光纤陀螺仪的动态特性快速测试标定方法

    公开(公告)号:CN102538822B

    公开(公告)日:2014-09-10

    申请号:CN201110431062.4

    申请日:2011-12-20

    Applicant: 东南大学

    Abstract: 光纤陀螺仪的动态特性快速测试标定方法,在光纤陀螺数字闭环信号处理过程中引入附加调制相位,来模拟外部载体转动引起的光学非互易性Sagnac相位,采用分段调制相位的办法,对光纤陀螺输出数据进行分段处理,来标定光纤陀螺的标度因数,并分析光纤陀螺标度因数的非线性度、不对称性及重复性。本发明从光纤陀螺数字闭环信号处理方法入手,以一种全新的方法从整体上来评估光纤陀螺的动态特性,解决在现有的标定过程中,由于测试方法及标定设备技术指标限制导致测试结果的准确性较差以及测试精度较低的问题,具有测试过程简捷、标定精度高的特点,并且可以单次完成多套光纤陀螺的测试标定。

    一种多卫星系统与捷联惯性导航系统紧组合导航方法

    公开(公告)号:CN103969672A

    公开(公告)日:2014-08-06

    申请号:CN201410204477.1

    申请日:2014-05-14

    Applicant: 东南大学

    CPC classification number: G01S19/49 G01C21/165

    Abstract: 本发明公开了一种多卫星系统与捷联惯性导航系统紧组合导航方法,首先对IMU输出数据捷联解算获得SINS当前姿态、速度、位置信息。对卫星星历报文进行星历解算得到各卫星位置、速度,各卫星系统时空统一,进行卫星选星。其次,利用选取的卫星位置、速度信息与捷联解算得到的SINS位置、速度信息计算得到SINS伪距、伪距率。再次,利用GNSS输出的原始测量数据,即测码伪距和多普勒频移,与SINS伪距、伪距率进行比较,将差值作为滤波器的观测量,经过滤波器的最优估计,给出校正SINS的补偿量,闭环校正,得到SINS姿态、速度、位置最优解。本发明解决了惯导与单卫星组合导航在高楼遮挡、树木掩盖等复杂环境下卫星数目过少影响紧组合导航精度的问题。

    一种惯性传感器IMU信号模数转换模块

    公开(公告)号:CN103248364A

    公开(公告)日:2013-08-14

    申请号:CN201310125961.0

    申请日:2013-04-12

    Applicant: 东南大学

    Abstract: 本发明提出了一种惯性传感器IMU信号模数转换模块,其实现了200Hz的高速同步采样,并且在采样前对陀螺仪和加速度计信号进行了两级运放预处理,将信号放大、滤波及整流后使用,采样后进行实时数据建模及补偿提高其采样精度。同时实时报告IMU故障及工作温度,提高捷联系统和组合导航系统的可靠性及容错性。

    高过载环境下的捷联惯性导航系统陀螺信号智能滤波方法

    公开(公告)号:CN103196446A

    公开(公告)日:2013-07-10

    申请号:CN201310080881.8

    申请日:2013-03-14

    Applicant: 东南大学

    Abstract: 本发明公开了一种高过载环境下的捷联惯性导航系统陀螺信号智能滤波方法,其主要目的在于:建立3个BP网络模拟高过载环境下X、Y、Z三个轴上的陀螺输出,捷联惯性导航系统的陀螺和加速度计直接安装在载体上;根据加速度计输出进行判断载体是否处于进入高过载环境,当加速度计输出大于设定阈值时,则视为进入高过载环境,否则视为非高过载环境;当判断结果为非高过载环境,则将3个陀螺输出用于导航计算并将陀螺输出作为BP网络在线训练样本,以保证网络参数与当前载体运动态势的一致性;当判断结果为进入高过载环境时,则3个BP网络工作在模拟输出状态,模拟陀螺信号输出,保证捷联惯性系统的平稳工作。

