公开(公告)号：CN120008595A

公开(公告)日：2025-05-16

申请号：CN202510184157.2

申请日：2025-02-19

Applicant: 北京理工大学 ,  北京自动化控制设备研究所

Inventor： 沈凯 ,  张平 ,  邓志红 ,  尚克军 ,  戚文昊 ,  董捷飔 ,  闫方

IPC: G01C21/16 ,  G01C25/00 ,  G06F18/25

Abstract: 本公开提供了一种基于加权观测函数的强容错小腿式行人惯性自主导航方法。该方法首先根据足踝加速度的模值进行识别站立中相初步识别，人体行走处于站立中相的时间为修正时间；构建踝‑小腿运动学模型；在Kalman滤波框架下，基于踝‑小腿运动学模型和惯导误差方程建立踝‑小腿运动学/惯导组合导航模型；根据观测误差构建加权观测函数wk，将wk作为权重增加在Kalman滤波过程的增益矩阵和协方差矩阵的计算中，控制观测信息被削弱的程度，以抑制修正时间错检所带来的负面影响。采用加入加权观测函数的鲁棒信息融合算法融合踝‑小腿运动学模型信息和微惯导系统信息，进而提升整体系统的便捷性、鲁棒性和适应性。

公开(公告)号：CN119437293A

公开(公告)日：2025-02-14

申请号：CN202411574543.4

申请日：2024-11-06

Applicant: 北京理工大学 ,  北京自动化控制设备研究所

Inventor： 邓志红 ,  尚克军 ,  董捷飔 ,  张平 ,  戚文昊 ,  毛瑞 ,  闫方

IPC: G01C25/00 ,  G06F17/10

Abstract: 本发明提供一种载体运动激励的微惯导误差参数辨识与预测方法，将微惯导使用数据和标定数据有效结合，根据使用环境与运动情况择优补偿器件误差，充分利用历史数据，提高微惯导关键误差参数补偿精度，进而提升微惯导性能；同时，本发明还引入运动激励对误差参数补偿精度的影响，避免未能激励误差的数据污染标定结果；最后，本发明所提出的微惯导误差参数变化趋势的学习与预测方法能够减小使用年限增长带来的器件误差，延长微惯导的使用寿命。

公开(公告)号：CN114398827B

公开(公告)日：2024-11-08

申请号：CN202210003865.8

申请日：2022-01-05

Applicant: 北京理工大学

Inventor： 邓志红 ,  汪进文 ,  苗志豪 ,  董捷飔

IPC: G06F30/27 ,  G06N3/044 ,  G06F17/16

Abstract: 本发明的基于深度学习的虚拟陀螺仪构建方法，利用高旋体的磁阻传感器获取高旋体坐标系上的地磁矢量；利用高旋体的加速度计获取所述高旋体坐标系上的加速度矢量；将所述高旋体坐标系上的当前时刻和上一时刻的地磁矢量，以及加速度矢量输入到BILSTM网络中，得到所述高旋体姿态变化四元参数；根据所述高旋体的旋转矢量和所述高旋体姿态变化四元参数的转换关系得到所述高旋体的角速率。能够实现陀螺仪失效后高旋体角速率的稳定感知。

公开(公告)号：CN114705184A

公开(公告)日：2022-07-05

申请号：CN202111673355.3

申请日：2021-12-31

Applicant: 北京理工大学

Inventor： 汪进文 ,  董捷飔 ,  邓志红 ,  宋新宇

IPC: G01C21/16 ,  G06N3/08

Abstract: 本发明提供了一种基于神经网络的九轴姿态传感器一体化智能误差补偿方法，能够保证误差补偿精度的同时减少误差补偿所需时间，提高误差补偿效率。本发明引入神经网络建立智能误差模型，其中神经网络的输入值为误差较大的九轴姿态传感器的测量值，输出值为精度较高即误差较小的九轴姿态传感器的测量值。运用神经网络的九轴姿态传感器一体化误差补偿方法，适用于无高精度转台的现场标定环境，标定精度优于基于最小二乘法的传统标定方法，标定时间短。

公开(公告)号：CN120063274A

公开(公告)日：2025-05-30

申请号：CN202510178017.4

申请日：2025-02-18

Applicant: 北京理工大学

Inventor： 沈凯 ,  张平 ,  邓志红 ,  戚文昊 ,  董捷飔 ,  毛瑞 ,  李哲

IPC: G01C21/20 ,  G01C21/16 ,  G01C25/00 ,  G06F17/10

Abstract: 本公开提供了一种基于运动匹配因子在线聚类的鲁棒行人自主导航方法。步骤S1：利用陀螺仪敏感角速度模值确定备选融合时刻；步骤S2：采用刚体旋转模型对不同动态下足部落地运动状态进行统一描述，以构建足部运动学模型；步骤S3：在Kalman滤波框架下建立足部运动学/微型惯导组合导航模型；步骤S4：分别构建新息非正交因子和残差因子作为运动匹配因子，来表征当前足部运动学模型信息与真实运动状态的匹配程度；步骤S5：针对备选融合时刻，提出运动匹配因子在线聚类方法对是否融合惯导信息和运动学模型信息进行决策，从而实现鲁棒行人自主导航。使用本发明能够提升系统使用的便捷性，以及提升不同速度运动下导航定位精度和鲁棒性。

公开(公告)号：CN114398827A

公开(公告)日：2022-04-26

申请号：CN202210003865.8

申请日：2022-01-05

Applicant: 北京理工大学

Inventor： 邓志红 ,  汪进文 ,  苗志豪 ,  董捷飔

IPC: G06F30/27 ,  G06N3/04 ,  G06F17/16

Abstract: 本发明的基于深度学习的虚拟陀螺仪构建方法，利用高旋体的磁阻传感器获取高旋体坐标系上的地磁矢量；利用高旋体的加速度计获取所述高旋体坐标系上的加速度矢量；将所述高旋体坐标系上的当前时刻和上一时刻的地磁矢量，以及加速度矢量输入到BILSTM网络中，得到所述高旋体姿态变化四元参数；根据所述高旋体的旋转矢量和所述高旋体姿态变化四元参数的转换关系得到所述高旋体的角速率。能够实现陀螺仪失效后高旋体角速率的稳定感知。