CN105698818B - 用于提供惯性传感器部署环境的自动检测的系统和方法 - Google Patents
用于提供惯性传感器部署环境的自动检测的系统和方法 Download PDFInfo
- Publication number
- CN105698818B CN105698818B CN201510912148.7A CN201510912148A CN105698818B CN 105698818 B CN105698818 B CN 105698818B CN 201510912148 A CN201510912148 A CN 201510912148A CN 105698818 B CN105698818 B CN 105698818B
- Authority
- CN
- China
- Prior art keywords
- environment
- model
- environmental
- sequence
- estimator
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
- G01C19/02—Rotary gyroscopes
- G01C19/34—Rotary gyroscopes for indicating a direction in the horizontal plane, e.g. directional gyroscopes
-
- 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
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
- G01C19/02—Rotary gyroscopes
- G01C19/34—Rotary gyroscopes for indicating a direction in the horizontal plane, e.g. directional gyroscopes
- G01C19/38—Rotary gyroscopes for indicating a direction in the horizontal plane, e.g. directional gyroscopes with north-seeking action by other than magnetic means, e.g. gyrocompasses using earth's rotation
-
- 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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- 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
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
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)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
提供了用于提供对惯性传感器部署环境的自动检测的方法和系统。在一个实施例中,一种用于具有输出角速率测量结果序列的惯性测量单元的设备的环境检测系统,包括:算法选择器;以及多个环境检测路径,每一个都接收角速率测量结果序列,并且每一个都使用针对特定操作环境优化的环境模型来生成角振荡预测结果。针对不同操作环境优化针对环境检测路径中的每一个的环境模型。环境检测路径中的每一个都输出加权因子,该加权因子是在给定角速率测量结果序列的情况下环境检测路径的环境模型是当前操作环境的真实模型的概率的函数;并且其中,算法选择器基于来自环境检测路径中的每一个的加权因子的函数来生成输出。
Description
背景技术
