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

    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

    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。

    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

    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

    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。

    一种空间分布式变阶数自适应系统辨识方法

    公开(公告)号:CN103607181B

    公开(公告)日:2016-05-04

    申请号:CN201310547261.0

    申请日:2013-11-07

    Abstract: 本发明公开了一种空间分布式变阶数自适应系统辨识方法,包括:设置自适应系统辨识迭代初始值并计算网络融合权系数矩阵。对于空间分布式网络中的每一个节点,利用当前时刻相邻区域内所有节点的输入信息、量测信息及前一时刻该节点处的权向量估计信息计算输出误差。对于空间分布式网络中的每一个节点,减小自适应滤波器的阶数,利用该阶数值重新计算输出误差。自适应滤波器权向量阶数的自适应更新。自适应滤波器权向量权值的自适应更新。自适应滤波器权向量阶数的空间融合。自适应滤波器权向量的权值迭代。在新的采样时刻,判断算法是否达到稳态,若已达到,迭代结束,完成了对未知系统的辨识。

    一种基于MEMS辅助的增大高精度闭环光纤陀螺量程的方法

    公开(公告)号:CN103900551A

    公开(公告)日:2014-07-02

    申请号:CN201410083201.2

    申请日:2014-03-08

    CPC classification number: G01C19/72

    Abstract: 本发明涉及一种基于MEMS辅助的增大高精度闭环光纤陀螺量程的方法,特别适用于工作在角速度范围大且存在大角加速度输入环境下的高精度闭环光纤陀螺。本发明包括:将MEMS陀螺仪和高精度闭环光纤陀螺仪同轴安装,敏感输入角速度;利用闭环数字相位阶梯波调制解调检测方法,获得高精度闭环光纤陀螺仪输出角速率;采集MEMS陀螺仪输出角速率;修正光纤陀螺高精度闭环光纤陀螺输出。本发明根据该差值对高精度闭环光纤陀螺输出结果加以修正,从而使得高精度光纤陀螺在大角速度条件下正常工作,达到增大闭环光纤陀螺量程的目的,拓展高精度光纤陀螺的应用。

    一种抗野值的鲁棒卡尔曼滤波SINS/DVL组合导航方法

    公开(公告)号:CN109724599B

    公开(公告)日:2023-08-01

    申请号:CN201910186078.X

    申请日:2019-03-12

    Abstract: 本发明属于组合导航技术领域,具体涉及一种抗野值的鲁棒卡尔曼滤波SINS/DVL组合导航方法。为了处理大机动引起的厚尾分布的系统噪声,本发明首先采用学生t分布对一步预测概率密度函数进行建模,并对SINS/DVL组合导航系统模型进行高斯分层;然后针对DVL输出存在野值的情况,采用贝塔‑伯努利分布对区分野值点的二进制变量进行建模,剔除量测野值;进而通过变分贝叶斯方法对状态向量xk、辅助随机变量ξk、尺度矩阵Σk、Bernoulli变量λk和beta变量πk的近似后验概率密度进行联合估计;最后将估计的SINS/DVL导航误差与惯导解算导航参数进行输出校正,完成组合导航。本发明能够处理系统噪声呈厚尾分布和量测噪声存在野值的SINS/DVL组合导航,导航精度高,鲁棒性强。

    一种空间分布式变阶数自适应系统辨识方法

    公开(公告)号:CN103607181A

    公开(公告)日:2014-02-26

    申请号:CN201310547261.0

    申请日:2013-11-07

    Abstract: 本发明公开了一种空间分布式变阶数自适应系统辨识方法,包括:设置自适应系统辨识迭代初始值并计算网络融合权系数矩阵。对于空间分布式网络中的每一个节点,利用当前时刻相邻区域内所有节点的输入信息、量测信息及前一时刻该节点处的权向量估计信息计算输出误差。对于空间分布式网络中的每一个节点,减小自适应滤波器的阶数,利用该阶数值重新计算输出误差。自适应滤波器权向量阶数的自适应更新。自适应滤波器权向量权值的自适应更新。自适应滤波器权向量阶数的空间融合。自适应滤波器权向量的权值迭代。在新的采样时刻,判断算法是否达到稳态,若已达到,迭代结束,完成了对未知系统的辨识。

