[发明专利]基于INS/CNS的组合导航方法

权利要求书

1.一种基于INS/CNS的组合导航方法，其特征在于，包括以下步骤：

训练步骤：基于天文导航系统实际输出数据进行拟合输出处理，获得拟合输出数据；基于实际输出数据和拟合输出数据的差值，进行学习处理，对神经网络进行训练；

误差预测步骤：使用若干个时刻的天文导航系统实际输出数据和对应的拟合输出数据之差，作为训练后神经网络的输入，预测当前及未来时刻天文导航系统拟合误差值；

频率及误差补偿步骤：在惯性导航系统存在输出的前提下，在天文导航系统的采样间隔内，使用预测的拟合误差值对当前及未来时刻的天文导航系统的拟合输出数据进行修正，实现惯性导航系统及天文导航系统采样频率的同步；

将频率同步处理后的误差补偿后的天文导航系统输出数据，或天文导航系统拟合数据，与惯性导航系统输出数据进行融合处理，实现对惯性导航系统姿态输出数据和位置输出数据的修正。

2.如权利要求1所述的导航方法，其特征在于，所述训练步骤包括：

获取天文导航系统在k'时刻的实际输出数据，所述实际输出数据用于表示目标的真实位置，包括目标姿态数据V_CNS(k′)以及目标位置数据P_CNS(k′)；

对天文导航系统输出指标进行拟合处理，获得k时刻拟合输出数据，所述拟合输出数据包括目标姿态拟合数据V_CNS(k)以及目标位置拟合数据P_CNS(k)；

取n个连续时刻的目标姿态数据V_CNS(k′)和目标姿态拟合数据V_CNS(k)相减，获得速度差值Dv，取n个连续时刻的目标位置数据P_CNS(k′)和目标位置拟合数据P_CNS(k)相减，获得位置差值Dp；

采用n-1个连续时刻的速度差值Dv和位置差值Dp作为训练样本，采用第n个时刻的速度差值Dv和位置差值Dp作为当前时刻误差值，学习输出数据与拟合输出数据之间的误差值与当前时刻误差值之间的关系；

基于所述关系，训练神经网络。

3.如权利要求2所述的导航方法，其特征在于，对天文导航系统数据进行拟合处理的方法包括：

获得天文导航系统输出拟合方程：

f(x)＝x^T(X^TWX)^-1X^TWy；

其中：

f(x)＝[V_CNS(k)P_CNS(k)]；

x＝[k；k；1]；

k′表示时刻，且k′＝1,1+n,1+2n,...,n为大于2的整数；

W表示对角元素为w_k′的对角矩阵，w_k′表示高斯核函数；

对拟合方程进行进行求解，获得天文导航系统在k时刻拟合输出的目标姿态数据V_CNS(k)以及目标位置数据P_CNS(k)。

采用当前时刻的拟合误差值可进行当前时刻的拟合输出数据的修正。

4.如权利要求3所述的导航方法，其特征在于，频率及误差补偿的方法包括：

将n²-n+1个时刻的天文导航拟合数据与修正后的拟合数据之差作为训练后神经网络的输入，神经网络预测k时刻天文导航系统预测拟合误差值

采用预测拟合误差值对k时刻天文导航系统拟合输出值进行校正，获得校正姿态数据及校正位置数据

校正后获得同步的采样数据和

5.如权利要求4所述的导航方法，其特征在于，预测当前及未来时刻天文导航系统拟合误差值的方法包括：

计算速度差值Dv和位置差值Dp，得：

将k′-n²,k′-(n-1)n,k′-(n-2)n,...,k′-n时刻的拟合数据误差值作为学习输入；经过遗忘门对输入信息的处理和权重更新，再经过输出门的解算，获得k′时刻的学习输出：天文导航系统拟合误差值

6.如权利要求5所述的导航方法，其特征在于，实现对惯性导航系统姿态输出数据和位置输出数据的修正的方法包括：

以平台失准角、速度误差、位置误差、陀螺常值漂移和加速度计常值偏置作为状态量、频率同步后的CNS姿态、位置数据与天文导航系统输出的姿态数据、位置数据之差和折射视高度误差作为系统观测量，通过CKF完成对天文导航系统输出数据的姿态误差δV和位置误差δP的最优估计，根据δV和δP对INS解算出的姿态V_INS(k)和位置P_INS(k)误差进行校正，获得高精度的INS/CNS组合导航信息V′_INS(k)和P′_INS(k)：