为了确保适当的操作,典型的陀螺平台指北设备需要与水平参考平面的初始对准,通常被称为调平。当在位于地面上或以其他方式安装到稳定平台的设备上执行调平时,对陀螺平台指北设备执行该对准是最直接的。然而,经常有必要在不太理想的条件下(诸如当设备位于空中飞行器上或海上船舶上时)执行调平。为了适应在该条件下的陀螺平台指北设备的调平,已经开发了不同的调平算法。例如,陀螺平台指北设备可以包含用于在设备位于地面上时使用的第一调平算法、用于在设备位于空中飞行器上时使用的第二调平算法、以及用于在设备位于海上船舶上时使用的第三调平算法。问题是本领域中的陀螺平台指北设备目前必须在发起其对准过程之前手动配置要使用哪个调平算法。也就是说,必须告知该设备它正被部署在何种类型的环境中,使得它可以使用适当的调平算法来执行对准过程。如果选择了不正确的环境和算法,则使用没有针对当前环境优化的调平算法可能使得设备花费较长的时间量来对准,并且最终使陀螺平台指北设备被用于的系统的部署延迟。
出于上述原因和出于通过阅读和理解说明书对本领域技术人员将变得显而易见的下述其他原因,在本领域中存在对于用于提供惯性传感器部署环境的自动检测的替代系统和方法的需要。
发明内容
本发明的实施例提供了用于提供惯性传感器部署环境的自动检测的方法和系统,并且将通过阅读和研究以下说明书来理解。
提供了用于提供对惯性传感器部署环境的自动检测的方法和系统。在一个实施例中,一种用于具有输出角速率测量结果序列的惯性测量单元的设备的环境检测系统,包括:算法选择器;以及多个环境检测路径,每一个都接收角速率测量结果序列,并且每一个都使用针对特定操作环境优化的环境模型来生成角振荡预测结果,其中针对不同操作环境优化针对多个环境检测路径中的每一个的环境模型;其中,多个环境检测路径中的每一个输出加权因子,该加权因子是在给定角速率测量结果序列的情况下环境检测路径的环境模型是当前操作环境的真实模型的概率的函数;并且其中,算法选择器基于来自环境检测路径中的每一个的加权因子的函数来生成输出。
附图说明
当根据优选实施例的描述及下面的附图考虑时,本发明的实施例可以被更容易地理解,并且其另外的优点和用途更加容易地显而易见,在附图中:
图1是图示本公开的一个实施例的针对惯性设备的环境检测系统的图;
图2是图示本公开的一个实施例的针对环境检测系统的环境模型的图;
图3是图示本公开的一个实施例的基于环境检测系统的操作环境的检测的图表;以及
图4是图示本公开的一个实施例的方法的流程图。
根据一般实践,各种描述的特征没有按比例绘制,而是被绘制为突出与本发明相关的特征。遍及附图和文本,附图标记表示类似的元件。
具体实施方式
在以下的详细描述中,参考形成详细描述的一部分的附图,并且其中通过可以实践本发明的特定说明性实施例的方式被示出。这些实施例被足够详细地描述以使本领域技术人员能够实践本发明,并且应当理解,可以利用其他实施例,并且可以在不背离本发明的范围的情况下进行逻辑、机械和电气的改变。因此,不以限制的意义考虑以下的详细描述。
本公开的实施例使得陀螺平台指北设备或其他惯性感测设备能够针对自身确定其已经被部署在其中的环境,使得它可以从其存储器中自己选择针对该被检测的环境优化的适当调平算法。本公开的实施例利用关于通常在不同环境条件下经历的惯性干扰的性质的凭经验获得的知识。更具体地,本公开的实施例实现多个同时运行的模型,这些模型每一个都模拟与不同环境条件相关联的振荡。例如,在一个实施例中,环境检测系统实现由三个不同环境模型构成的集合。在该示例中,第一模型模拟预期针对相当高的海面状况的振荡,第二模型模拟预期针对空中飞行器的振荡,并且第三模型模拟预期针对地面上部署的振荡。该模拟的振荡可以与俯仰或滚转姿态振荡相关联。每一个环境模型在其自己的独特传播算子估计器算法(其可以例如使用卡尔曼滤波器算法或其某个变体来实现)内被实现,该传播算子估计器算法使用环境模型之一针对特定环境被优化。惯性速率测量结果(例如,在50Hz频率取得的滚转速率测量结果)是从陀螺平台指北设备的测量速率输出捕获的,并且作为测量数据被提供给传播算子估计器。每个传播算子估计器使用其特定环境模型来预测其从测量速率输出预期的惯性速率测量结果。传播算子估计器将其预测的测量状态与实际惯性速率测量结果作比较,并且根据二者之间的任何未预期的误差,传播算子估计器计算速率残差。传播算子估计器向前传播从其当前预测结果计算的更新的预测测量状态的集合和测量数据。通过分析通过加权概率算法从每个传播算子估计器产生的角速率估计,来自传播算子估计器之一的结果正确的概率将朝着相对高的概率值收敛。来自其他传播算子估计器的结果正确的概率将收敛到低(或零)概率。高概率结果指示:由该传播算子估计器正在使用的环境模型最好地模拟陀螺平台指北设备的当前操作环境。例如,如果陀螺平台指北单元被部署在海上,则实现该“海上”优化环境模型的传播算子估计器应当产生如下结果:该结果指示该“海上”模型是当前操作环境的“真实模型”的高概率。