[发明专利]一种基于RBF神经网络的SINS/DVL组合导航流速补偿方法

权利要求书

1.一种基于RBF神经网络的SINS/DVL组合导航流速补偿方法，其特征在于，包括以下步骤：

步骤1：拓展应用DVL在ADCP模式下输出的对地和对流速度，建立流速量测单元与SINS/DVL组合导航系统并行工作；

步骤2：基于所建立的流速量测单元，设计用于流速补偿的RBF神经网络；

步骤3：将所设计的RBF神经网络嵌入SINS/DVL组合导航系统，对流速进行补偿。

2.根据权利要求1所述的一种基于RBF神经网络的SINS/DVL组合导航流速补偿方法，其特征在于：

步骤1中，利用DVL在ADCP模式下输出的对地速度和对流速度获取流速量测：

式中，和分别为沿DVL四条波束方向相对于水底和水流的速度分量，Dii＝1,2,3,4为波束序号；e表示地球坐标系，与地球固联；w表示水流坐标系，与水流固联并随其运动；b为航行器载体坐标系(轴向右前上)；

进一步，求得导航坐标系(n系，轴向东北天)内的流速为：

式中，M为DVL四条波束方向到b系的变换矩阵，DVL固定安装后M为4×3维常值矩阵，为b系到n系的姿态变换矩阵，在上式以及下文中，[···]^T表示矩阵的转置；

基于上式即可由DVL波束量测获取流速参数，DVL波束量测用于导航时SINS和DVL需要采用紧组合导航方法，在SINS/DVL紧组合框架下，利用(1)式和(2)式建立流速量测单元与组合导航系统并行工作，同步获取导航和流速参数，实现DVL在导航和流速量测中的综合应用，为设计RBF神经网络进行流速补偿奠定基础。

3.根据权利要求1所述的一种基于RBF神经网络的SINS/DVL组合导航流速补偿方法，其特征在于：

步骤2中，设计用于流速补偿的RBF神经网络，选取作为RBF神经网络的输入，即：

选取作为RBF神经网络的目标输出，即：

定义RBF神经网络实际输出矢量为Net_out＝[y₁,y₂,y₃,y₄]^T，其元素由下式得到：

式中，m为隐藏节点数量，Φ_i和Center_i分别为第i个隐藏节点的径向基函数和中心向量，w_ij为第i个隐藏节点到第j个输出节点的权值，Φ₀为RBF神经网络的隐藏阈值；

理论上，任何函数都可以表示为一组径向基函数的加权和，在RBF神经网络训练过程中，通过调整Center_i和w_ij实现函数逼近，因此，所设计的RBF神经网络通过训练可实现对和关系函数的逼近，训练完成后作为速度预测器，以为输入对进行预测，由于所设计的RBF神经网络结构简单，只需少量训练样本即可获得好的函数逼近效果。

4.根据权利要求1所述的一种基于RBF神经网络的SINS/DVL组合导航流速补偿方法，其特征在于：

步骤3中，RBF神经网络嵌入SINS/DVL组合导航系统后有两种工作模式：训练模式和补偿模式，分别对应于DVL正常和异常情况：当DVL正常工作时，可以同时输出和一方面用于组合导航，另一方面与一起训练RBF神经网络，通过训练使RBF神经网络逼近和的关系函数；当DVL底跟踪失锁时，利用RBF神经网络作为速度预测器，以DVL输出的作为输入，预测辅助SINS进行组合导航，实现流速补偿。