[发明专利]一种基于遗传神经网络的GPS/INS组合导航方法

说明书

技术领域个

本发明属于卫星导航和惯性导航技术领域，涉及一种基于遗传神经网络的GPS/INS组合 导航方法。

背景技术

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。GPS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，一般为1— 10Hz，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，GPS卫星导航的缺点便凸显出来。而INS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 MEMS-INS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。

通常的做法是将卫星导航与惯性导航信号经过kalman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GPS信号丢失情况下，代替GPS的 作用并且和惯性导航配合完成导航数据的输出。

发明内容

本发明所要解决的，就是针对上述问题，提出一种用来预测无人机导航系统在GPS信号 丢失的情况下惯性导航系统的输出误差，并用该误差数据对惯性导航系统的输出进行补偿和 修正的方法。以实现导航系统在GPS信号丢失的情况下，惯性导航系统能在神经网络算法的 辅助下输出精确的导航数据。

本发明的方法主要分为两大部分：

1、实现基于常规的GPS/MEMS-INS组合导航算法，设计Kalman滤波器对GPS信号和惯 性导航的数据进行融合，输出融合后的导航数据；

2、在第1步的基础上设计神经网络模型，并利用遗传算法对神经网络的权值和阈值进行 优化，然后将第1步得到的惯性导航数据和Kalman滤波器输出的数据，分别作为训练神经网 络的样本输入和样本输出，对神经网络模型进行训练。当GPS信号丢失时，利用训练好的神 经网络模型来预测惯性导航输出误差，并用该预测误差对惯性导航进行补偿和修正。

本发明的技术方案是：一种基于遗传神经网络的GPS/INS组合导航方法，其特征在于， 包括以下步骤：

S1、采用Kalman滤波器对GPS信号和惯性导航的数据进行融合，输出融合后的导航数据， 具体为：

S11、根据惯性导航模块采集的载体参数，至少包括角速度信息加速度矢量f^b和磁 力计信息，获取惯性导航输出的速度参数和位置参数，速度参数包括地理坐标系中东、北、 天方向上的速度，位置参数包括纬度L，经度λ，高度h；

S12、将步骤S11中获得的惯性导航参数和GPS输出的位置速度信息进行Kalman滤波， 获得融合后的导航数据；

S2、采用步骤S12中Kalman滤波的输出作为训练神经网络的期望值，以惯性导航模块产 生的速度参数和位置参数作为神经网络的输入对网络进行训练，使得网络具有惯性导航的误 差预测能力；

S3、在GPS信号丢失时，将神经网络接入到系统中来预测惯性导航的输出误差并补偿和 修正惯性导航的输出。

如图1所示，为基于GPS/MEMS-INS的组合导航硬件系统图，本发明采用基于ARM Cortex-M3核的STM32芯片作为导航计算单元，采集惯性导航和GPS传感器的数据进行导航 参数计算；选用MPU9250九轴惯性传感器模块和AK8963磁力计模块产生惯性导航数据，并通 过I2C总线与导航计算机进行通信；Ublox公司的Ublox GPS-M6N系列的GPS产生卫星导航 数据，通过USART串口与导航计算机进行通信。

基于GPS/MEMS-INS的组合导航算法框图如图2所示，具体为包括：

S111、使用STM32处理器读取惯性导航模块采集的载体参数，包括角速度信息加速 度矢量f^b和磁力计信息；

S112、通过求解如下四元数微分方程得到实时的四元数q₀，q₁，q₂，q₃

其中为陀螺仪在载体坐标系下的测得的三个轴的角速度信息；