这是因为使用“海上”模型的传播算子估计器应当产生比其他传播算子估计器对预期“海上”振荡的更准确的预测结果。同样,如果陀螺平台指北单元被部署在飞行中的飞机上,则实现“空中”优化环境模型的传播算子估计器应当产生速率残差,该速率残差指示“空中”模型正产生比其他传播算子估计器更准确的预期振荡的预测结果的高概率。一旦做出关于哪个环境模型是真实模型(意味着它最好地模拟当前实际环境振荡)的确定,则陀螺平台指北设备就可以执行针对该环境优化的调平算法。虽然讨论陀螺平台指北设备的实施例在本公开中被主要讨论,但是应当注意,本公开的实施例不限于仅陀螺平台指北设备。其他实施例明确地包括其他惯性感测设备,例如但不限于,姿态和航向基准系统(AHRS)或其他基于惯性的导航系统。
图1是图示针对惯性感测设备100的本公开的一个实施例的环境检测系统101处的框图。环境检测系统101包括多个环境检测路径105(各自通过105-1、105-2和105-3示出),系统101被配置用于检测的每个可能的环境一个路径105。环境检测路径105中的每一个包括耦合到加权因子计算器120的传播算子估计器110。
在图1中所示的具体实施例中,环境检测路径105-1包括第一传播算子估计器110,第一传播算子估计器110实现被优化用于模拟海上姿态振荡的第一环境模型。环境检测路径105-2包括第二传播算子估计器110,第二传播算子估计器110实现被优化用于模拟预期空中姿态振荡的第二环境模型。环境检测路径105-3包括第三传播算子估计器110,第三传播算子估计器110实现被优化用于模拟预期地面上姿态振荡的第三环境模型。在又其他实施例中,环境检测系统101可以被实现为仅具有两个这样的环境检测路径或者多于图1中示出的三个。
如上所述,在替代实施例中,传播算子估计器110中的每一个可以使用卡尔曼滤波器算法(或其变体)来实现,卡尔曼滤波器算法(或其变体)使用环境模型针对特定环境被优化。传播算子估计器110实现状态预测器和状态更新算法。也就是说,使用针对分配给具体环境检测路径105的环境被优化的具体环境模型,传播算子估计器算法110基于从惯性测量单元102的测量速率输出获得的角速率测量值的当前序列z1、z2、……、zk和状态的现有值来预测针对未来状态集合的值。然后,每个传播算子估计器算法110更新其自己的滤波器状态,并且将其预测结果与实际惯性速率测量结果作比较。该比较考虑可能由于环境条件中的噪声、设备容限和变化而导致的、测量数据中通常能够预期的任何误差。测量结果和预测结果之间的差表示称为残差的偏差。如果残差小,则传播算子估计器110可以尝试通过将残差(或其至少一些部分)应用于其预测状态的下一次迭代中来校正误差。如果初始残差的源是一致的,则从预测值的后续迭代计算的未来残差应当小于初始残差。然而,如果环境模型存在系统性问题(这将是环境模型没有准确模拟真实当前操作环境的情况),则大的残差将继续发生,并且超过可能以其他方式对数据中的噪声有贡献的任何预期的偏差。
图2是图示本公开的一个实施例的环境模型200的系统图。更具体地,环境模型200提供角速率干扰的模型,角速率干扰可被预期会影响由处于不同操作环境下的惯性测量传感器产生的惯性速率测量结果。在图2中所示的具体实施例中,环境模型200包括二阶高斯-马尔可夫模型。然而,在不同实现方式中,可以使用其他模型,包括一阶或更高阶的高斯-马尔可夫模型或适用于环境的任何随机模型。环境模型200通过白噪声输入(示出为ηd)驱动,并且主要作为具有ξ的阻尼比和ω0的固有频率的二阶低通滤波器进行操作。得到的建模的角速率干扰210是具有正弦振荡的信号,该正弦振荡以模拟预期的环境诱导振荡的方式在相位和幅度上随机地改变。当阻尼比(ξ)小时,建模的角速率干扰210将类似于正弦波。当阻尼比(ξ)接近1时,得到的建模的角速率干扰210在性质上将更随机。在一个实施例中,实现环境模型200的传播算子估计器算法110包括至少两个状态,一个状态对应于积分器220和222中的每一个的输出。第一积分器的输出是建模的角速率干扰210(以度/秒为单位),该建模的角速率干扰210将与从惯性测量系统102的测量速率输出获得的惯性速率测量结果作比较。第二积分器222的输出表示姿态干扰212(以度为单位)。表1提供了可以用于针对特定环境优化环境模型200的参数的示例。
地面上 | 空中 | 海上 | |
固有周期 | 0.455秒 (2.2 Hz) | 3.33秒(0.3 Hz) | 8秒(0.125 Hz) |
阻尼比 | 0.15 | 0.7 | 0.1 |
