CN105547302B - 一种用于sins/dvl组合导航系统的dvl失效处理方法 - Google Patents
一种用于sins/dvl组合导航系统的dvl失效处理方法 Download PDFInfo
- Publication number
- CN105547302B CN105547302B CN201610111734.6A CN201610111734A CN105547302B CN 105547302 B CN105547302 B CN 105547302B CN 201610111734 A CN201610111734 A CN 201610111734A CN 105547302 B CN105547302 B CN 105547302B
- Authority
- CN
- China
- Prior art keywords
- mrow
- dvl
- msub
- sins
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于SINS/DVL组合导航系统的DVL失效处理方法，当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，利用偏最小二乘回归建立预测模型；当DVL失效时，利用所建立的模型预测DVL量测信息，并将预测结果用于和SINS解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航。本发明利用失效时刻及失效前的SINS解算信息作为输入来预测DVL量测信息，提高了预测结果的准确性，采用偏最小二乘回归建模，克服了自变量多重相关性破坏模型稳健性的缺陷，保证所建模型的可靠性。
Description
技术领域
本发明涉及组合导航系统领域，具体涉及一种用于捷联惯性导航系统(StrapdownInertial Navigation System,SINS)和多普勒测速仪(Doppler Velocity Log,DVL)组合导航系统中的DVL失效处理方法。
背景技术
作为人类探索和开发海洋的工具，自主水下航行器(Autonomous UnderwaterVehicle,AUV)受到越来越多的关注。要使AUV能够成功完成预定的任务，水下导航定位是一项关键技术。由于水下导航具有环境复杂、信息源相对较少、隐蔽性要求高等特点，单一的导航系统无法满足高精度高可靠性的要求。将SINS和DVL进行组合，构成高可靠性、高自主性的SINS/DVL组合导航系统，其无需外部陆基或星基设备的支持，因此，该组合导航系统被广泛应用于AUV。
当AUV在水下运行时，可能发生DVL量测数据失效的情况，例如当AUV潜行过浅时，超出DVL测量范围，DVL声波无法到达水底，或当水底地质是淤泥类等吸波性强的物质时，DVL声波无法返回。DVL一旦失效，若采用纯SINS进行导航，由于陀螺仪和加速度计的误差，SINS解算结果的精度会随着时间的推移而逐渐下降。因此，为保证DVL失效情况下的SINS/DVL组合导航系统定位精度，设计一种DVL失效处理方法很有必要。
目前组合导航系统的传感器失效处理方法，大多通过建立各类模型来预测当前传感器应有的量测信息或直接预测导航误差，这些预测模型的输入均采用失效时刻陀螺仪、加速度计量测信息或失效时刻SINS解算信息。仅利用失效时刻相关信息作为模型输入，未能排除失效时刻偶然因素对结果带来的不良影响，容易造成预测结果精度下降，甚至预测不准确的问题。
基于此，研究一种DVL失效处理方法使处理后的组合导航结果具有较高可靠性是十分重要的。
发明内容
为了解决现有技术中传感器失效后处理结果可靠性不高的问题，本发明的目的是提出一种用于SINS/DVL组合导航系统的DVL失效处理方法，以解决自变量多重相关性破坏模型稳健性的问题。
为实现上述目的，本发明采用的技术方案是：
一种用于SINS/DVL组合导航系统的DVL失效处理方法，包括以下步骤：
a、当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，然后利用偏最小二乘回归建立预测模型；
b、当DVL失效时，利用所建立的模型预测DVL量测信息，并将预测结果用于和SINS解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航。
该DVL失效处理方法具体步骤如下：
a、当DVL有效时，对导航系统的9个自变量和2个因变量观测N个样本点，构成自变量数据表和因变量数据表利用偏最小二乘回归建立预测模型，
其中：
T为观测样本点的时刻，且在T-1时刻和T-2时刻DVL均有效，
和HSINS(T-2)分别为T-2时刻SINS解算得到的东向速度、北向速度和航向角，
和HSINS(T-1)分别为T-1时刻SINS解算得到的东向速度、北向速度和航向角，
和HSINS(T)分别为T时刻SINS解算得到的东向速度、北向速度和航向角，
为T时刻DVL量测速度投影至导航系的东向速度，
为T时刻DVL量测速度投影至导航系的北向速度；
b、当DVL失效时，利用步骤a建立的偏最小二乘回归预测模型预测DVL量测信息，将此失效时刻及其前期时刻的SINS解算信息输入该偏最小二乘回归预测模型，该预测模型输出DVL量测速度投影至导航系的东向速度和北向速度，分别记为和并将此预测速度和用于和SINS解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航，假设在T0时刻DVL失效，则偏最小二乘回归预测模型的输入为
其中：
和分别为T0-2时刻SINS解算得到的东向速度、北向速度和航向角，
和分别为T0-1时刻SINS解算得到的东向速度、北向速度和航向角，
和分别为T0时刻SINS解算得到的东向速度、北向速度和航向角。
