歡迎訪問【深圳市百世精工科技有限公司】官網(wǎng)！我們主營進口傳感器及儀器設(shè)備，如高精度慣性傳感器、力矩傳感器、扭矩傳感器、位置位移傳感器、光學測量儀器等。
全國服務(wù)熱線：
全國服務(wù)熱線：
自 20 世紀 60 年代問世以來，卡爾曼濾波器至今已廣泛用于制導(dǎo)和導(dǎo)航應(yīng)用。它經(jīng)歷了許多旨在改進基本實現(xiàn)的調(diào)整，例如擴展的無味卡爾曼濾波器。然而，近年來，基于人工神經(jīng)網(wǎng)絡(luò)（ANN）處理的新過濾方法取得了重大突破，將慣性導(dǎo)航行業(yè)推入了一個新時代。
直到最近，慣性導(dǎo)航應(yīng)用的人工智能 (AI) 領(lǐng)域還沒有取得具體進展，直到 2012 年高級導(dǎo)航開始將大學研究的融合神經(jīng)網(wǎng)絡(luò)商業(yè)化。
隨著 GNSS 干擾和欺騙技術(shù)的廣泛使用，風險進一步加大。這迫使國防組織放棄僅使用 GNSS 獲取位置信息的解決方案，轉(zhuǎn)而采用能夠提供必要精度和可靠航位推算性能的慣性導(dǎo)航系統(tǒng) (INS) 解決方案。
從本質(zhì)上講，人工神經(jīng)網(wǎng)絡(luò)具有自學習功能，隨著時間的推移，隨著更多數(shù)據(jù)的出現(xiàn)，它能夠?qū)碜愿鞣N傳感器的輸入轉(zhuǎn)換為更好的結(jié)果輸出。更準確地說，典型的人工神經(jīng)網(wǎng)絡(luò)會經(jīng)歷兩個不同的階段。
?在初始階段，組成人工神經(jīng)網(wǎng)絡(luò)的處理單元被“教授”一組用于指導(dǎo)結(jié)果的學習規(guī)則，通過比較實際產(chǎn)生的輸出與期望的輸出來識別數(shù)據(jù)模式。
?第二階段，將校正（稱為反向傳播）應(yīng)用于實際數(shù)據(jù)以實現(xiàn)所需的輸出。
Advanced Navigation 的解決方案采用長短期記憶 (LSTM) 人工智能原理，非常適合根據(jù)重要事件之間持續(xù)時間可變的傳感器數(shù)據(jù)進行分類、處理和預(yù)測。
由于 LSTM 的運行時間跨度較長，因此與通常與卡爾曼濾波器相關(guān)的隱馬爾可夫模型相比，它對間隙長度相對不敏感。
1、在實驗室中，基于在各種環(huán)境中進行的多個小時的測試，長期學習被硬編碼在推理引擎中。
2、在現(xiàn)場，短期學習每秒更新推理引擎中的模型兩次。這種學習受到更多限制，并提供我們所謂的“中等水平學習”。
3、每分鐘一次，“深度學習”會在所有傳感器數(shù)據(jù)上運行一次，對系統(tǒng)進行自我建模，以便對學習的模型進行最復(fù)雜的更新。
在傳感器輸入處理期間使用過濾解決的常見錯誤有兩種：
1、確定性誤差——包括偏差、比例因子誤差和非正交誤差
2、隨機誤差——包括不穩(wěn)定性和信號噪聲
傳感器的溫度校準能夠解決大部分誤差，但是需要實時傳感器誤差估計來解決剩余誤差，這對于系統(tǒng)的準確性至關(guān)重要。
任何 INS 都有大量傳感器輸入，預(yù)計需要進行合理數(shù)量的濾波、計算和積分才能連續(xù)確定當前位置、方向和速度。
傳統(tǒng)過濾器在糾正這些錯誤方面面臨局限性，這為人工神經(jīng)網(wǎng)絡(luò)解決方案填補這一空白打開了大門。
傳統(tǒng)和擴展卡爾曼濾波器基于剛剛發(fā)生的情況和現(xiàn)在正在發(fā)生的情況，跟蹤傳感器誤差，由于受到線性近似的限制，可能會出現(xiàn)某種延遲。 ANN 濾波器的優(yōu)點是，由于使用了所有可用數(shù)據(jù)，傳感器誤差跟蹤明顯更加準確，從而能夠更好、更快速地估計誤差。