姿态角变化 | 0.0051度 | 0.5度 | 3.0度 |
速率测量噪声 | 0.07度/秒 | 0.60度/秒 | 0.07度/秒 |
表1。
返回到图1,序列z1、z、……、zk是从惯性测量系统102的测量速率输出获得并且应用于环境检测系统101的环境检测路径105中的每一个的角速率测量结果的序列。在环境检测路径105中的每一个内,传播算子估计器算法110确定对于真实角速率是什么的其最佳估计。也就是说,来自每个传播算子估计器算法110的输出包括在给定由该路径105使用的环境模型200是当前操作环境的真实模型的情况下对于真实角速率是什么的该检测路径105的最佳估计。然后,输出值被馈送到加权因子计算器120中,该加权因子计算器120计算:在给定角速率测量结果的序列z1、z2、……、zk的情况下,由该路径105所使用的环境模型200正确的概率。也就是说,每个加权因子计算器120计算针对步骤k的加权因子wi,其等于在给定具体测量结果序列z1、z2、……、zk的情况下其环境模型200是正确模型(ai)的概率。这可以被表达为:
假设p(αi)= 1/3(即,假定没有预先的信息,三个可能的真实环境中的每一个是同样可能的),这可以使用贝叶斯规则来确定
假设模型i是精确模型,则获得确切测量结果序列的概率是
因为得到任何精确测量结果的概率实际上是零,我们改为考虑获得实际测量结果的特定间隔内的测量结果的概率
其中
其中,H是测量矩阵,P是误差协方差矩阵,并且R是如针对卡尔曼滤波器一般定义的测量噪声协方差,并且其中项δz是指每个测量结果的概率间隔(例如,其中δz = 0.001度/秒 = 0.17x10-4 弧度/秒)。
因为每个测量结果概率相对较小,所以针对每个滤波器的组合的序列概率迅速接近零,并且我们以除以零条件来结束。因为我们仅关心相对概率(即相对于其他滤波器),所以我们就可以归一化每个步骤处的概率,使得无条件概率是1.0。权重保持不变,但是避免了数值误差。
由于归一化,可以显著减小概率间隔,并且可以使得用于检测的所需概率更接近1.0。这些改变大大降低了不正确的条件被检测的概率。以该方式,在每个传播步骤,我们可以计算针对每个环境检测路径105的加权因子。如上所解释的,包括最接近模拟真实操作环境的环境模型的环境检测路径105将产生朝着1收敛的加权因子wi,而不正确的模型将产生朝着零概率收敛的结果。通过图3中的图表300图示了该动态过程。在该附图中,针对环境检测路径中的第一个的加权因子(310处所示)在其传播算子估计器的几次迭代之后收敛到归一化概率1,而针对第二环境检测路径(320处示出)和第三环境检测路径(330处示出)的加权因子在大约相同数目的传播算子估计器迭代内收敛到归一化概率0。
在一个实施例中,来自多个环境检测路径105中的每一个的加权因子wi被馈送到算法选择器170中。对准算法选择器170确定加权因子wi何时指示环境检测系统101已检测环境,并且然后生成检测的环境输出172。如图1中所示,陀螺平台指北设备可以进一步包括水平对准计算器180,其包括存储多个调平算法的存储器182。这些调平算法中的每一个被优化用于在特定操作环境下计算陀螺平台指北设备的水平对准(诸如,例如用于地面上调平的调平算法、用于空中调平的调平算法以及用于海上调平的调平算法)。
基于检测的环境输出172的值,陀螺平台指北设备的水平对准计算器180从存储器182选择并且执行针对该环境优化的调平算法。例如,在一个实施例中,当针对第一环境检测路径105的加权因子高于上限阈值(即,wi>1-1.0x10-9)而针对其他环境检测路径的加权因子小于下限阈值(即,wj≠i<1.0x10-9)时,对准算法选择器170被视为已经检测环境。然后,对准算法选择器170生成检测的环境输出172,以引导水平对准计算器180执行来自存储器182的对应于如下环境的调平算法:第一环境检测路径105的环境模型110针对该环境被优化。
