一种惯性稳定平台轴端非线性干扰补偿方法

    公开(公告)号:CN118896602A

    公开(公告)日:2024-11-05

    申请号:CN202410925838.5

    申请日:2024-07-11

    Abstract: 本发明涉及一种惯性稳定平台轴端非线性干扰补偿方法,包括如下步骤:S1、构建惯性稳定平台轴端非线性摩擦力矩模型,惯性稳定平台轴端非线性摩擦力矩模型中存在多个未知参数;S2、对惯性稳定平台进行定点稳态转动实验,得到多组实验数据;根据实验数据,标定步骤S1中的未知参数,得到未知参数的标定结果;S3、将步骤S2得到的标定结果代入步骤S1构建的惯性稳定平台轴端非线性摩擦力矩模型中,得到标定的惯性稳定平台轴端非线性摩擦力矩;根据标定的惯性稳定平台轴端非线性摩擦力矩,补偿初始的惯性稳定平台轴端非线性摩擦力矩。本发明的方法补偿过程简单,补偿精度高,能很好地抑制惯性稳定平台轴端非线性干扰,有较好的实用性。

    一种基于事件相机的无人机目标检测方法

    公开(公告)号:CN113762409B

    公开(公告)日:2024-06-28

    申请号:CN202111091333.6

    申请日:2021-09-17

    Abstract: 本发明公开了一种基于事件相机的无人机目标检测方法,涉及目标检测领域。本发明的应用主要是在光照条件极差、目标移动较快等极端环境下,对无人机目标快速检测的方法。首先使用事件相机对无人机目标进行数据采集,对事件相机产生的事件流进行预处理,转化为与帧图像相同尺寸的图像数据,再将事件图像和帧图像同时输入神经网络中进行特征提取,将获得的特征图进行融合并预测,根据预测结果和真实标签进行损失计算,再通过神经网络反向传播更新网络结构参数,将待检测目标图像送入训练好的网络中得到检测结果。本发明能够有效提高在不同环境下对于不同尺度的无人机目标检测效果,解决了极端环境下传统相机检测效果差的问题。

    一种位姿信息辅助的航空遥感图像拼接方法

    公开(公告)号:CN113222820B

    公开(公告)日:2024-05-07

    申请号:CN202110553778.5

    申请日:2021-05-20

    Abstract: 本发明公开了一种位姿信息辅助的航空遥感图像拼接方法,涉及航空摄影遥感和图像拼接领域。首先获取航空遥感图像数据和导航位姿数据并进行预处理;然后根据位姿信息求解航带内图像位移量,获得相邻图像重叠区域;在图像重叠区域内提取图像特征进行匹配,求解图像单应性矩阵进行图像配准;分析图像配准质量,若判定配准失效,根据导航数据转换成的相机位姿直接求解单应性矩阵,进行图像配准;最后采用缝合带羽化融合方法进行融合,根据位姿信息进行全景图地理定位。本发明利用机载导航系统的位姿信息辅助航空遥感图像拼接,提高了遥感图像拼接速度,而且能实现特征稀少图像的拼接,最终获得具有地理信息的遥感全景图,具有较大的实用价值。

    一种用于SERF原子自旋陀螺仪的旋转调制方法

    公开(公告)号:CN115265512B

    公开(公告)日:2024-04-09

    申请号:CN202210899126.1

    申请日:2022-07-28

    Abstract: 本发明公开了一种用于SERF原子自旋陀螺仪的旋转调制方法,步骤为:S1、以SERF原子自旋陀螺仪的主轴中轴线与旋转机构的旋转轴的中轴线重合的方式在陀螺仪与平台之间安装旋转机构;S2、设计旋转机构的旋转方案为四位置旋转方式;S3、SERF原子自旋陀螺仪在工作过程中始终按四位置旋转方案旋转并对其在每个旋转周期内输出的全部角速率测量值#imgabs0#求取平均值,即得到可直接用于进行导航解算的i系下的经过旋转调制的角速率测量值#imgabs1#该旋转调制方法能够将SERF原子自旋陀螺仪的角速率测量误差中的零偏、标度因数误差和安装误差相关的误差以及随机误差的低频分量完全旋转调制为0,将与磁场强度相关的误差大部分旋转调制为0,实现提高SERF原子自旋陀螺仪测量精度的目的。

    一种加权不确定性无人机集群协同导航方法

    公开(公告)号:CN114608578B

    公开(公告)日:2024-04-09

    申请号:CN202210214825.8

    申请日:2022-03-07

    Abstract: 本发明公开了一种加权不确定性无人机集群协同导航方法,步骤为:S1、各无人机获得其当前时刻的信度信息S2、各无人机接收其它无人机广播的信度信息,并将其它无人机的信度信息转换为粒子集形式;S3、各无人机对其所接收到的信度信息的粒子集,求解出每个信度信息的权值,并进行归一化处理;S4、计算修正后的当前时刻计算位置;该方法结合惯性测量单元的动态误差统计特性来表征无人机动态位置误差与相关影响因素,可提升协同导航算法在无人机动态情况下的鲁棒性;针对各无人机位置误差实时变化的特点,将无人机协同导航过程中所接收的位置信息进行量化,并构建自适应权值调节函数,实现对无人机集群协同导航中各无人机位置信息的有效融合和修正。

