[發明專利]一種GNSS信號受阻時Elman神經網絡輔助緊組合導航方法

在審

• 申請號: 201910915008.3
• 申請日: 2019-09-26
• 公開（公告）號: CN110487271A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 趙琳;彭子航;丁繼成;王坤;柏亞國;張永超;王仁龍
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G01C21/16
• 分類號: G01C21/16;G01S19/47
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種GNSS信號受阻時Elman神經網絡輔助緊組合導航方法，其特征在于，包括以下步驟：

步驟1：構建Elman神經網絡模型并選擇Elman神經網絡隱藏層傳遞函數；

步驟2：設計Elman學習算法；

步驟3：構建緊組合卡爾曼濾波數學模型；

步驟4：當GNSS信號可用時，神經網絡處于訓練模式，將慣導系統輸出的三維位置信息作為步驟2得到的神經網絡訓練的輸入樣本；將經過步驟3中卡爾曼濾波數學模型器融合后輸出的慣導誤差補償值作為網絡訓練的期望輸出樣本，帶入步驟2得到的Elman神經網絡進行訓練，當Elman神經網絡實際輸出與期望輸出樣本之間的誤差值大于設定的閾值，循環利用步驟2中的Elman神經網絡算法得到網絡權值的更新值，直至網絡的實際輸出與期望的輸出之間的誤差小于設定的閾值；

步驟5：當GNSS信號缺失時，神經網絡進入預測模式，以慣導系統輸出的導航位置信息作為步驟4訓練后的網絡的輸入，利用步驟4訓練后的神經網絡模型預測出慣導系統的誤差值，利用該誤差值修正慣導的導航輸出，得到修正后的導航信息。

2.根據權利要求1所述的一種GNSS信號受阻時Elman神經網絡輔助緊組合導航方法，其特征在于：

Elman神經網絡包括輸入層、隱藏層、連接層與輸出層，Elman神經網絡的數學模型為：

x_h(k)＝f(W₁P(k)+W₃x(k))

x_c(k)＝αx_h(k-1)

y(k)＝g(W₂x(k))

式中向量P(k)表示Elman神經網絡在k時間的輸入向量，隱藏層的神經元在k時間下輸出向量用x_h(k)表示，x_c(k)表示連接層在k時間的輸出向量，y(k)表示整個網絡輸出層在k時間下的輸出向量，W₁,W₂,W₃分別是輸入層到隱藏層，隱藏層到輸出層，連接層到隱藏層的之間的連接權值，f(·)與g(·)分別是隱藏層和輸出層的傳遞函數，α為連接反饋增益因子。

3.根據權利要求1所述的一種GNSS信號受阻時Elman神經網絡輔助緊組合導航方法，其特征在于：步驟1所述Elman神經網絡隱藏層傳遞函數為S型正切函數。

4.根據權利要求1所述的一種GNSS信號受阻時Elman神經網絡輔助緊組合導航方法，其特征在于：步驟2具體為：

Elman神經網絡計算過程分如下兩步：工作信號的正向傳播過程與誤差反向傳播，工作信號正向傳播過程的計算過程和Elman神經網絡數學模型一致，計算出網絡輸出的信號y(k)；

誤差反向傳播具體為：假設k時間下網絡實際輸出為y(k)，同時網絡的期望輸出響應為y_d(k)，則定義網絡的誤差表達式為：

分別求出誤差函數對每個連接權值偏導數，然后將誤差函數E_k對隱藏層到輸出層的鏈接權值W₂求出偏導可以得到如下式：

式中i表示從第i個隱藏層神經元，為W₂權值矩陣的i行，j表示第j個輸出層神經元，為W₂權值矩陣的j列；

令則

將E_k對輸入層到隱藏層的連接權值W₁求偏導數可得到：

令則

將E_k對連接層到隱藏層的連接權值W₃求偏導數可以得到：

其中，l為連接層的第l個神經元；

有可以得到各個權值的更新值：

其中：