    一种基于非线性映射自适应混合Kalman/H∞滤波器的组合导航方法

    公开(公告)号:CN103063212B

    公开(公告)日:2016-06-15

    申请号:CN201310000851.1

    申请日:2013-01-04

    Abstract: 本发明公开了一种基于非线性映射自适应混合Kalman/H∞滤波器的组合导航方法,包括1、建立描述组合导航系统的状态方程和观测方程。2、在组合导航混合滤波器中同时运行卡尔曼滤波器和H∞滤波器。3、获取Kalman滤波器性能量化指标。4、建立Kalman滤波器性能量化指标与混合滤波器加权参数间的非线性映射关系,自适应地调整加权参数。5、通过加权参数,将Kalman滤波器和H∞滤波器输出的加权和作为整个混合滤波器输出,完成组合导航信息处理。本发明的导航方法在环境噪声和系统模型干扰变化时,通过在Kalman滤波器状态估计,混合滤波器状态估计,H∞滤波器状态估计之间的自动切换来获得较高的滤波精度。

    一种基于高阶无迹卡尔曼滤波的状态估计方法

    公开(公告)号:CN103278813B

    公开(公告)日:2015-04-29

    申请号:CN201310158729.7

    申请日:2013-05-02

    Abstract: 一种基于高阶无迹卡尔曼滤波的状态估计方法,本发明具体涉及一种基于高阶无迹卡尔曼滤波的状态估计方法。本发明采用高阶无迹卡尔曼滤波器完成目标跟踪过程中的状态估计任务。在目标跟踪过程中,建立目标跟踪的状态方程和量测方程;采用高阶无迹变换获得目标跟踪滤波器所需的sigma点,并计算其权值;通过迭代sigma点及其权值获取对状态的估计,实现对目标的实时跟踪。其跟踪精度高于现有的基于其它滤波器的目标跟踪方法。通过选用合适的性能参数κ,能够进一步提升本发明提出的高阶UKF目标跟踪方法精度,实现对目标的高精度实时跟踪。本发明应用于目标跟踪技术领域。

    一种基于高阶无迹卡尔曼滤波的状态估计方法

    公开(公告)号:CN103278813A

    公开(公告)日:2013-09-04

    申请号:CN201310158729.7

    申请日:2013-05-02

    Abstract: 一种基于高阶无迹卡尔曼滤波的状态估计方法,本发明具体涉及一种基于高阶无迹卡尔曼滤波的状态估计方法。本发明采用高阶无迹卡尔曼滤波器完成目标跟踪过程中的状态估计任务。在目标跟踪过程中,建立目标跟踪的状态方程和量测方程;采用高阶无迹变换获得目标跟踪滤波器所需的sigma点,并计算其权值;通过迭代sigma点及其权值获取对状态的估计,实现对目标的实时跟踪。其跟踪精度高于现有的基于其它滤波器的目标跟踪方法。通过选用合适的性能参数κ,能够进一步提升本发明提出的高阶UKF目标跟踪方法精度,实现对目标的高精度实时跟踪。本发明应用于目标跟踪技术领域。

    一种带有色量测噪声和变分贝叶斯自适应卡尔曼滤波的目标跟踪方法

    公开(公告)号:CN109508445B

    公开(公告)日:2023-05-05

    申请号:CN201910032588.1

    申请日:2019-01-14

    Abstract: 本发明属于船舶、飞机、车辆等运载体导航技术领域,具体涉及一种带有色量测噪声和变分贝叶斯自适应卡尔曼滤波的目标跟踪方法。包括1、建立目标跟踪的状态方程和量测方程。2、采用量测差分方法将有色量测噪声转化为白色量测噪声。3、将状态扩展向量的一步预测协方差矩阵和量测协方差矩阵的先验分布选择为逆Wishart分布。4、联合后验概率密度函数的变分近似。5、通过变分贝叶斯方法联合估计扩展状态向量及其相应的一步预测协方差矩阵和量测协方差矩阵。本发明的方法在带有不精确的噪声协方差矩阵和有色量测噪声情况下完成目标跟踪过程中的状态估计任务,其跟踪精度高于现有的基于其它滤波器的目标跟踪方法。

Patent Agency Ranking