[发明专利]一种基于贝叶斯NAS的惯性导航方法

权利要求书

1.一种基于贝叶斯NAS的惯性导航方法，其特征在于：包括以下步骤：

S1、信号采集：惯性/里程计组合导航模块(1)将测量得到的角速度信号、加速度信号和里程脉冲信号同时输出至导航计算机(2)、上位机(3)；

S2、基础姿态解算：所述导航计算机(2)包括电连接的姿态解算模块(21)、导航计算机神经网络模块(22)和控制模块(23)，所述姿态解算模块(21)根据所述角速度信号、所述加速度信号和所述里程脉冲信号进行基础姿态解算并得到姿态信息和运动元数据输出至所述导航计算机神经网络模块(22)，所述运动元数据用于通过判断所述惯性/里程计组合导航模块(1)的运动状态进行噪声消除，所述运动状态包括加速、减速、匀速和静止，所述运动元数据包括速度增量，所述噪声包括所述惯性/里程计组合导航模块(1)的漂移和异常值干扰；

S3、神经架构搜索：所述上位机(3)使用贝叶斯神经架构搜索寻找提高所述导航计算机(2)硬件SRAM和FLASH的使用率以及减少延迟的最优神经网络，并输出控制命令、修正信息和硬件模型至所述控制模块(23)；

所述上位机(3)包括与所述控制模块(23)电连接的贝叶斯神经架构搜索模块(31)和与所述贝叶斯神经架构搜索模块(31)电连接的机器学习平台(32)、硬件仿真模块(33)、设计空间(34)，所述贝叶斯神经架构搜索模块(31)使用贝叶斯神经架构搜索和蒙特卡洛采样方法，所述机器学习平台(32)使用深度神经网络，所述机器学习平台(32)与所述惯性/里程计组合导航模块(1)电连接，所述硬件仿真模块(33)与所述控制模块(23)通过实时系统定时器连接；

S4、模型控制：所述控制模块(23)对所述导航计算机神经网络模块(22)进行内存分配、模型加载、指令响应和模型更新，所述导航计算机神经网络模块(22)结合所述姿态信息和所述运动元数据进行噪声过滤、动态降噪、数据异常预测和漂移预测后输出修正后的三维角信息、东北天速度、经纬高信息。

2.根据权利要求1所述的一种基于贝叶斯NAS的惯性导航方法，其特征在于：所述惯性/里程计组合导航模块(1)包括加速度计和里程计；

所述导航计算机神经网络模块(22)使用深度神经网络；

所述运动元数据包括：前方速度增量、侧方速度增量和顶方速度增量。

3.根据权利要求2所述的一种基于贝叶斯NAS的惯性导航方法，其特征在于：

步骤S3包括以下步骤：

S31、机器学习平台训练：构建骨干神经网络架构，使用包括路线和路况的导航训练信息进行所述机器学习平台(32)的训练并使所述硬件仿真模块(33)建立硬件仿真模型；

S32、控制命令发送：当所述硬件仿真模块(33)与所述实时系统定时器连通，所述机器学习平台(32)与所述惯性/里程计组合导航模块(1)连通时，所述惯性/里程计组合导航模块(1)将所述角速度信号、所述加速度信号和所述里程脉冲信号输出至所述机器学习平台(32)，所述贝叶斯神经架构搜索模块(31)根据所述硬件仿真模型对所述设计空间(34)进行搜索后将控制命令发送给所述机器学习平台(32)；

S33、贝叶斯优化：所述机器学习平台(32)根据所述角速度信号、所述加速度信号和所述里程脉冲信号进行姿态解算得到所述姿态信息和所述运动元数据，所述机器学习平台(32)根据所述导航训练信息和所述运动元数据对所述角速度信号、所述加速度信号和所述里程脉冲信号进行精度判断并将精度情况返回给所述贝叶斯神经架构搜索模块(31)；

S34、所述贝叶斯神经架构搜索模块(31)使用贝叶斯神经架构搜索和蒙特卡洛采样寻找所述最优神经网络并输出控制命令、修正信息和硬件模型至所述控制模块(23)。