一种基于深度学习的高精度惯性导航设备误差补偿方法
基本信息
| 申请号 | CN201710766025.6 | 申请日 | - |
| 公开（公告）号 | CN107655472B | 公开（公告）日 | 2019-11-01 |
| 申请公布号 | CN107655472B | 申请公布日 | 2019-11-01 |
| 分类号 | G01C21/16（2006.01）I; G01C21/20（2006.01）I; G01S19/49（2010.01）I | 分类 | 测量；测试; |
| 发明人 | 杨华军; 李子月 | 申请（专利权）人 | 北京智尊保汽车科技有限公司 |
| 代理机构 | 北京驰纳智财知识产权代理事务所（普通合伙） | 代理人 | 杨华军;北京智尊保汽车科技有限公司 |
| 地址 | 101116 北京市通州区台湖镇兴光三街5号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于深度学习的高精度惯性导航设备误差补偿方法，包括输入惯性导航系统误差，还包括以下步骤：通过特定算法生成变化的惯性器件误差和温度补偿模型参数误差；将所述器件误差和所述温度补偿模型参数误差导入到高精度惯性导航设备中；高精度转台按照设定轨迹进行运动；根据运动轨迹和惯导导航输出获得导航误差；把从步骤1‑4中得到的数据作为深度学习模型训练样本对深度学习模型进行训练；对所述深度学习模型的正确性进行实测验证。本发明中的深度学习采用多隐层逐一训练的方式进行预训练，然后再针对整个网络进行微调，可在保证系统在线更新实时性的基础之上，不损失模型精度。 |
