买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利拒止环境下伪定位可用性自适应维护与导航误差修正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116086443B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310003386.0，技术领域涉及：G01C21/16；该发明授权拒止环境下伪定位可用性自适应维护与导航误差修正方法是由王融;芮雨;赵静欣;熊智;刘建业;刘力;王聪聪;房旭澄;盛盟盟设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本拒止环境下伪定位可用性自适应维护与导航误差修正方法在说明书摘要公布了：本发明公开了一种拒止环境下伪定位可用性自适应维护与导航误差修正方法，通过记忆网络构建伪定位传感器，并设计了训练模式、预测模式和验证模式，在载体运动环境和量测条件动态变化的情况下在线评估记忆网络的预测精度和状态，并动态调整记忆网络参数以最短训练时间完成伪定位可用性维护；在拒止环境下灵活选取系统模式，适时利用记忆网络对惯性导航系统进行修正，并对网络的可用性进行维护。本发明能够在复杂应用条件下在线维持伪定位预测精度并根据性能需求缩短训练时间，提高了导航系统训练效率和可用性比率，适合实际应用。

本发明授权拒止环境下伪定位可用性自适应维护与导航误差修正方法在权利要求书中公布了：1.一种拒止环境下伪定位可用性自适应维护与导航误差修正方法，其特征在于，包括以下步骤： S1，获取惯性导航系统输出的角度增量和速度增量； S2，获取辅助传感器有效时的飞行器经度位置增量和纬度位置增量； S3，惯性导航系统进入训练模式，将归一化后惯性导航系统输出的角度增量和速度增量作为输入量，归一化后的辅助传感器输出的位置增量作为输出量训练记忆网络，并对比训练误差与预期误差，采用烟花算法进行自适应调整记忆网络参数； S4，辅助传感器失效时，惯性导航系统进入预测模式，用训练后的记忆网络预测组合导航位置增量； S5，计算辅助传感器失效时待定位飞行器的位置； S6，辅助传感器恢复后，惯性导航系统进入验证模式，将记忆网络与组合导航的差值和设定预期误差大小进行对比，判断是否需要继续训练记忆网络；若需要继续训练记忆网络，则返回步骤S3； 步骤S3中，采用烟花算法进行自适应调整记忆网络参数的详细实现步骤如下：S31，在辅助传感器未失效时，取步骤S1中获得的惯性导航系统输出的角度增量、速度增量作为训练输入序列，进行归一化处理，获得用于训练的标准化输入数据，其表达式为： 其中，为时刻载体X轴速度增量，为时刻载体Y轴速度增量，为时刻载体X轴角增量，为时刻载体Y轴角增量，为时刻载体Z轴角增量；表示转置矩阵； S32，在辅助传感器未失效时，取步骤S2中获得的飞行器经度位置增量和纬度位置增量作为训练输出序列，进行归一化处理，获得用于训练的标准化输出数据，其表达式为： 其中，为时刻经度位置增量，为时刻纬度位置增量； S33，惯性导航系统进入训练模式，将标准化输入数据作为训练输入量，标准化输出数据作为训练输出量，建立记忆网络的训练数据构架； S34，对记忆网络进行训练，采用基于梯度优化的Adam方法，梯度更新值为： 其中，为学习率，为梯度第一时刻平均值，为梯度第二时刻方差，为0~1范围的随机数； S35，定义序列输入层，并确定每个时间步长输入序列的大小； S36，创建记忆层，确定层中隐藏单位的数量； S37，创建具有指定输出大小的全连接层； S38，创建回归输出层，进行数据拟合； S39，调整记忆网络的参数，当训练误差大于设定阈值时，则通过选取寻优算子数和寻优半径来对记忆网络的参数进行寻优，自适应确定并调整记忆网络参数中的隐藏层数和学习率，其表达式为： 其中，为记忆网络训练架构，寻优参数为隐藏层数和学习率，为寻优算子数，为寻优半径，和为寻优范围，为调节寻优算子数量的常量，为调节寻优半径的常量，为防止除0的机械最小量，为初始寻优算子数； S310，设定误差趋稳后的最大学习轮数，当记忆网络在误差趋稳后训练至最大学习轮数，且平均绝对误差均小于设定阈值时，记忆网络停止训练，平均绝对误差计算公式为： 其中，设当前记忆网络处于第层、时刻，从时刻层的输入传回误差，记为；从时刻层传回的误差，记为；为训练输出数组的列数，为每一输出状态量的个数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。