图4是图示本发明的一个实施例的方法400的流程图。对于一些实施例,可以使用上述环境检测系统或其元件的任何实施例来实现图4的方法。因此,关于图4的方法描述的选项和替代可以与本文描述的装置实施例的元件以任何组合方式互换。更具体地,针对用于检测惯性感测设备(诸如陀螺平台指北设备)的操作环境的方法绘制图4,该惯性感测设备具有输出角速率测量结果的序列的惯性测量单元。方法400开始于410,其中将角速率测量结果的序列馈送到在惯性感测设备内实现的多个环境检测路径中,多个环境检测路径中的每一个使用针对特定操作环境优化的环境模型来生成角振荡预测结果,其中,针对多个环境检测路径中的每一个的环境模型针对不同的操作环境被优化。也就是说,环境模型中的每一个在其自己的独特传播算子估计器算法内实现,该传播算子估计器算法使用环境模型之一针对特定环境被优化。惯性速率测量结果是从陀螺平台指北设备的测量速率输出捕获的,并且作为测量数据被提供给传播算子估计器。每个传播算子估计器使用其特定环境模型来预测其从测量速率输出预期的惯性速率测量结果。传播算子估计器可以使用卡尔曼滤波器算法(或其某个变体)来实现,卡尔曼滤波器算法使用环境模型之一针对特定环境被优化。环境模型可以包括至少一阶(诸如图2中所示的二阶模型)的高斯-马尔可夫模型或适合于环境的任何其他随机模型。
因此,该方法前进到420,其中通过将角速率测量结果的序列输入到第一传播算子估计器中来计算角振荡预测结果的第一序列,第一传播算子估计器实现针对第一操作环境优化的第一环境模型,并且前进到430,其中通过将角速率测量结果的序列输入到第二传播算子估计器中来计算角振荡预测结果的第二序列,第二传播算子估计器实现针对第二操作环境优化的第二环境模型。如所讨论的,多个环境检测路径以彼此并行的方式进行操作,使得同时地或者至少近似同时地执行420和430处的计算。该方法前进到440,其中从第一环境检测路径输出第一加权因子,该第一加权因子表达第一环境模型是当前操作环境的真实模型的概率,其作为第一传播算子估计器的输出和角速率测量结果序列的函数被计算,并且前进到450,其中从第二环境检测路径输出第二加权因子,该第二加权因子表达第二环境模型是当前操作环境的真实模型的概率,其作为第二传播算子估计器的输出和角速率测量结果序列的函数被计算。在一个实施例中,来自每个传播算子估计器的输出值然后被馈送到加权因子计算器中,该加权因子计算器计算在给定角速率测量结果的序列的情况下由该路径使用的环境模型正确的概率。也就是说,每个加权因子表达:在给定来自惯性测量单元的具体测量结果序列的情况下在其环境检测路径内实现的环境模型是当前操作条件的正确的“真实”模型的概率。
该方法前进到460,其中在惯性感测设备内生成对水平对准计算器的输出,其中,根据第一加权因子和第二加权因子确定选择输出,并且其中,输出标识检测的环境。该方法前进到470,其中,基于该方法执行的检测的环境,在水平对准计算器内执行多个调平算法中的一个。在一个实施例中,该方法确定加权因子何时指示环境已被检测,并且然后生成检测的环境输出。基于检测的环境输出的值,陀螺平台指北设备执行针对该环境优化的调平算法。例如,在一个实施例中,当针对第一环境检测路径的加权因子高于上限阈值(即,wi>1-1.0x10-9)而针对其他环境检测路径的加权因子小于下限阈值(即,wj≠i<1.0x10-9)时,环境被视为已经被检测。在一个实施例中,水平对准包括存储多个调平算法的存储器,并且在框460处基于生成的输出来选择和执行多个调平算法中的一个。
示例性实施例
示例1包括一种惯性感测设备,该设备包括:惯性测量单元,其中,惯性测量单元输出角速率测量结果的序列;以及环境检测系统,该环境检测系统包括:算法选择器;以及多个环境检测路径,每一个都从惯性测量单元接收角速率测量结果的序列,环境检测路径中的每一个同时执行环境模型、传播算子估计器和加权因子计算器;其中,多个环境检测路径中的第一环境检测路径包括:模拟与第一环境相关联的环境振荡的第一环境模型、在给定第一环境模型是当前操作环境的真实模型的情况下计算真实角速率的第一估计的第一传播算子估计器、以及计算第一加权因子的第一加权因子计算器,第一加权因子表达在给定角速率测量结果的序列的情况下第一环境模型是当前操作环境的真实模型的概率;其中多个环境检测路径中的第二环境检测路径包括:模拟与不同于第一环境的第二环境相关联的环境振荡的第二环境模型、在给定第二环境模型是当前操作环境的真实模型的情况下计算真实角速率的第二估计的第二传播算子估计器、以及计算第二加权因子的第二加权因子计算器,第二加权因子表达:在给定角速率测量结果的序列的情况下第二环境模型是当前操作环境的真实模型的概率;其中算法选择器基于第一加权因子和第二加权因子的函数来生成输出。
示例2包括示例1的设备,进一步包括耦合到惯性测量单元的水平对准计算器,其中,水平对准计算器包括存储多个调平算法的存储器;其中水平对准计算器基于来自算法选择器的输出来选择和执行多个调平算法中的一个。
