本发明专利技术公开了一种基于纯惯性测量的水下长航程导航定位方法及装置，其中方法包括以下步骤：S1.惯性测量数据预处理，对惯性测量单元的纯惯性测量数据进行数据预处理；S2.运动特征提取,提取数据中隐含的载体运动特征，关联载体导航定位参数；S3.神经网络模型训练，通过神经网络模型训练，来构建惯性数据特征与导航参数的相关量之间的映射模型；S4.神经网络模型预测，将数据输入到训练得到的惯性数据特征与导航参数的相关量之间的映射模型中得到神经网络输出值，即可推算载体导航参数。本方法和装置可实现从惯性数据特征的角度来估计载体的导航参数，进而避免了直接利用惯性测量数据进行传统导航解算带来的误差累积效应。据进行传统导航解算带来的误差累积效应。据进行传统导航解算带来的误差累积效应。
【技术实现步骤摘要】
一种基于纯惯性测量的水下长航程导航定位方法及装置
[0001]本专利技术涉及导航系统
，具体涉及一种基于纯惯性测量的水下长航程导航定位方法及装置。
技术介绍
[0002]惯性测量单元（IMU）是惯性导航系统(INS)的重要组成部分，惯性导航系统是依靠陀螺仪和加速度计等敏感器件，在惯性坐标系下记录载体的运动，借助基本牛顿力学知识提供全天候导航信息的独立自主导航系统。
[0003]由于惯性导航系统具备连续输出载体位置速度和姿态信息、短时导航精度高、完全独立自主等突出优点，在车、船、飞机等导航等领域应用广泛。然而，对于长航时、长航程导航任务需求，惯性测量系统的缺陷也十分明显。从惯性导航系统的基本可知，通过对加速度的一次积分获得载体速度量，二次积分获得位置相关量。二次积分过程势必将测量数据中的噪声量不断累积放大，最终导致解算出的导航信息发散，直至无法使用。
[0004]目前常用的解决手段是，将惯性导航系统与其他定位技术（全球定位系统、水声定位）结合构成组合导航。例如，使用卫星定位修正惯性导航，可避免其误差随时间的迅速积累。然而，在接收卫星信号的同时也暴露了航行器的当前位置，使航行器丧失隐蔽性。
技术实现思路
[0005]本专利技术的主要目的是提供一种基于纯惯性测量的水下长航程导航定位方法及装置，以提高长航时、长航程导航精度。该方法利用惯性测量单元的纯惯性测量数据，经数据预处理后，提取数据中隐含的载体运动特征，关联载体导航参数，通过神经网络模型训练，来构建惯性数据特征与导航参数的相关量之间的映射模型，进而可将数据输入到训练得到的惯性数据特征与导航参数的相关量之间的映射模型中得到神经网络输出值，即神经网络模型预测得到航向变化量和位移变化量，即可推算载体的导航参数，进而获得载体位置。
[0006]基于上述目的，本专利技术提供一种基于纯惯性测量的水下长航程导航定位方法，包括以下步骤：S1.惯性测量数据预处理，对惯性测量单元的惯性测量数据进行数据预处理；S2. 运动特征提取, 提取惯性测量数据中隐含的载体运动特征，关联载体导航参数；S3. 神经网络模型训练，通过神经网络模型训练，来构建惯性数据特征与导航参数的相关量之间的映射模型；S4. 神经网络模型预测，将惯性测量数据输入到训练得到的惯性数据特征与导航参数的相关量之间的映射模型中得到神经网络输出值，即可推算载体导航参数。
[0007]进一步，步骤S1中，数据预处理包括通过运动加速度误差模型从加速度计测得的表观加速度中分离重力分量和地球自转分量，所述运动加速度误差模型的方程为：
