面向多源自主导航的智能学习方法研究

摘要 智能多源自主导航系统以北斗导航为基石、以惯性导航为支撑, 旨在提供高度智能化的定位导 航与授时服务, 通过实现即插即入、无缝衔接、无感切换、可信完备等功能, 以满足复杂多变的场景需 求. 采用以深度学习、强化学习为代表的智能学习方法, 从复杂性与多尺度视角出发, 探索智能多源自 主导航中的优化与协同理论, 建立以精准稳定、可信安全、可泛化、可解释、内嵌动力学机理为关键要 素的智能学习方法, 推动构建弹性、健壮、动态、可控与可信的精准智能多源自主导航模型与方法体 系, 从而有力支撑国家综合定位导航与授时体系的创新发展和先进导航技术的规模化应用.

关键词 智能多源自主导航, 内嵌动力学机理, 可泛化, 可解释, 可信性, 完备性

1 引言

多源自主导航系统面向新一代国家综合定位导航与授时 (positioning, navigation and timing, PNT) 体系终端建设的重大需求, 是以北斗导航为 “基石”、以惯性导航为 “支撑”, 综合利用无线电、图像、 地磁、气压、匹配传感器等测量设备的定位导航授时终端 [1, 2] . 随着大模型、大数据、大算力等人工智 能技术的快速发展, 多源自主导航系统需要加强与机器学习、深度学习、强化学习、迁移学习等方法 的创新融合, 建立精准稳定、可信安全、可泛化、可解释、内嵌动力学机理的智能学习方法体系, 有力 支撑先进导航技术的规模化应用. 基于上述发展要求, 智能多源自主导航需重点针对多源信息的智能 感知、信息模型的精准构建和导航行为的智能可信决策等 3 个方面展开理论和技术研究. 通过整合多 种信号、信息、数据和技术资源, 增强导航系统的稳定性和可靠性. 在多源导航信息的智能感知方面, 深度神经网络等智能方法已广泛应用于导航参数辨识等关键技 术领域, 用于系统观测能力量化表征的智能大数据处理方法的研究也取得了一定突破. 文献 [3] 针对具有复杂角速率测量噪声的航天器惯性矩阵参数辨识等问题, 提出一种结合深度神经网络 (deep neural network, DNN) 结构优化策略的惯性矩阵辨识方法, 利用优化结构的深度学习网络对存在复杂测量噪 声的惯性矩阵进行准确解译. 文献 [4] 提出了多源自主导航系统观测能力的降维表征和解析量化方法, 以观测能力的表征、判定和量化为突破口, 解决了多源融合导航技术运算规模大、存储开销高、难以 在轨应用等瓶颈问题, 开发了基于航天器可观测性理论的多源融合自主导航技术. 文献 [5] 针对基于 全球导航卫星系统 (global navigation satellite system, GNSS)、地标矢量和星光矢量的多源信息融合 高轨卫星导航系统, 利用系统可观度和状态可观度等奇异值分解 (singular value decomposition, SVD) 方法, 实现了滤波器状态误差的量化表征, 从而增强导航系统对多源信息的感知能力. 文献 [6] 针对静 态、动态以及地下、水下、隧道、电磁干扰等用户, 提出了智能感知与集成可用性准则, 强调了用户需 求感知和 PNT 信息可用性判断等重要内容. 在导航信息模型的精准构建方面, 以机器学习为代表的智能方法在建模方面成果丰富, 相关技术 可以较为便捷地迁移至导航领域. 针对复杂陌生环境下多源自主导航系统的信息模型精准构建问题, 文献 [7] 提出了一种适用于无人机平台的预测优化方案, 使得空中机械手能够成功地执行毫米级钉入 孔任务, 实现末端执行器的精确导航, 一定程度上抑制了空中机械手浮基扰动和机械臂多连杆结构的 运动误差放大效应. 在基于多源观测信息的载体运动特性导航信息模型构建问题上, 文献 [8] 提出了 一种基于矢量匹配测量模型的可靠姿态估计方法, 该方法与仿生复眼偏振罗盘和 MEMS 惯性传感器 集成, 实现了矢量模型之间的匹配和融合, 并根据材料偏振程度来提高太阳矢量的计算精度. 文献 [2] 基于任务场景、运动环境以及载体动力学特征等, 提出了多源自主导航系统模型表征、风险识别和可 检测性量化与动态迭代优化的解决方案, 实现了系统模式准确判断、重构切换与动态迭代, 确保系统 的容错性能和 PNT 服务的可信完备输出. 在导航行为的智能可信决策方面, 类脑智能、大语言模型等先进智能方法的应用已逐渐渗透至导 航决策领域. 文献 [9] 针对无人系统在复杂任务和未知环境下的自主智能导航问题, 提出了基于兴趣驱 动的类脑自主导航技术框架, 并从自身感知、环境认知、记忆推理和兴趣决策等方面梳理了类脑自主 导航的智能可信决策关键技术和实现途径, 并在兴趣驱动下实现高效智能且自适应切换的导航行为. 文献 [10] 提出了基于复杂性与多尺度分析的新一代人工智能理论, 并从复杂数据科学感知、复杂系统 精准构建、复杂行为智能分析等多个维度, 建立了面向复杂系统行为演进和全局动态分析的可解释可 调控的精准智能理论及方法, 并实现了群体激发和汇聚行为复杂性度量与有效引导调控, 以应对处理 复杂对象时的可解释性、泛化性和可复现性等发展瓶颈. 文献 [11] 在自然智能、PNT 智能、人工智能 的交叉融合基础上, 辩证分析了 PNT 智能与智能 PNT 的概念、内涵和趋势, 同时给出了理性决策、 感性决策、潜意识决策、无意识决策和具身决策等智能可信决策发展方向. 综上, 面向危险、极端、特殊、恶劣等复杂导航任务, 多源自主导航系统需要与人工智能深度融合, 发展可动态迭代优化与自主学习的智能多源自主导航方法, 最终更好地服务于导航系统的智能可信决 策. 为此, 本文聚焦于导航信息源精准表征、非线性关联解耦、动态导航智能调控等问题, 提出面向多 源自主导航的智能学习方法, 并系统地阐述其方法体系和技术路径, 旨在突破多尺度时空约束下的多 源物理信息获取和导航信息自主解译等难题, 为我国多源自主导航系统技术的创新发展提供参考.