    一种融合前视声呐与ORB-SLAM3的水下SLAM方法

    公开(公告)号:CN116380079B

    公开(公告)日:2025-03-25

    申请号:CN202310383169.9

    申请日:2023-04-12

    Applicant: 东南大学

    Abstract: 本发明公开了一种融合前视声呐与ORB‑SLAM3的水下SLAM方法,步骤包括:1、获取前视声呐、双目相机以及惯性测量单元(IMU)的量测;2、对声呐图像进行特征跟踪,通过最小化重投影误差得到声呐的相对位姿估计;3、通过ORB‑SLAM3得到相机的位姿估计;4、构建因子图,在视觉跟踪有效时,将3中视觉里程计的位姿估计值作为先验因子,对IMU预积分作为位姿约束因子,将2中声呐相对位姿估计作为约束因子,求解因子图,更新载体位姿估计;5、当视觉跟踪成功,因子图的输出将跟随视觉里程计;如果视觉跟踪丢失,因子图中的声呐和IMU因子继续起作用,系统在到达可跟踪区域后立即初始化新地图,使用4中位姿估计作为地图初始值来连接两个地图,有利于扩大系统的使用范围。

    一种基于自适应图卷积网络的非侵入式负荷分解方法

    公开(公告)号:CN114970313B

    公开(公告)日:2024-11-12

    申请号:CN202210343618.2

    申请日:2022-04-02

    Applicant: 东南大学

    Abstract: 本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法,包括以下步骤:(1)形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列;(2)对形成的总负荷特征序列进行滑动窗口分段;(3)耦合用户行为特征,对分段后的每段总负荷特征序列进行图建模;(4)将图数据进行划分并输入到AGCN模型中进行训练;(5)对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列,对形成的新的序列耦合用户行为特征进行图建模,通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征,进而对非侵入式负荷达到更为精准的分解。

    一种基于分层残差图神经网络的非侵入式负荷分解方法

    公开(公告)号:CN118822390A

    公开(公告)日:2024-10-22

    申请号:CN202410958984.8

    申请日:2024-07-17

    Applicant: 东南大学

    Inventor: 王立辉 丁宁

    Abstract: 一种基于分层残差图神经网络的非侵入式负荷分解方法,数据采集,采集家庭入户处总有功功率值以及家庭内各用电器的有功功率消耗值;数据预处理,对采集到的数据进行时间戳对齐、缺失值填充、数据分割以及归一化处理;图数据构建,提取基于多时间尺度节点特征矩阵以及时间关系与特征关系的邻接矩阵,生成混合关系图数据;模型搭建与训练,搭建基于耦合分层图卷积块与混合注意力池化块的负荷分解模型,将混合关系功率图数据输入到分层残差图神经网络中进行训练;负荷分解,使用总有功功率作为输入,获得各目标设备功率曲线。本发明通过基于递进变化图结构的分层残差图神经网络提取负荷数据特征,实现目标设备的高精度功率分解。

    基于机载任务机的航拍图像定位方法

    公开(公告)号:CN116452995A

    公开(公告)日:2023-07-18

    申请号:CN202310383163.1

    申请日:2023-04-12

    Applicant: 东南大学

    Inventor: 王立辉 王宇航

    Abstract: 基于机载任务机的航拍图像定位方法,包括:基于原始正射影像地图,对感兴趣区域进行预标注和采样,构建地理信息预标注模型,包括位置、属性和影像特征点等,作为参照图;获取无人机摄像头的航拍图像数据并进行预处理后,将航拍图像数据作为实验图;对无人机航拍图像和原始正射影像地图进行特征提取;基于特征点匹配算法,实现无人机航拍图像和原始正射影像地图之间像素级匹配;构建无人机航拍图像和原始正射影像地图之间的空间映射关系;通过空间映射的关系,实现无人机图像像素级的位置标定,进而实现检测目标的高精度定位。本发明通过无人机航拍图像与带有位置等信息的原始正射影像地图进行特征点匹配,从而更方便地实现对目标的高精度定位。

Patent Agency Ranking