其中，为载体在导航坐标系下的运动加速度，为载体坐标系下加速度计测得的表观加速度，是和姿态有关的载体坐标系与导航坐标系之间的旋转矩阵，为导航坐标系下重力加速度（其余部分不加坐标系说明均是指在导航坐标系中），为载体绕地球转动以及地球自转产生的干扰加速度，表示导航坐标系相对于惯性坐标系的旋转，表示惯性系统在地球表面附近因地球表面弯曲引起的导航坐标系旋转，是与载体的速度和深度有关量；随着载体航行位置不同，重力加速度计算公式为：其中，是万有引力系数，是地球质量， 代表纬度，代表载体距地心的距离，计算公式为：式中，a代表地球长半轴，b代表地球短半轴；由于载体并非一直保持以水平姿态航行，造成重力加速度在载体坐标系X轴、Y轴上有重力分量；对重力加速度在载体X轴、Y轴的重力分量进行计算公式为：、Y轴的重力分量进行计算公式为：为载体纵倾角，为横滚角，为重力加速度在载体轴上的分量，为重力加速度在载体轴上的分量；地球自转对运动加速度的影响计算公式为：地球自转对运动加速度的影响计算公式为：其中，为地球自转在纬度处的投影，是载体航行深度，是东向速度，是北向速度。
[0008]进一步，步骤S1中，数据预处理还包括数据降噪，采用零相位数字滤波器对加速度数据和角速度数据做降噪处理，并对加速度数据和角速度数据进行归一化处理；其中，加速度数据包括运动加速度、表观加速度和重力加速度，角速度数据包括航向角速度、俯仰角速度、横滚角速度。
[0009]进一步，步骤S2中，选取均值、最大值、最小值、标准差、频域均值、熵、四分位值、频域信号方差、运动强度、峰值、偏度、变异系数、和/或窗口数据之和作为载体导航参数的特征描述量；
利用GPS数据计算出时间窗口内航向变化量和位移变化量作为监督学习的训练标签。
[0010]进一步，步骤S3中，通过长短期记忆网络来构建惯性数据特征与导航参数的相关量之间的映射模型；定义网络的损失函数为：定义网络的损失函数为：为t时刻网络的输出预测值，为真实标签值，mean()为对括号中的变量取均值；设置神经网络输入节点数，输出节点数，学习率lr，隐藏层数h_num，每次训练样本数batch_size，时间步长timestep，迭代次数iter，隐藏层中神经元的数量；在神经网络参数设置完成后，开始训练，若损失函数收敛到预设的阈值以内，则代表训练完成，终止对神经网络模型的训练。
[0011]进一步，步骤S4中，将采集到的数据中的P%作为训练集，Q%作为测试集，其中P + Q = 100，将测试集中的数据输入到训练得到的惯性数据特征与导航参数的相关量之间的映射模型中得到神经网络输出值，神经网络输出值包括神经网络模型预测得到航向变化量和位移变化量；并利用下面公式解算出载体位置；并利用下面公式解算出载体位置；式中代表东向位移，代表北向位移，代表航向。
[0012]进一步，所述载体为自主式水下航行器。
[0013]另一方面，本专利技术提供一种基于纯惯性测量的水下长航程导航定位装置，所述装置用于实现所述基于纯惯性测量的水下长航程导航定位方法，所述装置包括：惯性测量数据输入接口、惯性测量数据预处理模块、运动特征提取模块、历史特征存储模块、神经网络模型训练模块、模型更新判决模块、神经网络模型预测模块和输出或显示接口。
[0014]进一步，所述惯性测量数据输入接口用于实时接收和解析惯性测量单元发送的惯性测量数据；惯性测量数据预处理模块用于实现步骤S1中惯性测量数据预处理；运动特征提取模块用于实现步骤S2中运动特征提取的算法；历史特征存储模块用于在装置与惯性测量单元配套安装后，持续记录累积惯性测量单元的惯性测量数据，以逐渐增加模型训练的数据来源；神经网络模型训练模块用于实现步骤S3中神经网络模型训练的算法；模型更新判决模块用于神经网络模型训练模块训练得到新的神经网络模型后，判决是否提供给神经网络模型预测模块进行更新；神经网络模型预测模块用于实现步骤S4中神经网络模型预测的算法；输出或显示接口，用于将解算得到的载体导航参数以指定格式传输给其他装置，或发送至显示装置用于目视查看；所述导航参数包括载体位置、航向以及载体位置变化量和航向变化量。