具体的，所述利用偏最小二乘回归建立预测模型的具体步骤为：
1)将数据做标准化处理，即包括中心化处理和压缩处理，自变量数据表X经标准化处理后的数据矩阵记为E0＝(E01,E02,E03,E04,E05,E06,E07,E08,E09)N×9，因变量数据表Y经标准化处理后的数据矩阵记为F0＝(F01,F02)N×2；
2)w1是对应于E0 TF0F0 TE0矩阵最大特征值的单位特征向量，从而得到E0的第一个成分t1为
t1＝E0w1
其中：
E0 T为E0的转置矩阵，F0 T为F0的转置矩阵；
然后，求E0和F0对t1的回归，即
E0＝t1p1 T+E1
F0＝t1r1 T+F1
其中：
p1 T为向量p1的转置向量，为E0对t1回归的回归系数向量，||t1||为t1的模，E1为E0对t1回归的残差矩阵，
r1 T为向量r1的转置向量，为F0对t1回归的回归系数向量，F1为F0对t1回归的残差矩阵；
3)用E1和F1取代E0和F0，求E0的第二个成分t2，以及E1对t2回归的回归系数向量p2和F1对t2回归的回归系数向量r2，计算方法同步骤2)；
4)以此类推，直至求得E0的第h个成分th，结束迭代，其中，h为自变量数据表X的秩；
5)求F0关于t1，…，th的回归方程为
F0＝t1r1 T+…+thrh T+Fh
其中，Fh为F0对t1，…，th回归的残差矩阵；
6)将F0关于t1，…，th的回归方程转化为F0关于E0的回归方程
其中，I为单位矩阵，
最终，还原为Y关于X的回归方程，该方程即为建立的偏最小二乘回归预测模型。
本发明的有益效果是：
(1)本发明利用失效时刻及失效前的SINS解算信息作为输入来预测DVL量测信息，克服了失效时刻偶然因素对结果带来的不良影响，从而提高了预测结果的准确性。
(2)本发明利用偏最小二乘回归建立预测模型，克服了自变量多重相关性破坏模型稳健性的缺陷，从而保证了所建模型的可靠性。
附图说明
图1为用于SINS/DVL组合导航系统的DVL失效处理方法流程框图；
图2为利用建立的偏最小二乘回归模型预测所得速度仿真曲线图；
图3为采用本发明所提DVL失效处理方法后的速度误差仿真曲线图。
具体实施方式
下面结合附图对本发明做更进一步的解释。如图1所示，本发明的一种用于SINS/DVL组合导航系统的DVL失效处理方法，具体步骤如下：
当DVL有效时，对导航系统的9个自变量和2个因变量观测N个样本点，构成自变量数据表和因变量数据表
其中：
T为观测样本点的时刻，且在T-1时刻和T-2时刻DVL均有效，
和HSINS(T-2)分别为T-2时刻SINS解算得到的东向速度、北向速度和航向角，
和HSINS(T-1)分别为T-1时刻SINS解算得到的东向速度、北向速度和航向角，
和HSINS(T)分别为T时刻SINS解算得到的东向速度、北向速度和航向角，
为T时刻DVL量测速度投影至导航系的东向速度，
为T时刻DVL量测速度投影至导航系的北向速度；
利用偏最小二乘回归建立预测模型的具体步骤为：
1)将数据做标准化处理，即包括中心化处理和压缩处理，自变量数据表X经标准化处理后的数据矩阵记为E0＝(E01,E02,E03,E04,E05,E06,E07,E08,E09)N×9，因变量数据表Y经标准化处理后的数据矩阵记为F0＝(F01,F02)N×2；
2)w1是对应于E0 TF0F0 TE0矩阵最大特征值的单位特征向量，从而得到E0的第一个成分t1为
t1＝E0w1
其中：
E0 T为E0的转置矩阵，F0 T为F0的转置矩阵；
然后，求E0和F0对t1的回归，即
E0＝t1p1 T+E1
F0＝t1r1 T+F1
其中：
p1 T为向量p1的转置向量，为E0对t1回归的回归系数向量，||t1||为t1的模，E1为E0对t1回归的残差矩阵，
r1 T为向量r1的转置向量，为F0对t1回归的回归系数向量，F1为F0对t1回归的残差矩阵；
3)用E1和F1取代E0和F0，求E0的第二个成分t2，以及E1对t2回归的回归系数向量p2和F1对t2回归的回归系数向量r2，计算方法同步骤2)；
4)以此类推，直至求得E0的第h个成分th，结束迭代，其中，h为自变量数据表X的秩；
5)求F0关于t1，…，th的回归方程为
F0＝t1r1 T+…+thrh T+Fh
其中，Fh为F0对t1，…，th回归的残差矩阵；
6)将F0关于t1，…，th的回归方程转化为F0关于E0的回归方程
其中，I为单位矩阵，
最终，还原为Y关于X的回归方程，该方程即为建立的偏最小二乘回归预测模型。
当DVL失效时，利用上述步骤建立的偏最小二乘回归预测模型预测DVL量测信息，将此失效时刻T0及其前期时刻T0-1和T0-2的SINS解算信息输入该偏最小二乘回归预测模型，预测模型输出该失效时刻T0时DVL如果不失效此时DVL量测速度投影至导航系的东向速度和北向速度，分别记为和因为DVL直接测量得到的是载体系的速度，而用来和SINS进行信息融合的是导航系的速度，因此直接预测DVL量测信息投影至导航系的速度；并将此预测速度和用于和SINS解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航，假设在T0时刻DVL失效，则偏最小二乘回归模型的输入为
其中：
和分别为T0-2时刻SINS解算得到的东向速度、北向速度和航向角，
和分别为T0-1时刻SINS解算得到的东向速度、北向速度和航向角，
和分别为T0时刻SINS解算得到的东向速度、北向速度和航向角。
本发明的可行性通过如下仿真加以验证：
(1)DVL辅助SINS，构成SINS/DVL组合导航系统；
(2)陀螺仪随机常值漂移0.03°/h，随机白噪声0.03°/√h，加速度计随机常值偏置0.2mg，随机白噪声0.2mg，DVL速度量测误差为航行速度的0.5％；