首先，人工神經(jīng)網(wǎng)絡(luò)濾波器具有遠遠優(yōu)于傳統(tǒng)濾波器的完整性監(jiān)控功能，能夠拒絕錯誤的測量，并在更深層次上調(diào)整不一致數(shù)據(jù)的精度。這使得系統(tǒng)在困難條件下具有更高的性能，在這種條件下，大量錯誤數(shù)據(jù)通常更為普遍。在多路徑（反射信號）GNSS 條件（例如城市峽谷）中，性能提升尤其明顯。
其次，對于傳統(tǒng)的基于卡爾曼濾波器的系統(tǒng)，線性約束應(yīng)用于各種傳感器輸入的位置、速度和加速度，以對車輛運動進行建模。相比之下，使用 ANN 時，非線性約束適用于更徹底的真實動態(tài)車輛運動模型，從而可以更好地跟蹤錯誤、獲得更可靠的數(shù)據(jù)和更高的精度。
在實踐中，開發(fā)非線性但嚴格約束的人工智能融合神經(jīng)網(wǎng)絡(luò)模型并不那么簡單。
它只能通過嚴格的過程以及多年的實驗室和現(xiàn)場研究才能實現(xiàn)。這項工作始于 2007 年的大學，旨在開發(fā)高度約束的定制神經(jīng)網(wǎng)絡(luò)、建立訓(xùn)練模式并構(gòu)建大量數(shù)據(jù)集。
如果人工智能模型沒有受到定制神經(jīng)網(wǎng)絡(luò)設(shè)計方法的約束，它可能會導(dǎo)致不可預(yù)測的結(jié)果，并需要更高級別的處理。事實上，與傳統(tǒng)卡爾曼濾波方法相比，它可能無法提供任何凈收益。
由于實施了高度受限的人工智能學習模型，我們可以在運行功耗相對較低的高端微處理器上開發(fā)我們的 INS 產(chǎn)品。
此外，所有高級導(dǎo)航 IMU 和 INS 產(chǎn)品均使用 1000 Hz (1 kHz) 內(nèi)部濾波率運行，可在最苛刻的應(yīng)用中提供高動態(tài)性能。
Advanced Navigation 的突破性創(chuàng)新體現(xiàn)在多種 IMU 和 INS 解決方案中，這些解決方案在最小尺寸、重量和功耗方面極具競爭力。
有關(guān)高級導(dǎo)航 INS 解決方案的實際性能示例，請閱讀我們的 Spatial FOG INS 現(xiàn)場測試。
人工神經(jīng)網(wǎng)絡(luò)提供了一種新的慣性導(dǎo)航方法，與以前的技術(shù)和工藝相比，具有顯著的優(yōu)勢。不僅如此，使用 AI/ANN 還有助于我們繼續(xù)開發(fā)非常高性能的產(chǎn)品，這些產(chǎn)品還在每個性能級別提供極具競爭力的 SWaP-C。
相關(guān)產(chǎn)品推薦：
?Advanced Navigation Spatial FOG Dual光纖組合慣性導(dǎo)航系統(tǒng)
?Advanced Navigation Certus MEMS GNSS/INS慣性導(dǎo)航系統(tǒng)
?Advanced Navigation ORIENTUS MEMS AHRS微型慣性傳感器
?Advanced Navigation MOTUS MEMS IMU超高精度傳感器
?Advanced Navigation SPATIAL MEMS GNSS/INS輔助慣性導(dǎo)航系統(tǒng)
?Advanced Navigation Boreas D70/D90 超高精度數(shù)字光纖陀螺儀
?Advanced Navigation Certus Evo MEMS GNSS/INS慣性導(dǎo)航系統(tǒng)
