[发明专利]一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法在审
| 申请号： | 201910915008.3 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110487271A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 赵琳;彭子航;丁继成;王坤;柏亚国;张永超;王仁龙 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G01C21/16 | 分类号： | G01C21/16;G01S19/47 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法，以惯性和GNSS紧组合导航系统模型为基础，针对GNSS信号失锁时的紧组合导航问题，动态Elman神经网络预测模型，来对惯导的误差模型和GNSS的补偿模型进行学习；当GNSS信号缺失时，利用训练好的神经网络预测出GNSS的输出误差并补偿惯导的输出，使误差不会急剧发散，让系统继续进行组合导航。最后利用设计的低成本下的紧组合导航模块进行实地测量，将采集的信息进行预处理，组成训练神经网络的样本数据对Elman神经网络模型进行训练。本算法能在GNSS信号缺失100s的情况进行预测，使系统仍然能进行紧组合导航。 | ||
| 搜索关键词： | 组合导航 神经网络预测模型 预处理 神经网络辅助 神经网络模型 神经网络预测 训练神经网络 组合导航模块 组合导航系统 补偿模型 输出误差 误差模型 样本数据 低成本 发散 失锁 算法 受阻 测量 采集 输出 预测 学习 | ||
【主权项】：
1.一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法，其特征在于，包括以下步骤：/n步骤1：构建Elman神经网络模型并选择Elman神经网络隐藏层传递函数；/n步骤2：设计Elman学习算法；/n步骤3：构建紧组合卡尔曼滤波数学模型；/n步骤4：当GNSS信号可用时，神经网络处于训练模式，将惯导系统输出的三维位置信息作为步骤2得到的神经网络训练的输入样本；将经过步骤3中卡尔曼滤波数学模型器融合后输出的惯导误差补偿值作为网络训练的期望输出样本，带入步骤2得到的Elman神经网络进行训练，当Elman神经网络实际输出与期望输出样本之间的误差值大于设定的阈值，循环利用步骤2中的Elman神经网络算法得到网络权值的更新值，直至网络的实际输出与期望的输出之间的误差小于设定的阈值；/n步骤5：当GNSS信号缺失时，神经网络进入预测模式，以惯导系统输出的导航位置信息作为步骤4训练后的网络的输入，利用步骤4训练后的神经网络模型预测出惯导系统的误差值，利用该误差值修正惯导的导航输出，得到修正后的导航信息。/n
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910915008.3/，转载请声明来源钻瓜专利网。