(3)惯性传感器数据更新周期为10ms，滤波周期为1s，仿真时间20min；
(4)当DVL有效时，观测1200个样本，构成自变量数据表和因变量数据表，利用偏最小二乘回归建立预测模型；
(5)在500s～580s时间段内，令DVL失效，失效时长80s。
通过计算机仿真，利用建立的偏最小二乘回归预测模型预测所得速度如图2所示，采用本发明所提DVL失效处理方法后的速度误差如图3所示。由图2可见，偏最小二乘回归模型所预测的速度与原本此时DVL量测速度投影至导航系的速度接近，误差较小，预测结果准确。由图3中的对比曲线可见，DVL失效时，若采用纯SINS导航，速度误差会随时间积累，而与此相比，采用本发明所提DVL失效处理方法后的速度误差则较小，不存在明显增加。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种用于SINS/DVL组合导航系统的DVL失效处理方法，其特征在于：包括以下步骤：
a、当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，然后利用偏最小二乘回归建立预测模型；
b、当DVL失效时，利用所建立的模型预测DVL量测信息，并将预测结果用于和SINS解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航；所述步骤a具体为：
当DVL有效时，对导航系统的9个自变量
和2个因变量观测N个样本点，构成自变量数据表
和因变量数据表利用偏最小二乘回归建立预测模型，
其中：
T为观测样本点的时刻，且在T-1时刻和T-2时刻DVL均有效，
和HSINS(T-2)分别为T-2时刻SINS解算得到的东向速度、北向速度和航向角，
和HSINS(T-1)分别为T-1时刻SINS解算得到的东向速度、北向速度和航向角，
和HSINS(T)分别为T时刻SINS解算得到的东向速度、北向速度和航向角，
为T时刻DVL量测速度投影至导航系的东向速度，
为T时刻DVL量测速度投影至导航系的北向速度；
所述利用偏最小二乘回归建立预测模型的具体步骤为：
1)将数据做标准化处理，包括中心化处理和压缩处理，自变量数据表X经标准化处理后的数据矩阵记为E0＝(E01,E02,E03,E04,E05,E06,E07,E08,E09)N×9，因变量数据表Y经标准化处理后的数据矩阵记为F0＝(F01,F02)N×2；
其中，N为观测的样本点数；
2)w1是对应于E0 TF0F0 TE0矩阵最大特征值的单位特征向量，从而得到E0的第一个成分t1为
t1＝E0w1
其中：
E0 T为E0的转置矩阵，F0 T为F0的转置矩阵；
然后，求E0和F0对t1的回归，
E0＝t1p1 T+E1
F0＝t1r1 T+F1
其中：
p1 T为向量p1的转置向量，为E0对t1回归的回归系数向量，||t1||为t1的模，E1为E0对t1回归的残差矩阵，
r1 T为向量r1的转置向量，为F0对t1回归的回归系数向量，F1为F0对t1回归的残差矩阵；
3)用E1和F1取代E0和F0，求E0的第二个成分t2，以及E1对t2回归的回归系数向量p2和F1对t2回归的回归系数向量r2，计算方法同步骤2)；
4)以此类推，直至求得E0的第h个成分th，结束迭代，其中，h为自变量数据表X的秩；
5)求F0关于t1，…，th的回归方程为
F0＝t1r1 T+…+thrh T+Fh
其中，Fh为F0对t1，…，th回归的残差矩阵；
6)将F0关于t1，…，th的回归方程转化为F0关于E0的回归方程
<mrow>
<msub>
<mi>F</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msub>
<mi>E</mi>
<mn>0</mn>
</msub>
<mo>{</mo>
<msub>
<mi>w</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>r</mi>
<mn>1</mn>
<mi>T</mi>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mi>h</mi>
</munderover>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mo>(</mo>
<mrow>
<mi>I</mi>
<mo>-</mo>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<msup>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mi>T</mi>
</msup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<mo>}</mo>
<mo>+</mo>
<msub>
<mi>F</mi>
<mi>h</mi>
</msub>
</mrow>
其中，I为单位矩阵；
最终，还原为Y关于X的回归方程，该方程为建立的偏最小二乘回归预测模型。
2.如权利要求1所述的用于SINS/DVL组合导航系统的DVL失效处理方法，其特征在于：所述步骤b具体为：
当DVL失效时，利用步骤a建立的偏最小二乘回归预测模型预测DVL量测信息，将此失效时刻及其前期时刻的SINS解算信息输入该偏最小二乘回归预测模型，该预测模型输出DVL量测速度投影至导航系的东向速度和北向速度，分别记为和并将此预测速度和用于和SINS解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航，假设在T0时刻DVL失效，则偏最小二乘回归预测模型的输入为
<mrow>