[0015]进一步，惯性测量数据预处理模块包括运动加速度误差模型子模块和数据降噪子模块。
[0016]本专利技术具有的有益效果：本专利技术从惯性测量单元原始记录数据与载体的运动特征之间的关系出发，得到载体在时间窗口内的航行状态变化量与惯性数据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于纯惯性测量的水下长航程导航定位方法，其特征在于，包括以下步骤：S1.惯性测量数据预处理，对惯性测量单元的惯性测量数据进行数据预处理；S2. 运动特征提取, 提取惯性测量数据中隐含的载体运动特征，关联载体导航参数；S3. 神经网络模型训练，通过神经网络模型训练，来构建惯性数据特征与导航参数的相关量之间的映射模型；S4. 神经网络模型预测，将惯性测量数据输入到训练得到的惯性数据特征与导航参数的相关量之间的映射模型中得到神经网络输出值，即推算载体导航参数。2.根据权利要求1所述的基于纯惯性测量的水下长航程导航定位方法，其特征在于，步骤S1中，数据预处理包括通过运动加速度误差模型从加速度计测得的表观加速度中分离重力分量和地球自转分量，所述运动加速度误差模型的方程为：其中，为载体在导航坐标系下的运动加速度，为载体坐标系下加速度计测得的表观加速度，是和姿态有关的载体坐标系与导航坐标系之间的旋转矩阵，为导航坐标系下重力加速度，为载体绕地球转动以及地球自转产生的干扰加速度，表示导航坐标系相对于惯性坐标系的旋转，表示惯性系统在地球表面附近因地球表面弯曲引起的导航坐标系旋转，是与载体的速度和深度有关量；随着载体航行位置不同，重力加速度计算公式为：其中，是万有引力系数，是地球质量， 代表纬度，代表载体距地心的距离，计算公式为：式中，a代表地球长半轴，b代表地球短半轴；由于载体并非一直保持以水平姿态航行，造成在重力加速度在X轴、Y轴上有重力分量；对重力加速度在载体X轴、Y轴的重力分量进行计算公式为：对重力加速度在载体X轴、Y轴的重力分量进行计算公式为：为载体纵倾角，为横滚角，为重力加速度在载体轴上的分量，为重力加速度在载体轴上的分量；地球自转对运动加速度的影响计算公式为：地球自转对运动加速度的影响计算公式为：
其中，为地球自转在纬度处的投影，是载体航行深度，是东向速度，是北向速度。3.根据权利要求2所述的基于纯惯性测量的水下长航程导航定位方法，其特征在于，步骤S1中，数据预处理还包括数据降噪，采用零相位数字滤波器对加速度数据和角速度数据做降噪处理，并对加速度数据和角速度数据进行归一化处理；其中，加速度数据包括运动加速度、表观加速度和重力加速度，角速度数据包括航向角速度、俯仰角速度、横滚角速度。4.根据权利要求1所述的基于纯惯性测量的水下长航程导航定位方法，其特征在于，步骤S2中，选取均值、最大值、最小值、标准差、频域均值、熵、四分位值、频域信号方差、运动强度、峰值、偏度、变异系数、和/或窗口数据之和作为载体导航参数的特征描述量；利用GPS数据计算出时间窗口内航向变化量和位移变化量作为监督学习的训练标签。5.根据权利要求1所述的基于纯惯性测量的水下长航程导航定位方法，其特征在于，步骤S3中，通过...
【专利技术属性】
技术研发人员：于化鹏，李子圆，沈同圣，赵德鑫，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。