基于自适应互补卡尔曼滤波的偏振光/MEMS组合航姿测量方法

    公开(公告)号:CN118111434A

    公开(公告)日:2024-05-31

    申请号:CN202410036652.4

    申请日:2024-01-10

    Abstract: 基于自适应互补卡尔曼滤波的偏振光/MEMS组合航姿测量方法,它涉及一种偏振光/MEMS组合航姿测量方法。本发明为了解决针对图像式偏振传感器/MIMU组合导航系统在倾斜、遮挡等复杂应用场景下的研究仍然较少,并且存在一定的局限性的问题。本发明通过偏振光传感器和加速度计消除惯性导航系统的累积误差,本发明根据实测重力与局部理论重力的相关性,以最大相关熵构建自适应互补因子,进一步提高姿态和航向精度;本发明搭建了基于自适应互补卡尔曼滤波的偏振光/MEMS组合航姿测量装置,并且通过室外动态转位试验和车载试验对本专利方法进行验证。本发明属于无人平台导航技术领域。

    一种基于卡尔曼滤波的四加表冗余配置与故障监测方案

    公开(公告)号:CN114705183A

    公开(公告)日:2022-07-05

    申请号:CN202111544134.6

    申请日:2021-12-16

    Abstract: 本发明公开了一种基于卡尔曼滤波的四加表冗余配置与故障监测方案。包括如下步骤:(1)将四个加速度计围绕系统体坐标系的垂向轴以同一夹角α均匀斜装;(2)使四个加速度计的敏感轴在体坐标系xoy平面内的投影分别与x轴、y轴及其反向延长线呈β角;(3)基于以上安装夹角获取四个加速度计的安装矩阵;(4)基于安装矩阵和捷联矩阵获取载体坐标系三个轴上的比力输出值;(5)以平台失准角、速度误差、位置误差、陀螺漂移和四个加速度计的零偏为状态量构造卡尔曼滤波状态方程,以速度和位置误差作观测量构造卡尔曼滤波量测方程(6)在载体机动过程中实时进行卡尔曼滤波估计(7)对滤波估计的加速度计零偏输出值进行阈值判断从而确定故障加速度计。本发明提出的四加表冗余配置与故障监测方案结构简单同时可为后续系统故障辨识、隔离和重构提供依据。

    一种面向惯性导航应用的原子干涉陀螺仪性能评测方法

    公开(公告)号:CN117906636A

    公开(公告)日:2024-04-19

    申请号:CN202311569524.8

    申请日:2023-11-23

    Abstract: 本发明提供了一种面向惯性导航应用的原子干涉陀螺仪性能评测方法,包括:步骤1:获取原子干涉陀螺仪静态数据;步骤2:将第一铷原子束和第二铷原子束输入原子装载速率测量模块,完成原子装载速率评测;步骤3:将第一铷原子束和第二铷原子束输入原子冷却温度极限测量模块,完成原子冷却温度极限评测;步骤4:将第一铷原子束和第二铷原子束输入干涉条纹信噪比测量模块,完成干涉条纹信噪比评测;步骤5:将第一铷原子束和第二铷原子束输入稳定度参数测量模块,完成稳定度参数评测。本发明从传感器、惯性信息测量和惯导系统应用三个层面开展,兼顾多种方法的特性,提取出更多原子干涉陀螺仪关键参数信息,实现原子干涉陀螺仪性能的全方位评测。

    一种基于双向LSTM神经网络的光纤惯性测量装置应力加速稳定方法

    公开(公告)号:CN115962777A

    公开(公告)日:2023-04-14

    申请号:CN202310030826.1

    申请日:2023-01-10

    Abstract: 本发明是一种基于双向LSTM神经网络的光纤惯性测量装置应力加速稳定方法。本发明涉及高精度惯性测量技术领域,本发明建立光纤陀螺参数漂移预测的双向LSTM网络模型,然后对网络进行训练完成模型参数的寻优,实现对光纤惯性测量装置零偏误差模型时间序列复杂特性的精确表征。通过搭建的基于双向LSTM神经网络的应力加速稳定装置获得光纤陀螺和石英加速度计的静态输出数据后。将训练集输入到双向LSTM神经网络中训练,迭代优化网络权重,获得最终的光纤惯性测量装置应力加速稳定参数漂移预测模型。然后使用测试集进行评估,对输出值进行反归一化后,计算真值与预测值的差异。

    一种基于改进混沌蜂群算法的工程约束参数优化方法

    公开(公告)号:CN106875050A

    公开(公告)日:2017-06-20

    申请号:CN201710076168.4

    申请日:2017-04-01

    CPC classification number: G06Q10/04 G06N3/006

    Abstract: 一种基于改进的蜂群算法的工程约束参数优化方法,是一种新型的仿生学优化算法,思想是利用蜜蜂群体搜索蜜源的路线进行判断选择的方式方法。传统的工程约束参数优化方法存在诸多不令人满意的问题,难以满足工程约束参数优化的需求,利用传统蜂群算法对工程参数进行优化具有较强的适应性、正反馈性和鲁棒性,但也存在易陷入局部最优解。混沌蜂群算法是利用混沌算法的全排列性,利用混沌变量具有遍历性、随机性和规律性的特点,改进蜂群算法容易过早收敛、易陷于局部最优、对边缘定位不准确等问题。本文采用混沌蜂群算法进行工程约束参数的优化,该方法能够快速、清晰、准确且有效性强。

    一种基于Conv-Bi-LSTM模型的船舶升沉运动预测系统及预测方法

    公开(公告)号:CN116280094A

    公开(公告)日:2023-06-23

    申请号:CN202310041144.0

    申请日:2023-01-12

    Abstract: 本发明提出了一种基于Conv‑Bi‑LSTM模型的船舶升沉运动预测系统及预测方法;获取船舶历史运动数据,建立运动信息的数据集,对所述数据集进行预处理,对数据集进行随机拆分,获取训练数据集和测试数据集;采用Conv‑Bi‑LSTM模型构建船舶升沉预测模型,训练数据集训练Conv‑Bi‑LSTM网络,获得船舶升沉预测模型;将所述测试数据集输入船舶升沉运动预测模型进行预测,获取到测试数据预测精度,使用平均误差MAE、均方误差MSE、均方根误差RMSE和平均绝对百分比误差MAPE评价指标评价模型的性能;本发明把多个自由度历史运动信息当做模型的输入,对船舶升沉进行综合预测,充分利用了运动时间序列的正向反向两个时间状态信息,提高了升沉运动的预测精度。

Patent Agency Ranking