[发明专利]一种基于深度学习的高精度惯性导航设备误差补偿方法有效
| 申请号： | 201710766025.6 | 申请日： | 2017-08-30 |
| 公开（公告）号： | CN107655472B | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 杨华军;李子月 | 申请（专利权）人： | 杨华军 |
| 主分类号： | G01C21/16 | 分类号： | G01C21/16;G01C21/20;G01S19/49 |
| 代理公司： | 北京驰纳智财知识产权代理事务所(普通合伙) 11367 | 代理人： | 陈常美 |
| 地址： | 101116 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的高精度惯性导航设备误差补偿方法，包括输入惯性导航系统误差，还包括以下步骤：通过特定算法生成变化的惯性器件误差和温度补偿模型参数误差；将所述器件误差和所述温度补偿模型参数误差导入到高精度惯性导航设备中；高精度转台按照设定轨迹进行运动；根据运动轨迹和惯导导航输出获得导航误差；把从步骤1‑4中得到的数据作为深度学习模型训练样本对深度学习模型进行训练；对所述深度学习模型的正确性进行实测验证。本发明中的深度学习采用多隐层逐一训练的方式进行预训练，然后再针对整个网络进行微调，可在保证系统在线更新实时性的基础之上，不损失模型精度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 高精度 惯性 导航 设备 误差 补偿 方法 | ||
【主权项】：
1.一种基于深度学习的高精度惯性导航设备误差补偿方法，包括输入惯性导航设备误差，其特征在于，还包括以下步骤：步骤1：通过特定算法生成变化的惯性器件误差和温度补偿模型参数误差；步骤2：将所述器件误差和所述温度补偿模型参数误差导入到高精度惯性导航设备中；步骤3：高精度转台按照设定轨迹进行运动；步骤4：根据运动轨迹和惯导导航输出获得导航误差；步骤5：把从步骤1‑4中得到的数据作为深度学习模型训练样本对深度学习模型进行训练；步骤6：对所述深度学习模型的正确性进行实测验证。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杨华军，未经杨华军许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710766025.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种塞拉门用翻转踏板
- 下一篇：一种轨道车辆新型废排装置
