公开(公告)号：CN113175926B

公开(公告)日：2022-06-21

申请号：CN202110428645.5

申请日：2021-04-21

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  李帅阳 ,  奔粤阳 ,  吴磊 ,  李倩 ,  周广涛 ,  臧新乐 ,  魏廷枭 ,  王健成 ,  周一帆

IPC: G01C21/16 ,  G01C21/18 ,  G01C25/00 ,  G01C21/20 ,  G01C21/34

Abstract: 本发明公开了一种基于运动状态监测的自适应水平姿态测量方法，基于新建立的状态空间模型，将水平姿态角作为状态变量，补偿随机常值零偏的角速度增量Δωb作为系统方程的控制输入，补偿随机常值零偏的比力fb作为量测量，同时对载体机动状态的判断条件进行改善，综合利用MEMS‑IMU输出的加速度信息和角速度信息对载体机动信息进行判断判断，实现对滤波器量测噪声阵的自动调整，有效降低了载体机动对水平姿态解算的影响。该方法对载体机动状态无特殊要求，能够在无外界信息辅助的情况下，保证系统在不同运动状态下具有较高的姿态测量精度。

公开(公告)号：CN116929342A

公开(公告)日：2023-10-24

申请号：CN202310718292.1

申请日：2023-06-16

Applicant: 哈尔滨工程大学

Inventor： 奔粤阳 ,  王奕霏 ,  赵玉新 ,  李倩 ,  吴磊 ,  周广涛 ,  魏廷枭 ,  周一帆 ,  只卓

IPC: G01C21/16 ,  G01S19/49 ,  G01S19/40 ,  G06F16/29 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于双通道的GNSS/INS组合导航辅助方法，进行数据预处理，包括数据归一化、划分数据集、将一维序列信息转换为三维张量信息，将数据输送给双通道LSTM‑GRU模型，令双通道中的模型同时进行训练和预测，两个通道的模型采取同样的模型结构，不同的模型参数，每个通道中的模型均包括LSTM模块、GRU模块，双通道各自单独输出经、纬度增量信息，最后分别对预测结果进行数据积分处理，进而输出GNSS预测轨迹。本发明训练效率更高且保留了模型对历史信息有选择地保留和利用的能力，在辅助GNSS/INS组合导航系统方法中，本发明更具针对性地对经、纬度信息进行预测，令经、纬度信息的预测效果达到最佳。

公开(公告)号：CN116907481A

公开(公告)日：2023-10-20

申请号：CN202310718114.9

申请日：2023-06-16

Applicant: 哈尔滨工程大学

Inventor： 奔粤阳 ,  王奕霏 ,  赵玉新 ,  李倩 ,  吴磊 ,  周广涛 ,  魏廷枭 ,  周一帆 ,  只卓

IPC: G01C21/16 ,  G01S19/49 ,  G01S19/40 ,  G06F16/29 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于双通道的GNSS/INS组合导航辅助方法，采集数据后，进行数据预处理，包括数据归一化、划分数据集、将一维序列信息转换为三维张量信息，将数据输送给双通道CNN‑Residual‑LSTM模型，令双通道中的模型同时进行训练和预测，两个通道的模型采取同样的模型结构，不同的模型参数，每个通道中的模型均包括CNN模块、Residual‑LSTM模块，双通道各自单独输出经、纬度增量信息，最后分别对预测结果进行数据积分处理，进而输出GNSS预测轨迹，达到GNSS失效时，利用模型辅助组合导航系统的目的。在辅助GNSS/INS组合导航系统方法中，本发明更具针对性地对经、纬度信息进行预测，效果更佳。

公开(公告)号：CN116718211A

公开(公告)日：2023-09-08

申请号：CN202310616545.4

申请日：2023-05-29

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  魏廷枭 ,  奔粤阳 ,  吴磊 ,  李倩 ,  王奕霏 ,  周一帆 ,  只卓

IPC: G01C25/00

Abstract: 本发明公开了一种基于时间窗注意力机制的惯导长时辅助校正方法，将采集的陀螺、加速度计数据和纯惯导解算的姿态、速度、位置数据作为输入数据，每个采样间隔下位置的增量信息作为输出数据；利用输入数据和输出数据对优化后的长短期记忆神经网络进行训练；在GPS中断时将上述采集的数据作为训练好的优化后LSTM网络的输入，对位置增量进行预测。训练期间，输入数据首先经过卷积神经网络处理，完成数据的解耦；解耦的数据将通过线性全连接层，输入到时间窗注意力机制的LSTM‑GRU网络中进行训练，本发明对惯性导航定位的更长时间预测，同时相对常规LSTM网络，提高了拟合能力。

公开(公告)号：CN113175926A

公开(公告)日：2021-07-27

申请号：CN202110428645.5

申请日：2021-04-21

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  李帅阳 ,  奔粤阳 ,  吴磊 ,  李倩 ,  周广涛 ,  臧新乐 ,  魏廷枭 ,  王健成 ,  周一帆

IPC: G01C21/16 ,  G01C21/18 ,  G01C25/00 ,  G01C21/20 ,  G01C21/34

Abstract: 本发明公开了一种基于运动状态监测的自适应水平姿态测量方法，基于新建立的状态空间模型，将水平姿态角作为状态变量，补偿随机常值零偏的角速度增量Δωb作为系统方程的控制输入，补偿随机常值零偏的比力fb作为量测量，同时对载体机动状态的判断条件进行改善，综合利用MEMS‑IMU输出的加速度信息和角速度信息对载体机动信息进行判断判断，实现对滤波器量测噪声阵的自动调整，有效降低了载体机动对水平姿态解算的影响。该方法对载体机动状态无特殊要求，能够在无外界信息辅助的情况下，保证系统在不同运动状态下具有较高的姿态测量精度。