-
公开(公告)号：CN119623052A
公开(公告)日：2025-03-14
申请号：CN202411694978.2
申请日：2024-11-25
Applicant: 郑州轻工业大学
IPC: G06F30/20 , G06F17/18 , G06F17/16 , G06F111/04
Abstract: 本发明提出了一种基于平方根晶格平滑变结构Tobit滤波的无人机状态估计方法，其步骤为：首先，构建模型参数不确定下的非合作无人机运动模型和Tobit‑Ⅱ型截尾约束下的非线性删失测量模型并初始化；其次，在贝叶斯理论框架和删失测量下，基于晶格采样技术计算无人机状态预测，基于删失测量的累积分布计算测量预测；然后，通过平方根晶格方法计算运动模型不确定和非线性删失测量下的时变平滑边界层、状态估计增益、状态估计更新和状态估计误差协方差平方根更新；最后输出非合作无人机的位置估计结果。本发明提出的方法能有效解决运动模型不确定、遮挡删失和测量非线性下的非合作无人机高精度鲁棒状态估计的问题。
-
公开(公告)号：CN119469139A
公开(公告)日：2025-02-18
申请号：CN202411349331.6
申请日：2024-09-26
Applicant: 郑州轻工业大学
IPC: G01C21/20 , G01S13/66 , G06F18/10 , G06F18/213
Abstract: 本发明公开了一种晶格采样下基于MGMEE‑SVSF的非合作无人机目标状态估计方法，包括以下步骤：S1.构建转弯率不确定的非合作无人机目标运动模型和非高斯噪声干扰下非线性测量模型；S2.基于晶格采样理论和平滑变结构滤波理论，通过预测步骤得到转弯率不确定和非高斯测量噪声下时变平滑边界层；S3.通过时变平滑边界层来量化非合作无人机目标状态估计误差，选择混合广义最小误差熵增益或平滑变结构滤波增益进行状态更新；S4.输出无人机目标状态估计和状态估计误差协方差。本发明在保证估计系统稳定的前提下，通过增益切换策略进一步提高了状态估计精度，能有效解决转弯率不确定和传感器非高斯噪声干扰时，非合作无人机目标高精度鲁棒状态估计问题。
-
公开(公告)号：CN114061583A
公开(公告)日：2022-02-18
申请号：CN202111227391.7
申请日：2021-10-21
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法，旨在解决现有的SLAM技术无法处理非线性不确定系统、定位导航精度不高、计算量大的技术问题。本发明中自适应晶格卡尔曼滤波‑SLAM（ALKF‑SLAM）自主导航算法对于移动机器人的系统模型的噪声方差是否精确已知没有要求，并通过减少状态采样点，降低计算复杂度和计算成本，提高状态估计的精度和数值稳定性。利用晶格采样点，并根据量测残差序列和方差对量测方差进行修正。其次，利用基于上述修正的量测方差和晶格采样点设计的衰减因子对状态方差进行了修正。本发明的ALKF‑SLAM算法，有利于提高移动机器人在未知环境中地图构建和自身定位的精度。
-
公开(公告)号：CN112136381A
公开(公告)日：2020-12-29
申请号：CN202011047229.2
申请日：2020-09-29
Applicant: 郑州轻工业大学
Abstract: 本发明提出一种用于玉米地除草机器人及其控制系统，用以解决现有技术中大面积喷洒除草剂对环境和人员造成的伤害极大、机械除草精准化及自动化程度不高、且根部清除不净会造成杂草二次重生等技术问题。本发明包括除草机器人本体，所述除草机器人本体包括小车主体、轮动行走装置、机械臂组件和执行组件，小车主体的前部安装有视觉传感器，小车主体的内部分别设有控制装置和化学除草装置。本发明可在机械除草完毕后对杂草生长部位精准喷射除草剂，保障彻底清除杂草和杀菌除虫；同时可智能的应对复杂的作业环境，协调完成除草和运草工作，以保证高效、彻底的清理杂草，避免杂草重生，智能化程度高，实施效果好。
-
公开(公告)号：CN111414696A
公开(公告)日：2020-07-14
申请号：CN202010201392.3
申请日：2020-03-20
Applicant: 郑州轻工业大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于模型预测扩展卡尔曼滤波的分级状态估计方法，其步骤为：首先，将非线性耦合系统模型转化为线性分级模型和非线性分级模型，并利用一级扩展卡尔曼滤波对前一时刻状态估计值分别进行基于线性分级模型和非线性分级模型的预测，得到线性状态分量估计值；其次，利用线性状态分量估计值对非线性分级模型进行反馈，得到非线性预测模型；最后，利用二级扩展卡尔曼滤波对线性状态分量估计值进行基于非线性预测模型的预测，得到非线性状态分量估计值。本发明提出的分级状态估计方法，提高了系统状态估计的精度，降低了估计过程的计算维度，适用于高维、线性状态可解耦的耦合复杂系统状态估计。
