的残差对滤波状态量进行校正。

3.根据权利要求1或2所述的基于自学习多速率残差校正的偏振光惯性严密组合导航方法，其特征在于，步骤(2)训练的过程为：将计时器输出的时间信息、惯性导航系统输出的Z轴角速率以及偏振光导航系统解算出的数据作为训练样本，输入到长短时记忆神经网络中存储单元的输入门中进行训练，经过输出门和遗忘门的解算后，输出为偏振光导航系统的预测数据。

4.根据权利要求1或2所述的基于自学习多速率残差校正的偏振光惯性严密组合导航方法，其特征在于，步骤(3)的具体方法为：

当偏振光导航系统不可正常工作时，将计时器输出的时间信息与惯性导航系统输出的z轴角速率同时输入给训练好的长短时记忆神经网络，对偏振光导航系统的数据进行预测，并将得到的偏振光导航系统的预测数据与惯性导航系统解算出的数据进行同频率数据融合，得到融合后载体体轴相对于太阳子午线的方位角，实现载体的高精度导航信息获取。