一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于GA
‑
BP神经网络优化组合导航的方法


[0001]本专利技术属于卫星导航和惯性导航
，具体涉及一种基于
GA
‑
BP
神经网络优化组合导航的方法
。

技术介绍

[0002]在导航技术方面，目前应用得最多，最成熟的导航方式有惯性导航和卫星导航
。
卫星导航的优点是具有全球性
、
全天候
、
长时间定位精度高的特点，但缺点是信号易受干扰和遮挡，在强电磁环境下和有高楼遮挡时，信号质量变差，并且其输出频率有限，且输出不连续，在需要快速更新信息的场合，如机动性和实时性要求较高的无人机系统上，卫星导航的缺点便显现出来
。
而惯性导航系统是一种全自主式的导航方式，因此具有很强的隐蔽性和抗干扰的能力，并且输出信息连续，短时间内定位精度高
。
但由于器件自身的特点，陀螺仪和加速度计有初始零偏
、
随机漂移等误差，随着时间的累计作用，其误差越来越大，长时间定位精度较差，最终无法准确反映无人机的姿态和位置信息
。
[0003]通常的做法是将卫星导航与惯性导航信号经过卡尔曼滤波将两者信号融合，利用各自的优点来弥补各自的缺点
。
但在一些环境特殊的条件下，如信号阻隔区，遮挡物较多的环境下，卫星信号可能会发生丢失现象，此时导航系统只能依靠单纯的惯性导航，随着时间的推移，导航数据的误差会越来越大
。
因此需要研究一种方法能在卫星信号丢失情况下，代替卫星定位的作用并且和惯性导航配合完成导航数据的输出
。

