申请/专利权人：昆山九毫米电子科技有限公司

申请日：2021-12-08

公开（公告）日：2024-03-15

公开（公告）号：CN114216459B

主分类号：G01C21/16

分类号：G01C21/16;G01S19/49;G06N3/0499;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2022.04.08#实质审查的生效;2022.03.22#公开

摘要：本发明公开一种ELM辅助的GNSSINS组合导航无人靶车定位方法，实现步骤为：生成训练集；构建ELM神经网络；在卫星信号有效情况下训练ELM神经网络；预测卫星信号失锁情况下的误差补偿值；利用误差补偿后的导航信息进行定位。本发明利用构建的ELM神经网络在卫星信号短暂失锁情况下通过对样本集中加速度和角速度值进行训练，利用该训练好的网络预测卫星信息和惯性导航信息的导航信息误差值，以修正惯性导航系统输出的导航信息，辅助GNSSINS组合导航系统进行室外无人靶车实时导航定位。本发明与现有技术相比，减小了室外无人靶车定位误差并提高了定位实时性。

主权项：1.一种ELM辅助的GNSSINS组合导航无人靶车定位方法，其特征在于，在卫星信号有效的情况下，卫星和惯导通过卡尔曼滤波进行信息融合，同时极限学习机ELM神经网络工作在训练阶段，加速度和角速度信息作为网络输入进行训练，在卫星信号失锁的情况下，利用训练好的ELM神经网络预测系统的导航信息误差来校正惯性导航系统输出的导航信息；该无人靶车定位方法的步骤包括如下：步骤1,生成训练集：1a采集无人靶车运动200s时间内的导航数据组成样本集，其中加速度和角速度数据各自至少包含2000个；1b对样本集中的导航数据进行解算后再进行卡尔曼滤波，得到无人靶车运动的每个加速度和角速度的导航数据误差补偿值；1c将样本集及其对应的导航数据误差补偿值组成训练集；步骤2,构建ELM神经网络：构建包含输入层、隐含层、输出层三层结构的ELM神经网络，其中输入层包含6个数据通道，隐含层包含12个数据通道，输出层包含9个数据通道，激活函数采用Sigmoid函数；步骤3,在卫星信号有效情况下训练ELM神经网络：在卫星信号有效情况下，将训练集输入到ELM神经网络中，根据连续的概率分布随机生成输入层权重和隐含层的偏置，利用最小化平方差公式，计算输出层的权重，利用正交投影法更新网络的隐含层的输出，将更新后的隐含层的输出与输出层的权重构成网络的输出，更新迭代隐含层的输出直到网络输出与样本标签的最小化平方差最小时停止迭代，得到训练好的ELM神经网络；步骤4,预测卫星信号失锁情况下的误差补偿值：将卫星信号失锁的时间范围内采集到的每个加速度、角速度信息输入到训练好的ELM神经网络中，网络输出组合导航系统正常工作时卡尔曼滤波后的卫星信息和惯性导航信息的导航信息误差值；步骤5,利用误差补偿后的导航信息进行定位：将网络输出的导航信息误差值反馈回惯性导航系统进行补偿，得到补偿后的定位信息。

全文数据：

权利要求：

百度查询： 昆山九毫米电子科技有限公司 ELM辅助的GNSS/INS组合导航无人靶车定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD