为提高全球导航卫星系统(GNSS)拒止环境下空间飞行器自主导航系统的精度,提出了一种融合长短时记忆(LSTM)神经网络的紧组合导航方法,将LSTM神经网络与鲁棒容积卡尔曼滤波器(RCKF)深度融合,利用神经网络预测惯导系统时间序列中的量测误差,进而抑制导航系统的误差发散,实现导航滤波器的平滑快速收敛。通过量测不确定性分析与非线性误差模型的滤波器估计,精确量化紧组合导航模式中的状态空间模型,并引入RCKF以提高误差协方差矩阵的估算精度;当卫星拒止时,导航系统将训练后神经网络的预测结果视为组合导航滤波器的量测新息,维持其量测矩阵的正常更新,减少单一惯性基下的误差累积。仿真表明,针对40 s的GNSS拒止场景,相比于RCKF,所提方法的位置误差增长率减少约20.8%,有效提升了自主导航系统的输出精度和误差抑制能力。
资料为PDF文档格式.
本文档关键词:导航,自主,神经网络,环境,LSTM
