[发明专利]一种自适应UKF算法的导航方法及系统

权利要求书

1.一种自适应UKF算法的导航方法，

步骤1：采集惯性传感器原始数据，包括加速度计输出的三轴加速度值和陀螺仪输出的三轴角速率值；

步骤2：惯性导航系统定位信息更新，根据惯性测量器件输出的加速度值和角速率值以及系统状态初值计算载体在东北天坐标系下的东向、北向、天向速度以及俯仰角、横滚角、航向角，再计算得到经度、纬度和高度信息；

步骤3：搜索采集GPS定位信息，包括当前载体经纬度、高度、东北天三向速度，根据接收到的HDOP值和卫星数目判断卫星信号可信度，即接收的卫星颗数大于4颗且HDOP值小于1.2时认为卫星信号可信；

步骤4：当卫星数目大于4颗且HDOP值为1时，进入GPS/INS组合导航模式，否则转入步骤8进入神经网络预测修正模式；

步骤5：GPS/INS组合导航模式采用改进自适应UKF算法用卫星的定位信息对惯性导航系统输出的定位信息进行补偿修正；

步骤5.1：确定状态向量并计算均方误差阵P：

状态向量：

其中φ：失准角；

Δv：卫星输出速度与惯性导航系统速度差值；

Δp：卫星定位经纬度与惯性导航系统计算经纬度差值；

ε：陀螺仪零偏；

加速度计零偏；

计算均方误差阵

步骤5.2：对状态向量进行UT变换

式中，α为一个在区间[10^-4,1]中的正值；

步骤5.3：计算UT变换后的一步预测矩阵和协方差矩阵

ξ_i,k/k-1＝Φ(ξ_i,k-1) i＝0,1,…,2n (4)

式中ω_i的选取规则为：

Q为系统噪声协方差阵；

步骤5.4：计算量测均值及量测值协方差矩阵：

式中R为量测噪声协方差阵，ω_i的选取规则同步骤5.3；

步骤5.5：量测更新

步骤5.6：计算本次更新的新息和残差：

式中ε_k为新息，而η_k表示残差；

步骤5.7：用滤波估计的结果对惯性导航输出的位置和速度信息进行修正：

步骤6：误差协方差阵自适应更新，当滤波更新的次数达到更新窗口宽度N时，对系统噪声协方差阵和量测噪声协方差阵采用新息和残差进行自适应更新：

步骤7：保存神经网络训练样本并对神经网络结构参数进行训练更新；基于预定的窗口宽度t保存神经网络训练样本，并采用全局人工蜂群算法对神经网络结构参数进行更新；

步骤7.1：将神经网络训练输入样本归一化处理：

式中y为归一化操作后的训练输入样本，x为原始的训练输入样本；

步骤7.2：由训练输入样本在解空间内随机生成N_s个可行解

式中j表示D维解向量的分量；

步骤7.3：根据领域搜索公式在当前解向量附近搜索新的解向量：

v_ij＝x_ij+α(x_ij-x_kj)，i≠k (15)

式中v_ij为搜索到的新解，x_ij为前一个解向量，x_kj为解空间内与x_ij不同的解向量，α为-1到1的随机数；

步骤7.4：根据新解和原解的适应度值f_v和f_x来替换蜜源：

步骤7.5：对新的蜜源进行全局搜索：

式中为当前的全局最优解，β和cr为调节系数,else指除randcr以外的其他情况；

步骤7.6：判断迭代次数是否达到最大次数，若达到最大次数则输出得到的全局最优解，即为神经网络隐含层的径向基核函数函数中心，若未达到最大循环次数则返回步骤7.2继续进行搜索；

步骤7.7：根据步骤7.6得到的径向基核函数函数中心，步骤7.1得到的归一化训练输入样本和归一化后的目标输出样本进行RBF神经网络隐含层到输出层的权值参数和偏差参数进行训练更新；

步骤8：当搜索到的卫星颗数小于4颗或完全接收不到卫星信号时进入神经网络预测修正模式，利用步骤7中训练更新完成的改进RBF径向基神经网络预测输出结果与惯性导航系统输出的位置速度信息做差后作为自适应UKF滤波器的量测值进行预测更新，然后再对惯性导航系统输出的定位信息进行修正，将步骤5中的量测量更新为RBF神经网络预测输出与惯性导航系统输出的差值，并执行步骤5。