    一种外框方位轴式双轴旋转惯导系统空中标定方法

    公开(公告)号:CN117346822A

    公开(公告)日:2024-01-05

    申请号:CN202311442483.6

    申请日:2023-11-01

    Abstract: 本发明涉及一种外框方位轴式双轴旋转惯导系统空中标定方法,属于惯性导航系统标定技术领域,包括:S10、IMU标定误差建模;S20、动基座方位‑位置观测方法设计;S30、基于增量式结构的量测方程设计;S40、Kalman滤波器设计,包含Kalman状态方程设计和Kalman量测方程设计;S50、空中标定转位路径设计。采用本发明的外框方位轴式双轴旋转惯导系统空中标定方法,能够实现外框方位轴式双轴旋转惯导系统IMU全误差参数标定,进而达到外框方位轴式双轴RINS在非实验室环境下的免拆卸标定目的,解决了外框方位轴式双轴旋转惯导系统标定繁琐、现场级标定难的问题。

    基于橡胶减振器的缓冲基座的解析式动力学模型构建方法

    公开(公告)号:CN112668191B

    公开(公告)日:2023-10-31

    申请号:CN202011630231.2

    申请日:2020-12-31

    Abstract: 本发明公开了一种基于橡胶减振器的缓冲基座的解析式动力学模型构建方法,其步骤为:S1、对每个橡胶减振器进行六向刚度阻尼模型构建并定义物理参数;S2、构建惯性坐标系、负载设备坐标系以及减振器坐标系,并定义各坐标系间关系;S3、定义系统物理参数、运动学参数、缓冲间隙和外界激励;S4、构建缓冲装置的六自由度动力学方程;该基于橡胶减振器的缓冲基座的解析式动力学模型构建方法计算简便,易于操作,结果准确性和可靠性高,能够有效保证负载设备衰减大冲击缓冲装置的使用安全性,延长使用寿命。

    一种基于置信度传播的分布式协同导航定位精度评价方法

    公开(公告)号:CN116380130A

    公开(公告)日:2023-07-04

    申请号:CN202310518820.9

    申请日:2023-05-10

    Abstract: 本发明公开了一种基于置信度传播的分布式协同导航定位精度评价方法,步骤为:S1、构建单个节点在当前时刻的因子图模型,S2、获得节点i在当前时刻状态量的置信度表达式,S3、确定节点i在当前时刻状态量的协方差矩阵,以得到节点i的分布式协同导航定位精度;该基于置信度传播的分布式协同导航定位精度评价方法基于置信度传播理论,并综合考虑测距误差和协同终端的位置误差对分布式协同导航定位精度的影响,解决了现有的分布式协同导航定位精度建模方法存在着未充分考虑测距误差和协同终端的位置误差的影响、建模精度差的问题;经过实验验证,该方法精度高、操作简便、具有较好的实用性。

    一种原子陀螺导航系统及其导航解算方法

    公开(公告)号:CN113203415B

    公开(公告)日:2022-05-17

    申请号:CN202110389524.4

    申请日:2021-04-12

    Abstract: 本发明公开了一种基于原子陀螺导航系统实现的导航解算方法,步骤为:S1、构建导航解算用的各坐标系;S2、定义包括有地理经度、地理纬度、地理高度、北速、东速、垂速和运载体姿态角的导航参数,以及包括有平台姿态角和加速度计安装失准角的相关物理参量;S3、求解原子陀螺导航系统的位置和速度,并解算出运载体的地理经度、地理纬度、地理高度、北速、东速和垂速;S4、根据导航参数解算出运载体姿态角;该原子陀螺导航系统及其导航解算方法首次提供了针对原子陀螺的惯性导航系统的构架及其导航解算方法,扩展了原子陀螺仪在惯性导航系统中的应用,且其导航解算步骤解算得到的各个导航数据与实测的导航数据误差值小,精度高,有效性和实用性强。

    一种基于事件相机的无人机目标检测方法

    公开(公告)号:CN113762409A

    公开(公告)日:2021-12-07

    申请号:CN202111091333.6

    申请日:2021-09-17

    Abstract: 本发明公开了一种基于事件相机的无人机目标检测方法,涉及目标检测领域。本发明的应用主要是在光照条件极差、目标移动较快等极端环境下,对无人机目标快速检测的方法。首先使用事件相机对无人机目标进行数据采集,对事件相机产生的事件流进行预处理,转化为与帧图像相同尺寸的图像数据,再将事件图像和帧图像同时输入神经网络中进行特征提取,将获得的特征图进行融合并预测,根据预测结果和真实标签进行损失计算,再通过神经网络反向传播更新网络结构参数,将待检测目标图像送入训练好的网络中得到检测结果。本发明能够有效提高在不同环境下对于不同尺度的无人机目标检测效果,解决了极端环境下传统相机检测效果差的问题。

Patent Agency Ranking