技术实现思路

[0004]本专利技术的目的是提供一种基于
GA
‑
BP(
遗传算法优化
BP)
神经网络优化组合导航的方法
。
首先，在北斗卫星导航系统接收机正常接收信号时，将捷联惯性导航解算信息
(
速度
、
位置
)
作为网络输入，卡尔曼滤波输出信息
(
速度
、
位置校正量
)
作为网络输出，对
GABP
神经网络进行训练，建立
GABP
神经网络的映射数学模型
。
然后，在北斗卫星导航系统接收机信号失效情况下，将惯性导航解算信息作为网络输入，利用建立好的
GABP
神经网络预测输出校正量信息，以此来校正惯导系统，使得目标位置计算误差变小
。
[0005]具体按照以下步骤实施：
[0006]步骤1：同时采集
SINS
，卫星数据；
[0007]步骤2：通过
RTK
解算结果可得到初始位置信息，代入
SINS
解算，使惯导初对准；
[0008]步骤3：初对准后，将通过
SINS
采集到的加速度和比力信息代入程序解算出位置和速度；
[0009]步骤4：将通过惯导和卫星得到的位置和速度信息代入
KF
得到位置速度校正量
δ
p
；
[0010]步骤5：将惯导解算出来的位置速度和校正量代入
BP
，
GABP
神经网络；
[0011]步骤6：把得到的预测值与
SINS
解算的速度位置作差，在与
RTK
解算值进行对比判断误差大小；
[0012]步骤7：画出对比图；
[0013]本专利技术的特点还在于：
[0014]步骤1采集数据，具体为：
[0015]通过做的
PCB
板室外小车实验采集数据
。PCB
板主要包括以
tps54340
和
MT9700
芯片为主的电源模块，
IMX6ULL
芯片为核心板主控芯片的控制模块
。
卫星数据采集通过以
zep
‑
f9p
芯片设计的电路得到，在通过核心板内程序解出
ecef(
地心地固
)
坐标系下
x,y,z
的值
。
惯导数据部分通过
PA
‑
IMU
‑
07
垂直陀螺得到加速度和比力值
。
[0016]步骤2的
RTK
解算可得到初始位置信息代入解算程序，可直接使惯导初对准，具体为：
[0017]组合导航可直接将卫星解算的初始坐标当做惯导解算的初对准坐标，将
RTK
解算的
x,y,z
坐标转换为维经高，转换公式为：
[0018][0019][0020][0021]其中
a
为地球长半轴半轴长，
,f
为频率
。
[0022]取第一个代入惯导解算程序作为
pos0
，同时得初始姿态和初始速度，即惯导初对准完成
。
[0023]步骤3中位置和速度解算的表达式为：
[0024]捷联惯导数值更新算法通常课划分为姿态
、
速度
、
位置更新三部分，其中姿态更新算法是核心，其次再去更新速度与位置
。
[0025]姿态解算具体为：
[0026][0027]其中，
[0028][0029]为载体在
b
系的角速度转换到
n
系的投影，其表达式为：
[0030][0031]式中，为载体的角速度，为姿态矩阵，为地球自转角速度在导航坐标系下的投影，为导航坐标系相对于地心地固坐标系的旋转角速度，满足
:
[0032][0033][0034]其中，
v
n
、v
e
分别表示载体的北向速度
、
东向速度；
R
m
表示子午圈曲率半径，
h
表示高程，
R
n
表示卯西圈曲率半径
。
[0035]对微分方程
(3.5)
进行求解
,
更新得到载体的实时转换矩阵：
[0036][0037]速度解算具体为：
[0038][0039]这是惯导比力方程，其中为加速度计测量的比力，为由载体运动和地球自转引起的哥氏加速度，为由载体运动引起的对地向心加速度，
g
n
为重力加速度，统称为有害加速度
。
比力方程表明，只有在加速度计输出中扣除有害加速度后，才能获得运载体在导航系下的几何运动加速度对加速度积分一次可得速度，再积分一次得位置
。
因此，比力方程是惯导解算的基本方程
。
当以地球坐标系作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
GA
‑
BP
神经网络优化组合导航的方法，其特征在于，具照以下步骤实施：步骤1：同时采集
SINS
，卫星数据；步骤2：通过
RTK
解算结果可得到初始位置信息，代入
SINS
解算，使惯导初对准；步骤3：初对准后，将通过
SINS
采集到的加速度和比力信息代入程序解算出位置和速度；步骤4：将通过惯导和卫星得到的位置和速度信息代入
KF
得到位置速度校正量
δ
p
；步骤5：将惯导解算出来的位置速度和校正量代入
BP
，
GABP
神经网络；步骤6：把得到的预测值与
SINS
解算的速度位置作差，在与
RTK
解算值进行对比判断误差大小；步骤7：画出对比图
。2.
根据权利要求1所述的一种基于
GA
‑
BP
神经网络优化组合导航的方法，其特征在于，所述步骤1同时采集
SINS
，卫星数据，具体为：通过做的
PCB
板室外小车实验采集数据
。PCB
板主要包括以
tps54340
和
MT9700
芯片为主的电源模块，
IMX6ULL
芯片为核心板主控芯片的控制模块
。
卫星数据采集通过以
zep
‑
f9p
芯片设计的电路得到，在通过核心板内程序解出
ecef(
地心地固
)
坐标系下
x,y,z
的值
。
惯导数据部分通过
PA
‑
IMU
‑
07
垂直陀螺得到加速度和比力值
。3.
根据权利要求1所述的一种基于
GA
‑
BP
神经网络优化组合导航的方法，其特征在于，所述步骤2通过
RTK
解算结果可得到初始位置信息，代入
SINS
解算，使惯导初对准具体为：组合导航可直接将卫星解算的初始坐标当做惯导解算的初对准坐标，将
RTK
解算的
x,y,z
坐标转换为维经高，转换公式为：坐标转换为维经高，转换公式为：坐标转换为维经高，转换公式为：其中
a
为地球长半轴半轴长，
f
为频率
。
取第一个代入惯导解算程序作为
pos0
，同时得初始姿态和初始速度，即惯导初对准完成
。4.
根据权利要求3所述的一种基于
GA
‑
BP
神经网络优化组合导航的方法，其特征在于，所述步骤3初对准后，将通过
SINS
采集到的加速度和比力信息代入程序解算出位置和速度具体为：捷联惯导数值更新算法通常课划分为姿态
、
速度
、
位置更新三部分，其中姿态更新算法是核心，其次再去更新速度与位置
。
姿态解算具体为：
其中，其中，为载体在
b
系的角速度转换到
n
系的投影，其表达式为：式中，为载体的角速度，为姿态矩阵，为地球自转角速度在导航坐标系下的投影，为导航坐标系相对于地心地固坐标系的旋转角速度，满足
::
其中，
v
n
、v
e
分别表示载体的北向速度
、
东向速度；
R
m
表示子午圈曲率半径，
h
表示高程，
R
n
表示卯西圈曲率半径
。
对微分方程
(3.5)
进行求解
,
更新得到载体的实时转换矩阵：速度解算具体为：这是惯导比力方程，其中为加速度计测量的比力，为由载体运动和地球自转引起的哥氏加速度，为由载体运动引起的对地向心加速度，
g
n
为重力加速度，统称为有害加速度
。
比力方程表明，只有在加速度计输出中扣除有害加速度后，才能获得运载体在导航系下的几何运动加速度对加速度积分一次可得速度，再积分一次得位置
。
因此，比力方程是惯导解算的基本方程
。
当以地球坐标系作为导航参照系时，地球表面附近的运载体也会感受到与地心大致同样大小的太阳引力的影响，但是由
于地球表面与地心的不重合，从而会引起约
10
‑7g
量级的误
(
通常称为太阳摄动力
)。
因此，在地球表面附近导航时，比力方程可达到
10
‑
7g
量级精度，这对于惯性级导航系统而言该项误差完全可忽略不计
。
在比力方程中将简写为
v
n
，即速度...

【专利技术属性】
技术研发人员：范嵩骏，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：