<mo>(</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>e</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>e</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>e</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</msubsup>
<mo>,</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>S</mi>
<mi>I</mi>
<mi>N</mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>)</mo>
<mo>,</mo>
</mrow>
其中：
和分别为T0-2时刻SINS解算得到的东向速度、北向速度和航向角，
和分别为T0-1时刻SINS解算得到的东向速度、北向速度和航向角，
和分别为T0时刻SINS解算得到的东向速度、北向速度和航向角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610111734.6A CN105547302B (zh) | 2016-02-29 | 2016-02-29 | 一种用于sins/dvl组合导航系统的dvl失效处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610111734.6A CN105547302B (zh) | 2016-02-29 | 2016-02-29 | 一种用于sins/dvl组合导航系统的dvl失效处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105547302A CN105547302A (zh) | 2016-05-04 |
| CN105547302B true CN105547302B (zh) | 2018-02-06 |
Family
ID=55826657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610111734.6A Active CN105547302B (zh) | 2016-02-29 | 2016-02-29 | 一种用于sins/dvl组合导航系统的dvl失效处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105547302B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106840150B (zh) * | 2017-01-25 | 2019-10-15 | 东南大学 | 一种针对组合导航中dvl失效的混合处理方法 |
| CN112729291B (zh) * | 2020-12-29 | 2022-03-04 | 东南大学 | 一种深潜长航潜水器sins/dvl洋流速度估计方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102221363A (zh) * | 2011-04-12 | 2011-10-19 | 东南大学 | 一种水下潜器用捷联惯性组合导航系统容错组合方法 |
| CN104330084A (zh) * | 2014-11-13 | 2015-02-04 | 东南大学 | 一种水下航行器用神经网络辅助组合导航方法 |
-
2016
- 2016-02-29 CN CN201610111734.6A patent/CN105547302B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102221363A (zh) * | 2011-04-12 | 2011-10-19 | 东南大学 | 一种水下潜器用捷联惯性组合导航系统容错组合方法 |
| CN104330084A (zh) * | 2014-11-13 | 2015-02-04 | 东南大学 | 一种水下航行器用神经网络辅助组合导航方法 |
Non-Patent Citations (4)
| Title |
|---|
| An intelligent fault-tolerant strategy for AUV integrated navigation systems;Yixian Zhu等;《2015 IEEE International Conference on Advanced Intelligent Mechatronics》;20140711;269-274 * |
| GNSS/INS组合导航系统层次故障检测法;王旭婧等;《计算机仿真》;20140228;第31卷(第2期);140-143 * |
| Study of SIN/GPS/DVL Intergrated Navigation System"s Fault Tolerance;Feng Sun等;《Proceedings of the IEEE International Conference on Mechatronics & Automation》;20050731;426-431 * |
| 基于偏最小二乘法的火电厂实时数据预测;余岳溪;《实用节能技术》;20101231(第4期);62-64,68 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105547302A (zh) | 2016-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | A novel adaptive filtering for cooperative localization under compass failure and non-gaussian noise | |
