基于CNN的分段式AEKF弹丸组合导航方法及装置

本申请涉及导航，具体而言，涉及一种基于cnn的分段式aekf弹丸组合导航方法及装置。

背景技术：

1、随着现代军事科技的不断发展，弹丸对目标的精确打击成为主要的研究发展方向，了解弹丸在空间中各时刻的位置、速度和方向对其精准制导至关重要。

2、然而，高速弹丸在发射时会受到高达20’000g的高强度冲击，给弹丸带来高速度和高转速，由于巨大的冲击力对弹丸上布置的传感器有一定损害，使传感器测量精度降低，更易受噪声干扰，引起弹丸导航的误差增大。同时，弹丸在飞行过程中处于高速度、高振动状态，使得传感器准确测量弹丸的状态数据更加困难，需要使用数学手段(导航方法)，将状态数据与量测数据进行融合，得到最优状态估计值来弥补传感器的误差。因此，研究弹丸的导航方法十分重要。

3、由于弹丸在飞行过程中的实际运动都是非线性的，只是在某些条件下非线性较弱，通常采用扩展卡尔曼滤波算法(extended kalman filter,ekf)来估计弹丸的状态。ekf的核心是基于对非线性系统的一阶线性化，然后使用卡尔曼滤波算法来实现对系统的状态估计。传统的ekf算法，其量测噪声协方差矩阵和系统噪声协方差矩阵被设定为常值，但是弹丸在飞行过程中噪声是随机的，导致滤波结果出现误差，并且线性化会造成误差随着卡尔曼增益的增加而增加，使扩展卡尔曼滤波器的收敛性不能得到保证。为了缓解噪声的随机性对系统的影响，现有技术提出了一种自适应扩展卡尔曼滤波算法(adaptive ekf，aekf)，在算法迭代的过程中估计量测噪声，从而减小系统滤波的误差。但是由于弹丸在飞行过程中分为：发射段、升弧段、过顶点段和加速下降段。每个阶段弹丸系统运动规律和所受的随机噪声变化不同，量测噪声特性会随之发生变化。一般aekf算法的噪声估计器参数在算法迭代中不会根据弹丸的飞行阶段不同去立刻做出调整，这也使得传统aekf算法用在缓解噪声随机性对系统的影响时效果并不显著。

4、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种基于cnn的分段式aekf弹丸组合导航方法及装置，以至少解决现有技术中弹丸导航精确度不高的技术问题。

2、根据本发明实施例的一个方面，提供了一种基于cnn的分段式aekf弹丸组合导航方法，包括：基于卷积神经网络，通过来自于加速度计和陀螺仪的数据对弹丸的飞行阶段进行辨识；将辨识的飞行阶段与aekf算法中的噪声估计器的参数关联，得到改良的aekf算法，并根据所述辨识的飞行阶段自适应调节所述噪声估计器的参数；基于所述改良的aekf算法，来对所述弹丸进行导航。

3、根据本发明实施例的另一方面，还提供了一种基于cnn的分段式aekf弹丸组合导航装置，包括：辨识模块，被配置为基于卷积神经网络，通过来自于加速度计和陀螺仪的数据对弹丸的飞行阶段进行辨识；关联模块，被配置为将辨识的飞行阶段与aekf算法中的噪声估计器的参数关联，根据所述辨识的飞行阶段自适应调节所述噪声估计器的参数；导航模块，被配置为基于所述自适应噪声估计器参数的改良aekf算法，来对所述弹丸进行导航。

4、在本发明实施例中，基于卷积神经网络，通过来自于加速度计和陀螺仪的数据对弹丸的飞行阶段进行辨识；将辨识的飞行阶段与aekf算法中的噪声估计器的参数关联，得到改良的aekf算法，并根据所述辨识的飞行阶段自适应调节所述噪声估计器的参数；基于所述改良的aekf算法，来对所述弹丸进行导航。通过上述方案，解决了现有技术中弹丸导航精确度不高的技术问题。

技术特征：

1.一种基于cnn的分段式aekf弹丸组合导航方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，通过来自于加速度计和陀螺仪的数据对弹丸的飞行阶段进行辨识，包括：

3.根据权利要求2所述的方法，其特征在于，将辨识的飞行阶段与aekf算法中的噪声估计器的参数关联，包括：

4.根据权利要求3所述的方法，其特征在于，基于所述改良的aekf算法，来对所述弹丸进行导航，包括：

5.根据权利要求2所述的方法，其特征在于，基于所述速度变化率与所述俯仰角特性，实时辨识所述弹丸的飞行阶段，包括：

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述弹丸为大尺度差旋尾控制导弹丸。

7.根据权利要求6所述的方法，其特征在于，所述弹丸的船尾装有减旋翼片，当所述弹丸处于速度大于预设速度阈值的自旋状态时，在离心力的作用下，减旋翼片立即向远离弹丸轴线的方向弹出，但不离开弹体，使所述弹丸尾部转速降低。

8.一种基于cnn的分段式aekf弹丸组合导航装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有程序，其特征在于，在所述程序运行时，使得计算机执行如权利要求1至7中任一项所述的方法。

技术总结
本申请提供了一种基于CNN的分段式AEKF弹丸组合导航方法及装置，该方法包括：基于卷积神经网络，通过来自于加速度计和陀螺仪的数据对弹丸的飞行阶段进行辨识；将辨识的飞行阶段与AEKF算法中的噪声估计器的参数关联，得到改良的AEKF算法，并根据所述辨识的飞行阶段自适应调节所述噪声估计器的参数；基于所述改良的AEKF算法，来对所述弹丸进行导航。本申请解决了现有技术中弹丸导航精确度不高的技术问题。

技术研发人员：刘宁,栗浩睿,夏连喜,杨学思,赵文江,胡可君,陈帅印
受保护的技术使用者：北京信息科技大学
技术研发日：
技术公布日：2024/2/8