基于机器学习的惯性导航系统初始对准方法研究

项目名称： 基于机器学习的惯性导航系统初始对准方法研究

项目编号： No.60972118

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 李擎

作者单位： 北京信息科技大学

项目金额： 30万元

中文摘要： 惯性导航系统初始对准的现有方法存在速度和精度的矛盾：精度高，即滤波效果好的那些方法，初始对准过程长。 机器学习是自动获取知识和改善系统行为的智能过程。机器学习方法，如支持向量机（SVM）方法的泛化能力强，即当输入矢量带有噪声时，它能准确地呈现出应有的输出，且速度快。 本项目拟将SVM与卡尔曼滤波、反馈控制相结合，以获得快速高精度的惯导系统初始对准智能方法。SVM是根据统计学习理论提出的一种新的机器学习方法,其突出优点是：由有限的训练集样本得到的小误差能够保证对独立的测试集仍保持小的误差；得到的解一定是全局最优解。这样，用SVM获得自适应因子，进而调整自适应卡尔曼滤波方法的量测噪声权值矩阵，预期可解决卡尔曼滤波可能发散的问题、局部解问题、求解时间长的问题。以期形成自主知识产权，为高精度实时导航关键技术奠定重要理论基础。对突破我国导航领域的技术瓶颈具有重要意义。

中文关键词： 捷联惯导系统初始对准；机器学习；支持向量机-自适应卡尔曼滤波；车载导航；空中自对准

英文摘要：

英文关键词： SINS initial alignment；Machine learning；SVM-AKF；Vehicle navigation；In-flight self-alignment