[发明专利]基于机器学习的车载导航方法、装置和计算机设备

权利要求书

1.一种基于机器学习的车载导航方法，其特征在于，所述方法包括：

(1)建立VDM辅助的IMU误差修正模型；

(2)建立BDS/IMU/VDM组合导航模型；

(3)当BDS处于正常导航状态时，建立机器学习训练模型，得到训练后的机器学习模型；其中，将IMU经过力学编排及VDM修正得到的位置和速度作为训练输入样本，BDS/IMU/VDM组合滤波输出作为输出样本；

(4)当BDS处于失锁状态时，基于所述训练后的机器学习模型预测滤波输出值，修正IMU/VDM解算的位置和速度信息。

2.根据权利要求1所述的方法，其特征在于，所述VDM辅助的IMU误差修正模型包括：

采用15维状态参数的状态方程：

式中：δr_N,δr_E,δr_D,δv_N,δv_E,δv_D,δψ_N,δψ_E,δψ_D为位置、速度、姿态在三个方向上的误差；为加速度计在三个方向上的零偏；ε_bx,ε_by,ε_bz为陀螺在三个方向上的零偏；

对应的第k时刻的状态方程离散化表达式为：

x_k＝Φ_k,k+1x_k-1+w_k，w_k～N(0,Q_k)

式中，N是w_k服从(0,Q_k)分布的专用符号，Φ_k,k+1为误差量的状态转移矩阵，Q_k为状态方程的噪声方差阵；

车辆动力学模型提供车辆位置和行驶方向的速度，当轮胎不发生侧滑时，与车辆行驶方向的垂直方向速度与噪声的关系用非完整性约束模型表示为：

式中，V_by，V_bz为车辆在载体坐标系中垂直于车辆行驶方向的速度分量，v_y，v_z均为对应的高斯白噪声，则根据车辆动力学模型得到的速度观测量表示为：

V_bx为载体坐标系下X方向速度分量；为载体系b到导航系n的方向余弦矩阵；

动力学辅助的IMU误差修正模型的观测量表示如下：

式中，P_INS与V_INS分别表示经IMU计算的位置和速度信息，P_VDM,V_VDM分别表示经VDM计算的位置和速度信息；

对应的观测方程离散化表达式为：

z_k＝H_kz_k+v_k

式中，H_k为观测系数矩阵，v_k为观测噪声系数。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于所述状态方程和所述观测方程，构建卡尔曼滤波，预测过程表示如下：

式中，表示k时刻的状态先验估值，表示k-1时刻的状态估值，与分别为与的方差阵，Φ_k,k+1为k时刻的误差量的状态转移矩阵，Q_k-1为k-1时刻的状态方程的噪声方差阵；相应的量测更新过程表示为：

其中，K_k为滤波增益矩阵，R_k为测量噪声协方差阵，H_k为观测系数矩阵，经过上述卡尔曼滤波过程，获取误差状态的最优估值，修正IMU的各项状态参数。