基于神经网络的GPS深度融合弹载惯导模型

作者：蔡涵钰; 鲜勇^*; 张大巧; 李少朋; 潘晨辉

来源：中国惯性技术学报, 2023, 31(04): 359-365.

DOI：10.13695/j.cnki.12-1222/o3.2023.04.006

• 惯导模型
• 神经网络
• 误差修正
• 深度融合

针对传统弹载惯性导航系统误差修正采用线性化模型，无法对非线性误差进行修正的缺点，提出一种基于神经网络的GPS深度融合弹载惯导模型。构建IMU六路脉冲数到发射惯性坐标系下视速度增量的非线性映射关系，利用GPS信息对网络误差模型进行训练，为GPS信号失效后的长航时惯性导航系统提供更高精度的误差修正模型。仿真实验结果表明，相较于纯惯性导航系统，所提模型能够在GPS信号失效后抑制惯导系统误差发散，速度精度提高76.56%，位置精度提高91.61%。