基于循环神经网络的惯导重标期预测  

Prediction of INS Recalibration Period Based on Recurrent Neural Network

作　　者：郝田义[1] 许克勤 

机构地区：[1]中国飞行试验研究院

出　　处：《航空维修与工程》2022年第2期49-52,共4页Aviation Maintenance & Engineering

摘　　要：现阶段,由于惯导标定技术研究主要集中在误差参数估计方法、惯导标定精度分析方面,较少涉猎惯导的标定周期,导致业内简单地将惯导的标定可靠性作为重新标定的周期。本文以循环神经网络技术为基础,对惯导关键数据进行分析,预测激光捷联惯导重标需求的方法。通过对多台惯导历史数据的回归验证发现,通过使用基于循环神经网络技术等人工智能手段,构建基于惯导导航数据的分析模型,对惯导精度变化趋势进行预测,能够实现对惯导重新标定时间的预测,及时策划相应维修保障工作,避免惯导突报视情标定而影响作战任务执行。

关 键 词：循环神经网络 导航数据分析模型 捷联惯导 标定 

分 类 号：TN96[电子电信—信号与信息处理] TP183[电子电信—信息与通信工程]