-
公开(公告)号：CN118917238A
公开(公告)日：2024-11-08
申请号：CN202410958602.1
申请日：2024-07-17
Applicant: 哈尔滨工程大学
IPC: G06F30/28 , G06F30/15 , B63B71/10 , G06F113/08 , G06F119/14
Abstract: 本发明基于T型气室分割方法，将气垫船分为三个气室，提出了一种极地气垫船垂向运动的仿真方法。该方法立足于风机、气囊和气垫的结构特性，并深刻理解气垫船垫升过程的工作原理，从而构建了一个精确的三气室垫升动力学系统数学模型；本发明不仅提出了控制三气室垫升高度的方法，而且优化了三气室垫升控制系统的动力学模型；这对于深入研究三气室气垫船的垫升系统，以及在复杂环境下的垫升控制技术具有重要的指导价值。此外，该技术的成功应用，不仅推动了三气室气垫船垫升控制设备的研发，也为气垫船垫升系统设计、垫升系统动力学模型和运动学模型以及六自由度运动操纵模拟器的设计提供了坚实的技术基础，展现了其在工程应用中的重要价值。
-
公开(公告)号：CN108827305A
公开(公告)日：2018-11-16
申请号：CN201810545614.6
申请日：2018-05-25
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提供的是一种基于鲁棒信息滤波的AUV协同导航方法。建立描述AUV导航系统的状态方程和量测方程；对主AUV进行状态估计，并在有数据包传递给从AUV的时刻将当前时刻信息保存到状态向量中；在数据包传递结束后对状态向量进行信息边缘化处理；对从AUV进行基于鲁棒信息滤波的状态估计，并进行数据接收和处理，进行距离量测更新；首先进行鲁棒滤波过程对距离量测噪声进行修正，接着再进行量测更新过程；对状态向量进行信息边缘化处理；对主、从AUV的信息滤波状态恢复，得到AUV的导航信息。本发明解决了水声通信中量测噪声异常造成的AUV定位精度低的问题，避免了导航信息发散，实现了协同导航的高精度实时定位的目标。
-
公开(公告)号：CN108489498A
公开(公告)日：2018-09-04
申请号：CN201810623228.4
申请日：2018-06-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提供了一种基于最大互相关熵无迹粒子滤波的AUV协同导航方法，属于非线性滤波及协同导航技术领域。本发明提供的方法中，采用最大互相关熵无迹粒子滤波(Maximum Correntropy Unscented Kalman Filter，MCUKF)算法，完成AUV协同导航过程中的状态估计问题。在AUV协同导航过程中，首先将协同导航的状态方程和量测方程重构成非线性递归模型，利用最大互相关熵准则进行处理；然后在标准粒子滤波(Particle Filter，PF)的框架中采用MCUKF产生PF中所需的重要性概率密度函数，然后按照PF的算法流程获取对AUV状态的估计，从而实现对AUV的定位，完成协同导航。本发明的AUV协同导航方法在量测噪声出现野值的AUV协同导航中，能够获得比现有的粒子滤波、改进粒子滤波以及鲁棒滤波更加优越的性能。
-
公开(公告)号：CN104076821A
公开(公告)日：2014-10-01
申请号：CN201410276571.8
申请日：2014-06-19
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于模糊自适应观测器的欠驱动水面艇轨迹跟踪控制系统。传感器模块采集水面艇的位置及航向信息y，输出给模糊自适应观测器；模糊自适应观测器接收控制器的输出，得到位置与艏向估计速度估计慢变扰动力估计和未知非线性项估计分别传送给轨迹跟踪误差生成器和控制器；导引系统解算得到船体坐标系下期望速度及加速度信息，分别传送给轨迹跟踪误差生成器和控制器；轨迹跟踪误差生成器得到轨迹跟踪各状态误差信息，传送给控制器；控制器计算出当前时刻的纵向推力和转艏力矩控制指令，传递给推力系统，推力系统执行控制指令。本发明能够仅有位置和艏向角可测且模型存在不确定性的情况下，能够实现快速跟踪。
-
公开(公告)号：CN109425339B
公开(公告)日：2022-09-27
申请号：CN201710717244.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G01C21/16
Abstract: 本发明公开一种基于惯性技术的考虑杆臂效应的舰船升沉误差补偿方法，属于船舶导航技术领域。本发明首先建立舰船研究对象建立载体与地理坐标坐标系，采集传感器数据；然后计算舰船的横摇γ纵摇θ和解算加速度；再通过积分运算、数字滤波和再次积分得到补偿前的升沉H；其次计算误差升沉；最后用未补偿的升沉Hins减去误差升沉Hi得到补偿后的升沉Hout。在惯性导航系统的基础上，建立升沉解算误差补偿模型，不仅仅利用捷联惯导姿态角输出信息，而且利用了惯性测量元件安装的杆臂信息。该方法大大降低了惯性测量元件安装的局限性，从而提高舰船升沉精度，进而提高惯性导航系统的导航精度。
-
Patent Agency Ranking
公开(公告)号：CN109425339A
公开(公告)日：2019-03-05
