基于CKF滤波的车辆动力学模型辅助惯导组合导航方法

    公开(公告)号:CN107144284A

    公开(公告)日:2017-09-08

    申请号:CN201710253845.5

    申请日:2017-04-18

    Applicant: 东南大学

    Abstract: 本发明公开一种基于CKF滤波的车辆动力学模型辅助惯导组合导航方法,包括如下步骤:根据微惯性器件输出的角增量和比力,利用惯导数值更新算法解算车辆的姿态、速度和位置;建立三自由度车辆动力学模型,以方向盘转角和纵向力为控制输入量,利用四阶龙格库塔法实时解算载体速度;以惯导误差方程为状态方程,动力学模型和惯导解算的速度差为观测量,设计CKF滤波器对组合导航系统进行状态估计;CKF估计得到的位置、速度和姿态误差对捷联惯导解算结果进行输出校正,陀螺和加表误差对惯导进行反馈校正。此种方法针对惯导误差随时间积累,无法长时间保持导航精度的问题,可提高车辆导航系统的精确度和可靠性。

    一种基于Vague集模糊推理的地磁图适配性的综合评价方法

    公开(公告)号:CN105758403A

    公开(公告)日:2016-07-13

    申请号:CN201610004397.0

    申请日:2016-01-06

    Applicant: 东南大学

    Inventor: 王立辉 余乐 乔楠

    CPC classification number: G01C21/20

    Abstract: 本发明公开了一种基于Vague集模糊推理的地磁图适配性的综合评价方法,提出了含信息量更加丰富的Vague集模糊决策法,考虑了地磁图特征之间存在相关和冗余的原因,为候选匹配区适配性分析提供了定量性的依据,丰富了水下地磁匹配区适配性能研究的方法,解决单个特征量评估部准确的问题,用于选出适配性最优的匹配区,优化地磁辅助导航区的选取。

    基于中位角自适应调节的收获机智能辅助驾驶方法

    公开(公告)号:CN110275529B

    公开(公告)日:2021-06-11

    申请号:CN201910500926.X

    申请日:2019-06-11

    Applicant: 东南大学

    Inventor: 王立辉 乔楠

    Abstract: 本发明公开了一种基于中位角自适应调节的收获机智能辅助驾驶方法,包括如下步骤:1、在当前k时刻,根据前kmax个时刻收获机的位置计算收获机与期望路径的距离偏差的平均值2、判断中位角θ是否有偏差,如果保持中位角不变;如果计算中位角θ的修正值θcorrect,并对中位角进行修正;3、计算当前k时刻收获机的期望转角δ(k)、车轮目标转角α(k)=θ+δ(k);利用角度跟踪控制算法,调整车辆转向轮,跟踪车轮目标转角α(k);4、循环执行步骤1‑3,在每一时刻判断收获机中位角是否有偏差,计算车轮目标转角,并调整转向轮跟踪车轮目标转角。该方法能够提高提高中位角标定精度、补偿航向传感器安装误差,从而提高了收获机的操作便捷性。

    一种基于改进的经验模态分解的地磁测量信号去噪方法

    公开(公告)号:CN106405444B

    公开(公告)日:2019-01-29

    申请号:CN201610748459.9

    申请日:2016-08-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于改进的经验模态分解的地磁测量信号去噪方法,包括以下步骤:S1:获取地磁场测量数据序列{x1(t)};S2:多次进行形态学滤波处理;S3:对步骤S2得到的信号进行经验模态分解。本发明采用改进的经验模态分解方法,实现了对地磁测量噪声的抑制作用;为实现测量信号粗大误差的抑制,采用了多次形态学滤波方法,可大大提高信噪比;针对传统经验模态分解存在的端点效应,提出了新的信号延拓方法,实现了对端点效应的抑制作用,加强了本征信号函数的有效性;针对分解后的信号重构问题,提供了详细的区分信号噪声的规则,加强了重构函数的信噪比,抑制了随机噪声。

    基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法

    公开(公告)号:CN109000640B

    公开(公告)日:2021-09-28

    申请号:CN201810513315.4

    申请日:2018-05-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法,包括以下步骤:S1:根据微惯性器件输出的角增量和比力,利用惯导数值更新算法解算车辆的姿态、速度和位置;S2:建立基于DGM(1,1)的离散灰度预测模型;S3:改进多层神经网络MLP;S4:设计基于离散灰度神经网络的混合智能预测算法DGM‑MLP;S5:以惯导误差方程为状态方程,INS解算的位置与GNSS的位置之差为观测量或者INS解算的位置与伪GNSS位置之差为观测量,利用卡尔曼滤波器KF对组合导航系统进行状态估计;S6:卡尔曼滤波器KF估计得到的位置、速度和姿态误差对惯导解算结果进行输出校正,陀螺和加表误差对惯导进行反馈校正。本发明能够有效解决GNSS信号失效时导航精度降低的问题。

    基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法

    公开(公告)号:CN109000640A

    公开(公告)日:2018-12-14

    申请号:CN201810513315.4

    申请日:2018-05-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法,包括以下步骤:S1:根据微惯性器件输出的角增量和比力,利用惯导数值更新算法解算车辆的姿态、速度和位置;S2:建立基于DGM(1,1)的离散灰度预测模型;S3:改进多层神经网络MLP;S4:设计基于离散灰度神经网络的混合智能预测算法DGM-MLP;S5:以惯导误差方程为状态方程,INS解算的位置与GNSS的位置之差为观测量或者INS解算的位置与伪GNSS位置之差为观测量,利用卡尔曼滤波器KF对组合导航系统进行状态估计;S6:卡尔曼滤波器KF估计得到的位置、速度和姿态误差对惯导解算结果进行输出校正,陀螺和加表误差对惯导进行反馈校正。本发明能够有效解决GNSS信号失效时导航精度降低的问题。

Patent Agency Ranking