[发明专利]基于惯性导航单元阵列的高精度惯性导航系统及实现方法

权利要求书

1.一种基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，包括：

IMU(Inertial Measurement Unit，惯性测量单元)矩阵系统PCB板、IMU阵列、算法处理器、输出端口；

所述IMU阵列、算法处理器、输出端口设置在所述IMU矩阵系统PCB板上；

所述IMU阵列包括多个IMU芯片，多个IMU芯片按照设定的规则设置在所述IMU矩阵系统PCB板上；

所述算法处理器设置在所述IMU矩阵系统PCB板上，与所述IMU阵列连接，用于并行读取所述IMU阵列的数据，并根据深度学习算法计算IMU阵列的真实值；

所述输出端口与所述算法处理器连接，用于输出所述算法处理器的运算结果至外部设备。

2.根据权利要求1所述的基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，所述IMU阵列包括16块IMU芯片，所述IMU矩阵系统PCB板的上下面各设置8块IMU芯片，所述IMU芯片在同一面由两排组成，两两IMU芯片距离相差15MM，同一排四个IMU芯片的焊接角度各相差90度。

3.根据权利要求2所述的基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，所述IMU芯片的上下面对应位置设置的IMU芯片距离为15MM，焊接角度相差180度。

4.根据权利要求2所述的基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，所述算法处理器一次并行读取16个IMU芯片的9轴数据，所述算法处理器计算所述IMU芯片的每个轴的真实值。

5.根据权利要求2所述的基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，所述IMU芯片为MPU9250芯片。

6.根据权利要求1所述的基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，所述算法处理器包括FPGA芯片。

7.根据权利要求6所述的基于惯性导航单元阵列的高精度惯性导航系统，其特征在于，所述FPGA芯片为XC7Z020。

8.一种基于惯性导航单元阵列的高精度惯性导航系统的实现方法，其特征在于，包括：

在IMU矩阵系统PCB板的正反面放分别8个IMU芯片，IMU芯片在同一面由两排组成，两两IMU芯片距离相差15MM，同一排四个IMU芯片的焊接角度各相差90度；

算法处理器同步并行读取16个IMU芯片的9轴数据，每个IMU芯片的采样频率相同且都为50Hz；

对采集的数据进行预处理，制作深度学习模型的训练样本，对网络结构进行调整和训练，提高预测精度；

通过输出端口将计算结果输出到外部设备。

9.根据权利要求8所述的基于惯性导航单元阵列的高精度惯性导航系统的实现方法，其特征在于，所述对采集的数据进行预处理，制作深度学习模型的训练样本，对网络结构进行调整和训练，提高预测精度包括：

将16个IMU芯片构成一个虚拟IMU阵列，取16个IMU芯片在每个时间点上采集数据的平均值作为虚拟IMU阵列的各轴的真实值，选取读数在95％置信区间的IMU芯片读数，作为深度学习模型的训练样本，选取RTK作为模型参数更新的参考值；

采取LSTM(长短期记忆网络)训练卡尔曼滤波器中的未知量，所述卡尔曼滤波器需预先设定状态模型和观测模型两个模型量，使用LSTM训练样本学习状态模型和观测模型，处理非线性的状态、观测模型和非高斯噪声；

将16个IMU芯片采集的原始数据经过处理后，得到的9轴数据作为神经网络输入，输出为虚拟IMU阵列的位置坐标，通过RTK采集的位置坐标作为标准值，更新深度学习模型的网络参数；

通过对深度学习模型的网络结构进行调整和训练，寻找LSTM的最佳参数。

10.根据权利要求9所述的基于惯性导航单元阵列的高精度惯性导航系统的实现方法，其特征在于，所述通过对深度学习模型的网络结构进行调整和训练，寻找LSTM的最佳参数为：

序列长度为20、隐藏层神经元数量为50、隐藏层数量为2。