申请号：CN201710717244.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G01C21/16
Abstract: 本发明公开一种基于惯性技术的考虑杆臂效应的舰船升沉误差补偿方法，属于船舶导航技术领域。本发明首先建立舰船研究对象建立载体与地理坐标坐标系，采集传感器数据；然后计算舰船的横摇γ纵摇θ和解算加速度；再通过积分运算、数字滤波和再次积分得到补偿前的升沉H；其次计算误差升沉；最后用未补偿的升沉Hins减去误差升沉Hi得到补偿后的升沉Hout。在惯性导航系统的基础上，建立升沉解算误差补偿模型，不仅仅利用捷联惯导姿态角输出信息，而且利用了惯性测量元件安装的杆臂信息。该方法大大降低了惯性测量元件安装的局限性，从而提高舰船升沉精度，进而提高惯性导航系统的导航精度。
-
公开(公告)号：CN109084767A
公开(公告)日：2018-12-25
申请号：CN201810622243.7
申请日：2018-06-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明公开一种最大互相关熵自适应容积粒子滤波(Maximum Correntropy Adaptive Cubature Particle Filter,MCACPF)的AUV协同导航方法。采用MCACPF完成AUV协同导航过程中的状态估计问题。在AUV协同导航中，将AUV协同导航的状态方程和量测方程重构成非线性递归模型，然后在容积粒子滤波(Cubature Particle Filter,CPF)的框架中采用最大互相关熵容积卡尔曼滤波(Maximum Correntropy Cubature Kalman Filter,MCCKF)产生粒子滤波(Particle Filter,PF)中所需的重要性概率密度函数，然后采用Kullback–Leibler距离(Kullback–Leibler Distance，KLD)重采样方法对产生的粒子进行重采样，最后按照CPF的算法流程获取对AUV状态的估计，从而实现对AUV的定位，完成协同导航。将MCACPF方法应用在量测噪声出现野值的AUV协同导航中，能够获得比现有的PF、改进PF以及鲁棒滤波更高的精度，计算复杂度低于现有的改进粒子滤波算法。
-
公开(公告)号：CN104076821B
公开(公告)日：2017-01-04
申请号：CN201410276571.8
申请日：2014-06-19
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于模糊自适应观测器的欠驱动水面艇轨迹跟踪控制系统。传感器模块采集水面艇的位置及航向信息y，输出给模糊自适应观测器；模糊自适应观测器接收控制器的输出，得到位置与艏向估计 速度估计 慢变扰动力估计 和未知非线性项估计 分别传送给轨迹跟踪误差生成器和控制器；导引系统解算得到船体坐标系下期望速度及加速度信息，分别传送给轨迹跟踪误差生成器和控制器；轨迹跟踪误差生成器得到轨迹跟踪各状态误差信息，传送给控制器；控制器计算出当前时刻的纵向推力和转艏力矩控制指令，传递给推力系统，推力系统执行控制指令。本发明能够仅有位置和艏向角可测且模型存在不确定性的情况下，能够实现快速跟踪。
-
公开(公告)号：CN108983215A
公开(公告)日：2018-12-11
申请号：CN201810515202.8
申请日：2018-05-25
Applicant: 哈尔滨工程大学
IPC: G01S13/72
Abstract: 本发明提供一种基于最大互相关熵自适应无迹粒子滤波器的目标跟踪方法，采用MCAUPF完成目标跟踪过程中的状态估计问题。在目标跟踪过程中，首先将目标跟踪的状态方程和量测方程重构成非线性递归模型，然后在无迹粒子滤波的框架中采用最大互相关熵无迹卡尔曼滤波产生粒子滤波中所需的重要性概率密度函数，然后采用Kullback–Leibler距离重采样方法对产生的粒子进行重采样，最后按照UPF的算法流程获取对跟踪目标状态的估计，从而实现对目标的实时跟踪。将MCAUPF方法应用在量测噪声出现野值的目标跟踪中，能够获得比现有的PF、改进PF以及鲁棒滤波更高的精度，并且计算复杂度低于现有的改进粒子滤波算法。
-
公开(公告)号：CN108802692A
公开(公告)日：2018-11-13
申请号：CN201810545637.7
申请日：2018-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于最大互相关熵容积粒子滤波的目标跟踪方法，采用最大互相关熵容积粒子滤波算法，完成目标跟踪过程中的状态估计问题。在目标跟踪过程中，首先将目标跟踪的状态方程和量测方程重构成非线性递归模型，利用最大互相关熵准则进行处理；然后在标准粒子滤波(Particle Filter,PF)的框架中采用MCCKF产生PF中所需的重要性概率密度函数，然后按照PF的算法流程获取对跟踪目标状态的估计，从而实现对目标的实时跟踪。本发明的目标跟踪方法在量测噪声出现野值的目标跟踪中，能够获得比现有的粒子滤波、改进粒子滤波以及鲁棒滤波更加优越的性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.029 seconds)