-
Patent Agency Ranking
公开(公告)号：CN111190207A
公开(公告)日：2020-05-22
申请号：CN202010020948.9
申请日：2020-01-09
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于PSTCSDREF算法的无人机INS BDS组合导航方法，旨在解决现有的导航系统滤波精度低，滤波稳定性差的技术问题。本发明首先建立INS/BDS组合导航系统的直接法状态方程和量测方程，然后对组合导航系统方程进行离散化，最后利用PSTCSDREF算法降低测量信息中的偏差对组合导航系统的不利影响；PSRCSDREF首先使用“consider”方法将偏差的统计信息合并到状态估计方程中，同时将自适应渐消因子引入到PSTCSDREF中。本发明的有益技术效果在于：提高导航的精度和稳定性，使得组合导航系统能够高效实时地估计无人机状态。
-
公开(公告)号：CN111310110B
公开(公告)日：2023-05-05
申请号：CN202010205361.5
申请日：2020-03-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种高维耦合不确定系统混合状态估计方法，其步骤为：首先，构建高维深耦合不确定系统状态、参数和测量的模型，并设计对应的观测器模型以得到状态和参数的估计值；其次，对系统离散化将其分解为低维离散化混合模型，进而得到低维离散化混合模型和参数模型；最后，以观测器输出估计值为辅助信号，利用容积卡尔曼滤波算法分别对低维离散化混合模型的状态估计值进行滤波处理，输出低维离散化混合模型的状态值。本发明通过观测器输出的估计值修正系统模型，能够在保障系统稳定性的前提下，有效提高系统状态估计精度，同时低维容积卡尔曼滤波算法降低滤波计算过程的计算维数，适用于具有不确定性的高维、耦合、非线性系统状态估计。
-
公开(公告)号：CN114019801A
公开(公告)日：2022-02-08
申请号：CN202111312878.5
申请日：2021-11-08
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于改进天牛搜索的无人机转弯速率和状态估计方法，用以解决无人机在固定水平面以未知转弯速率机动运动的状态估计问题。其步骤为：首先，由初始转弯率、状态和协方差，基于Cholesky分解，通过状态容积点计算出下一时刻状态预测值、状态估计误差协方差预测值和测量预测值；其次，基于最小均方根误差原理，建立天牛搜索适应度函数，并基于随机递减惯性权重天牛搜索优化算法，经迭代更新后得到当前时刻转弯速率的最优值；最后，基于得到最优转弯速率来更新状态预测值、状态估计误差协方差预测值和测量预测值，得到状态和估计误差协方差更新值。本发明通过基于随机递减惯性权重的天牛搜索算法来优化转弯率，具有较好的跟踪效果。
-
公开(公告)号：CN114061583B
公开(公告)日：2023-07-07
申请号：CN202111227391.7
申请日：2021-10-21
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法，旨在解决现有的SLAM技术无法处理非线性不确定系统、定位导航精度不高、计算量大的技术问题。本发明中自适应晶格卡尔曼滤波‑SLAM（ALKF‑SLAM）自主导航算法对于移动机器人的系统模型的噪声方差是否精确已知没有要求，并通过减少状态采样点，降低计算复杂度和计算成本，提高状态估计的精度和数值稳定性。利用晶格采样点，并根据量测残差序列和方差对量测方差进行修正。其次，利用基于上述修正的量测方差和晶格采样点设计的衰减因子对状态方差进行了修正。本发明的ALKF‑SLAM算法，有利于提高移动机器人在未知环境中地图构建和自身定位的精度。
-
公开(公告)号：CN111189442A
公开(公告)日：2020-05-22
申请号：CN202010028707.9
申请日：2020-01-11
Applicant: 郑州轻工业大学
Abstract: 本发明公开了基于CEPF的无人机多源导航信息状态预测方法，旨在解决解决无人机组合导航系统中多源信息融合面临的模型不确定性和偏差问题。本发明首先建立INS组合导航系统的直接法状态方程和量测方程，然后对组合导航系统方程进行离散化，最后利用CEPF算法降低测量信息中的偏差对组合导航系统的不利影响；CEPF首先使用“consider”方法将偏差的统计信息合并到状态估计方程中，Consider卡尔曼滤波完成对目标的滤波估计处理。本发明的有益技术效果在于：有效地降低了偏差和模型不确定性的影响，提高了无人机组合导航的精度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
