一种水下航行器用神经网络辅助组合导航方法

    公开(公告)号:CN104330084B

    公开(公告)日:2017-06-16

    申请号:CN201410643141.5

    申请日:2014-11-13

    Applicant: 东南大学

    Abstract: 本发明公开了一种水下航行器用神经网络辅助组合导航方法。本发明由捷联惯性导航系统SINS、多普勒测速仪DVL、磁航向仪MCP和地形辅助导航系统TAN组成,采用径向基函数神经网络(RBFNN)辅助卡尔曼滤波的分散滤波结构和容错方法完成组合导航。在无故障时间段,RBFNN为在线学习模式,SINS与各辅助系统的观测量之差作为RBFNN的期望输出,经误差补偿后的加速度计的输出fb和陀螺仪的输出作为RBFNN的输入;当SINS作为参考系统与各辅助系统组成的子系统发生故障时,立即切换到RBFNN预测模式,预测输出作为相应子滤波器的量测输入。相比于发生故障时的SINS模式,RBFNN模式的导航精度有所提高,尤其当故障恢复时间相对较长时,其导航精度提高的尤为明显。

    一种水下航行器用神经网络辅助组合导航方法

    公开(公告)号:CN104330084A

    公开(公告)日:2015-02-04

    申请号:CN201410643141.5

    申请日:2014-11-13

    Applicant: 东南大学

    CPC classification number: G01C21/165 G01C21/18

    Abstract: 本发明公开了一种水下航行器用神经网络辅助组合导航方法。本发明由捷联惯性导航系统SINS、多普勒测速仪DVL、磁航向仪MCP和地形辅助导航系统TAN组成,采用径向基函数神经网络(RBFNN)辅助卡尔曼滤波的分散滤波结构和容错方法完成组合导航。在无故障时间段,RBFNN为在线学习模式,SINS与各辅助系统的观测量之差作为RBFNN的期望输出,经误差补偿后的加速度计的输出fb和陀螺仪的输出作为RBFNN的输入;当SINS作为参考系统与各辅助系统组成的子系统发生故障时,立即切换到RBFNN预测模式,预测输出作为相应子滤波器的量测输入。相比于发生故障时的SINS模式,RBFNN模式的导航精度有所提高,尤其当故障恢复时间相对较长时,其导航精度提高的尤为明显。

    基于SRQKF的SINS/DVL水下大失准角对准方法

    公开(公告)号:CN105806363B

    公开(公告)日:2018-08-21

    申请号:CN201510782989.0

    申请日:2015-11-16

    Applicant: 东南大学

    Abstract: 本发明公开一种基于SRQKF的SINS/DVL水下大失准角对准方法,包括如下步骤:步骤1:建立捷联惯性导航系统SINS在大失准角下的非线性误差模型和非线性滤波方程;步骤2:利用Gauss‑Hermite求积分中多变量Gauss点及其系数配置方法以及平方根滤波方法,构建平方根求积分卡尔曼滤波器SRQKF;步骤3:利用平方根求积分卡尔曼滤波SRQKF估计出失准角,并修正捷联姿态矩阵,得到精确的捷联姿态矩阵与姿态角。本发明提高了载体捷联系统水下对准精度和对准速度。

    基于SRQKF的SINS/DVL水下大失准角对准方法

    公开(公告)号:CN105806363A

    公开(公告)日:2016-07-27

    申请号:CN201510782989.0

    申请日:2015-11-16

    Applicant: 东南大学

    CPC classification number: G01C25/005

    Abstract: 本发明公开一种基于SRQKF的SINS/DVL水下大失准角对准方法,包括如下步骤:步骤1:建立捷联惯性导航系统SINS在大失准角下的非线性误差模型和非线性滤波方程;步骤2:利用Gauss?Hermite求积分中多变量Gauss点及其系数配置方法以及平方根滤波方法,构建平方根求积分卡尔曼滤波器SRQKF;步骤3:利用平方根求积分卡尔曼滤波SRQKF估计出失准角,并修正捷联姿态矩阵,得到精确的捷联姿态矩阵与姿态角。本发明提高了载体捷联系统水下对准精度和对准速度。

Patent Agency Ranking