由于机动伴随防空武器系统应用场景的特殊性，难以准确建立适应多变工况的挠曲变形模型，无法保证主子惯导传递对准的精度。为解决这一问题，采用无数据依赖智能技术，将传递对准数学模型中的挠曲变形模型由神经网络代替，神经网络的连接权系数扩充为传递对准模型的部分未知变量，使用非线性卡尔曼滤波对模型所有变量进行实时估计，从而获得主、子惯导之间的失准角，基于主惯导姿态信息进而完成行进中的高精度传递对准。仿真实验表明，该方法能在很短时间内估计出失准角，完成导弹惯导的高精度初始姿态装订。
