一种基于径向基神经网络的无模型挠曲角估计方法

本发明具体涉及一种基于径向基神经网络的无模型挠曲角估计方法，方法包括：获取主子惯导导航系统的测量数据；基于训练集中的测量数据的分布特征，更新隐含层径向基函数的聚类中心，得到聚类中心的个数；基于训练集的测量数据和聚类中心的个数，构建径向基神经网络，采用最小均方误差算法对所述径向基神经网络进行训练，得到训练好的径向基神经网络；将测试集中的测量数据输入至训练好的径向基神经网络，得到并根据预测的挠曲角，结合传递对准误差方程，对主子惯到导航系统的位姿量进行计算补偿，基于无模型挠曲角的卡尔曼滤波模型，输出最终的对准结果。本发明解决了现有动态变形角建模补偿法中模型参数难以确定且参数时变时的传递对准问题。