| CN104457754B (zh) | 一种基于sins/lbl紧组合的auv水下导航定位方法 | |
| Dinc et al. | Integration of navigation systems for autonomous underwater vehicles | |
| Li et al. | A multi-model EKF integrated navigation algorithm for deep water AUV | |
| CN105091907B (zh) | Sins/dvl组合中dvl方位安装误差估计方法 | |
| McPhail et al. | Range-only positioning of a deep-diving autonomous underwater vehicle from a surface ship | |
| CN112729730A (zh) | 一体化gnss/加速度计与mems-imu融合监测桥梁挠度的方法 | |
| CN105547302B (zh) | 一种用于sins/dvl组合导航系统的dvl失效处理方法 | |
| CN104020482B (zh) | 一种高动态卫星导航接收机精确测速方法 | |
| Li et al. | Huber’s M‐Estimation‐Based Cubature Kalman Filter for an INS/DVL Integrated System | |
| Yoo et al. | Performance enhancement for conventional tightly coupled INS/DVL navigation system using regeneration of partial DVL measurements | |
| Song et al. | Underwater adaptive height-constraint algorithm based on SINS/LBL tightly coupled | |
| KR20120093363A (ko) | 정보 처리 장치, 정보 처리 방법 및 기록 매체 | |
| Yu et al. | A State‐Domain Robust Chi‐Square Test Method for GNSS/INS Integrated Navigation | |
| Bhamidipati et al. | Set-valued shadow matching using zonotopes for 3D-map-aided GNSS localization | |
| Xu et al. | A fast-initial alignment method with angular rate aiding based on robust Kalman filter | |
| CN106840150A (zh) | 一种针对组合导航中dvl失效的混合处理方法 | |
| Yoon et al. | Real-time precision pedestrian navigation solution using inertial navigation system and global positioning system | |
| CN104501810A (zh) | 一种基于五面体的对称斜置配置方法 | |
| Lager et al. | Underwater terrain navigation using standard sea charts and magnetic field maps | |
| Bolting et al. | The iterated extended set membership filter applied to relative localization between autonomous vehicles based on GNSS and UWB ranging | |
| Troni et al. | New methods for in-situ calibration of attitude and Doppler sensors for underwater vehicle navigation: Preliminary results | |
| Qin et al. | Improvement of global navigation satellite system signal acquisition using different grade inertial measurement units for high dynamic applications | |
| Ziedan | Optimized position estimation in mobile multipath environments using machine learning | |
| Wang et al. | Measurement error analysis of multibeam echosounder system mounted on the deep-sea autonomous underwater vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |