-
公开(公告)号:CN113916226B
公开(公告)日:2023-04-18
申请号:CN202111173831.5
申请日:2021-10-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于最小方差的组合导航系统抗扰滤波方法。首先建立含有未知输入项Gk‑1dk‑1的SINS/GNSS组合导航系统滤波模型,其中dk‑1为m维未知输入,Gk‑1是n×m维的噪声分配矩阵;然后在Kalman滤波算法的基础上,根据无偏性和最小方差两个约束条件来求解滤波增益矩阵Kk,求解过程中要确保新构建的算子符合两个假设要求;然后,将各式展开并整理得到滤波算法方程组;最后,根据滤波框架编程调试并移植到组合导航系统中进行应用,从而实现了对复杂环境下含未知输入组合导航系统各状态量的最小方差意义下的无偏估计。本发明可以解决复杂环境下组合导航系统含未知输入时抗扰能力差的问题,从而增强了组合导航系统的鲁棒性。
-
公开(公告)号:CN115950453A
公开(公告)日:2023-04-11
申请号:CN202310060895.7
申请日:2023-01-19
Applicant: 哈尔滨工业大学
Abstract: 一种原子干涉陀螺仪数据更新频率智能提升方法及系统,属于惯性测量以及导航定位领域,解决了原子干涉陀螺仪的数据更新率和测量精度互相影响的问题。本发明利用原子干涉陀螺仪采集数据,结合基于稀疏化改进的GCSMK‑GPR预测模型IGCSMK GPR,实现数据更新频率的提升,然后利用激光陀螺仪采集信息,对原子干涉陀螺仪的输出数据进行一致性监测与校正,修正稀疏化GCSMK‑GPR预测算法中的模型参数,作为下一时刻进行预测的参数,从而提高预测精度。本发明适用于原子干涉陀螺仪数据更新频率的提升以及精度的测量。
-
公开(公告)号:CN113916225A
公开(公告)日:2022-01-11
申请号:CN202111173827.9
申请日:2021-10-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于稳健权因子系数的组合导航粗差抗差估计方法。首先基于传统的最小二乘法准则,给不同的观测项赋予不同的权因子,转化成抗差最小二乘法估计的形式;然后通过等价权原理,建立不同的等价权函数,在本发明中选用中科院测量与地球物理研究所(Institute of Geodesy and Geophysics,IGG)III法型权因子函数对于观测值进行优化;然后基于稳健权因子系数法对Kalman滤波方程进行改造,通过分析增益矩阵,可以选取适当的权函数代替观测噪声协方差阵,以减小或消除粗差对估计结构的影响;然后基于惯性导航/卫星导航组合导航时空基准匹配模型,建立基于组合导航的最优估计模型。本发明可以解决在组合导航系统中观测量粗差对导航结果产生的影响,从而确保了组合导航系统的应用范围和定位精度。
-
公开(公告)号:CN117906636A
公开(公告)日:2024-04-19
申请号:CN202311569524.8
申请日:2023-11-23
Applicant: 哈尔滨工业大学
IPC: G01C25/00
Abstract: 本发明提供了一种面向惯性导航应用的原子干涉陀螺仪性能评测方法,包括:步骤1:获取原子干涉陀螺仪静态数据;步骤2:将第一铷原子束和第二铷原子束输入原子装载速率测量模块,完成原子装载速率评测;步骤3:将第一铷原子束和第二铷原子束输入原子冷却温度极限测量模块,完成原子冷却温度极限评测;步骤4:将第一铷原子束和第二铷原子束输入干涉条纹信噪比测量模块,完成干涉条纹信噪比评测;步骤5:将第一铷原子束和第二铷原子束输入稳定度参数测量模块,完成稳定度参数评测。本发明从传感器、惯性信息测量和惯导系统应用三个层面开展,兼顾多种方法的特性,提取出更多原子干涉陀螺仪关键参数信息,实现原子干涉陀螺仪性能的全方位评测。
-
公开(公告)号:CN115962777A
公开(公告)日:2023-04-14
申请号:CN202310030826.1
申请日:2023-01-10
Applicant: 哈尔滨工业大学
IPC: G01C21/16 , G01C25/00 , G06N3/0442 , G06N3/084
Abstract: 本发明是一种基于双向LSTM神经网络的光纤惯性测量装置应力加速稳定方法。本发明涉及高精度惯性测量技术领域,本发明建立光纤陀螺参数漂移预测的双向LSTM网络模型,然后对网络进行训练完成模型参数的寻优,实现对光纤惯性测量装置零偏误差模型时间序列复杂特性的精确表征。通过搭建的基于双向LSTM神经网络的应力加速稳定装置获得光纤陀螺和石英加速度计的静态输出数据后。将训练集输入到双向LSTM神经网络中训练,迭代优化网络权重,获得最终的光纤惯性测量装置应力加速稳定参数漂移预测模型。然后使用测试集进行评估,对输出值进行反归一化后,计算真值与预测值的差异。
-
-
-
-