本发明公开了一种基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法,包括以下步骤:S1:根据微惯性器件输出的角增量和比力,利用惯导数值更新算法解算车辆的姿态、速度和位置;S2:建立基于DGM(1,1)的离散灰度预测模型;S3:改进多层神经网络MLP;S4:设计基于离散灰度神经网络的混合智能预测算法DGM‑MLP;S5:以惯导误差方程为状态方程,INS解算的位置与GNSS的位置之差为观测量或者INS解算的位置与伪GNSS位置之差为观测量,利用卡尔曼滤波器KF对组合导航系统进行状态估计;S6:卡尔曼滤波器KF估计得到的位置、速度和姿态误差对惯导解算结果进行输出校正,陀螺和加表误差对惯导进行反馈校正。本发明能够有效解决GNSS信号失效时导航精度降低的问题。
声明:
“基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)