一种融合物理信息神经网络的IMU姿态角预测方法

本发明属于IMU姿态估计领域，公开了一种融合物理信息神经网络的IMU姿态角预测方法，包括：步骤1，建立陀螺仪的动力学模型；步骤2，构建物理信息神经网络模型，定义损失函数；步骤3，利用梯度下降法训练物理信息神经网络模型，自适应调整数据项与物理信息项的损失权重；步骤4，使用训练好的物理信息神经网络模型对IMU的姿态角进行预测；步骤5，重复执行步骤4，得到全部时刻的姿态估计。本发明通过引入物理信息神经网络，以角速度微分方程作为物理信息项，构建损失函数的约束条件，增强了神经网络对IMU运动过程的学习能力，有效提升了神经网络模型对于未知运动模式下的泛化能力。