本發(fā)明公開(kāi)了一種基于離散灰色神經(jīng)網(wǎng)絡(luò)模型的車輛GNSS/INS組合導(dǎo)航方法，包括以下步驟：S1：根據(jù)微慣性器件輸出的角增量和比力，利用慣導(dǎo)數(shù)值更新算法解算車輛的姿態(tài)、速度和位置；S2：建立基于DGM(1,1)的離散灰度預(yù)測(cè)模型；S3：改進(jìn)多層神經(jīng)網(wǎng)絡(luò)MLP；S4：設(shè)計(jì)基于離散灰度神經(jīng)網(wǎng)絡(luò)的混合智能預(yù)測(cè)算法DGM?MLP；S5：以慣導(dǎo)誤差方程為狀態(tài)方程，INS解算的位置與GNSS的位置之差為觀測(cè)量或者INS解算的位置與偽GNSS位置之差為觀測(cè)量，利用卡爾曼濾波器KF對(duì)組合導(dǎo)航系統(tǒng)進(jìn)行狀態(tài)估計(jì)；S6：卡爾曼濾波器KF估計(jì)得到的位置、速度和姿態(tài)誤差對(duì)慣導(dǎo)解算結(jié)果進(jìn)行輸出校正，陀螺和加表誤差對(duì)慣導(dǎo)進(jìn)行反饋校正。本發(fā)明能夠有效解決GNSS信號(hào)失效時(shí)導(dǎo)航精度降低的問(wèn)題。