冗余惯性导航系统信息一致性判断方法

针对冗余惯性导航信息识别问题,提出一种基于Siamese网络的导航信息一致性判断方法。采用一段时间内的惯导数据变化趋势,模拟人脑对数据信息一致性的判断。首先建立惯组测量模型,获得不同状态的惯组测量数据,导航解算等处理后得到一段时间内7类21维的数据信息构造样本对。然后通过设计Siamese网络结构,采用卷积神经网络提取样本对特征向量进行网络训练。最后进行实验仿真验证。结果表明,本文采用552对小样本数据进行训练的结果,在与训练样本存在差异的497对测试样本上达到了98.19%的准确度,说明网络具有一定的泛化能力。神经网络训练结果稳定,在测试集上的准确度高。为冗余惯性导航系统信息一致性判断提供了新思路。