一种基于深度学习的高精度惯性导航设备误差补偿方法技术

本发明专利技术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。本发明专利技术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。

A high precision inertial navigation equipment error compensation method based on depth learning

The invention provides a high accuracy inertial navigation equipment error compensation method based on deep learning, including the input error of the inertial navigation system, and also includes the following steps: the inertial device error and temperature compensation model parameter error by changing the specific algorithm; the device error and the temperature error compensation model parameters into high precision inertia navigation equipment; motion trajectory according to the set of high precision turntable; according to the motion trajectory and inertial navigation output obtained from the navigation error; step 1 4 data obtained as deep learning model training samples to train the deep learning model; measured to verify the correctness of the depth of the learning model. The deep learning in the invention is trained by multi hidden layer one by one training mode, and then trimming for the whole network can ensure that the accuracy of the system is not lost on the basis of ensuring the online updating real-time of the system.

【技术实现步骤摘要】
一种基于深度学习的高精度惯性导航设备误差补偿方法
本专利技术涉及惯性导航的
，特别是一种基于深度学习的高精度惯性导航设备误差补偿方法。
技术介绍
惯性导航设备(InertialNavigationSystem,INS)由于具有短时精度高、自主性好、信息全面、更新频率高等优势，一般作为多信息源导航系统中的核心单元。惯性导航设备具有诸多优势的同时，也具有导航误差随时间发散的固有缺陷。GPS(GlobalPositionSystem)、BDS(BeiDouSystem)和GLONASS(GlobalNavigationSatelliteSystem)等卫星导航系统具有精度高、误差不随时间发散、全天候等优势，但同时也有信号容易被干扰和遮挡的缺陷。惯性/卫星组合导航系统可以融合惯性和卫星系统各自特点，实现优势互补，协同超越，是应用最为广泛的一种导航设备数据融合技术。按照数据融合层次不同，惯性/卫星组合导航系统可分为松(浅)组合、紧组合和超紧(深)组合。另外，视觉导航、天文导航、里程计作为常用的传感器，输出数据也具有不同的误差特性，惯性/视觉、惯性/天文、惯性/里程计组合同样可以实现优势互本文档来自技高网...

【技术保护点】
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，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。

【技术特征摘要】
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，包括输入惯性导航系统误差，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。2.如权利要求1所述的基于深度学习的高精度惯性导航设备误差补偿方法，其特征在于：所述惯性导航系统误差是由器件零位误差、零位漂移误差、刻度因数误差、安装误差、温度补偿误差中至少一种误差造成。3.如权利要求2所述的基于深度学习的高精度惯性导航设备误差补偿方法，其特征在于：所述惯性导航系统误差包括姿态误差、航向误差、速度误差、位置误差中至少一种。4.如权利要求1所述的基于深度学习的高精度惯性导航设备误差补偿方法，其特征在于：所述特定算法为线性增加函数。5.如权利要求4所述的基于深度学习的高精度惯性导航设备误差补偿方法，其特征在于：所述惯性器件误差包括陀螺仪零位误差、陀螺...

【专利技术属性】
技术研发人员：杨华军，李子月，
申请(专利权)人：杨华军，
类型：发明
国别省市：北京,11