示例3包括示例1-2中的任何一个的设备,多个环境检测路径进一步包括:模拟与不同于第一环境和第二环境的第三环境相关联的环境振荡的第三环境检测路径、在给定第三环境模型是当前操作环境的真实模型的情况下计算真实角速率的第三估计的第三传播算子估计器、以及计算第三加权因子的第三加权因子计算器,第三加权因子表达:在给定角速率测量结果的序列的情况下第三环境模型是当前操作环境的真实模型的概率;并且其中,算法选择器基于第一加权因子、第二加权因子和第三加权因子的函数来生成输出。
示例4包括示例1-3中的任何一个的设备,其中使用卡尔曼滤波器来实现用于多个环境检测路径中的每一个的传播算子估计器。
示例5包括示例1-4中的任何一个的设备,其中当第一加权因子超过第一概率阈值并且第二加权因子小于第二概率阈值时,算法选择器生成指示第一环境模型是当前操作环境的真实模型的输出,其中,第一概率阈值大于第二概率阈值。
示例6包括示例1-5中的任何一个的设备,其中针对多个环境检测路径中的每一个的环境模型被优化为模拟地面上环境、空中环境或海上环境中的一个的环境振荡。
示例7包括示例1-6中的任何一个的设备,其中使用高斯-马尔可夫模型来实现针对多个环境检测路径中的每一个的环境模型。
示例8包括示例1-7中的任何一个的设备,其中针对由第一传播算子估计器算法和第二传播算子估计器算法执行的每个预测迭代来归一化第一加权因子和第二加权因子。
示例9包括一种用于具有惯性测量单元的设备的环境检测系统,所述惯性测量单元输出角速率测量结果的序列,该系统包括:算法选择器;以及多个环境检测路径,每一个都接收角速率测量结果的序列,并且每一个都使用针对特定操作环境优化的环境模型来生成角振荡预测结果,其中针对不同操作环境优化针对多个环境检测路径中的每一个的环境模型;其中,多个环境检测路径中的每一个输出加权因子,该加权因子是在给定角速率测量结果的序列的情况下环境检测路径的环境模型是当前操作环境的真实模型的概率的函数;并且其中,算法选择器基于来自环境检测路径中的每一个的加权因子的函数来生成输出。
示例10包括示例9的系统,多个环境检测路径进一步包括:多个环境检测路径中的第一环境检测路径,包括:模拟与第一环境相关联的环境振荡的第一环境模型、在给定第一环境模型是当前操作环境的真实模型的情况下计算真实角速率的第一估计的第一传播算子估计器、以及计算第一加权因子的第一加权因子计算器,第一加权因子表达:在给定角速率测量结果的序列的情况下第一环境模型是当前操作环境的真实模型的概率;多个环境检测路径中的第二环境检测路径,包括:模拟与不同于第一环境的第二环境相关联的环境振荡的第二环境模型、在给定第二环境模型是当前操作环境的真实模型的情况下计算真实角速率的第二估计的第二传播算子估计器、以及计算第二加权因子的第二加权因子计算器,第二加权因子表达:在给定角速率测量结果的序列的情况下第二环境模型是当前操作环境的真实模型的概率;其中算法选择器基于第一加权因子和第二加权因子的函数来生成输出。
示例11包括示例10的系统,其中,第一传播算子估计器包括预测第一环境模型的状态的卡尔曼滤波器;并且其中,第二传播算子估计器包括预测第二环境模型的状态的卡尔曼滤波器。
示例12包括示例9-11中的任何一个的系统,其中,当从多个环境检测路径中的第一个生成的第一加权因子超过第一概率阈值并且由多个环境检测路径中的第二个生成的第二加权因子小于第二概率阈值时,算法选择器生成指示第一环境模型是当前操作环境的真实模型的输出,其中,第一概率阈值大于第二概率阈值。
示例13包括示例9-12中的任何一个的系统,进一步包括耦合到惯性测量单元的水平对准计算器,其中,水平对准计算器包括存储多个调平算法的存储器;其中水平对准计算器基于来自算法选择器的输出来选择和执行多个调平算法中的一个。
示例14包括示例9-13中的任何一个的系统,其中针对多个环境检测路径中的每一个的环境模型被优化以模拟地面上环境、空中环境或海上环境中的一个的环境振荡。
示例15包括示例9-14中的任何一个的系统,其中使用高斯-马尔可夫模型来实现针对多个环境检测路径中的每一个的环境模型。
示例16包括示例9-15中的任何一个的系统,其中,由多个环境检测路径中的每一个计算的加权因子针对由环境检测路径的传播算子估计器算法执行的每个预测迭代被归一化。
示例17包括一种用于检测针对惯性感测设备的操作环境的方法,该惯性感测设备具有输出角速率测量结果的序列的惯性测量单元,该方法包括:将角速率测量结果的序列馈送到在惯性感测设备内实现的多个环境检测路径中,多个环境检测路径中的每一个使用针对特定操作环境优化的环境模型来生成角振荡预测结果,其中针对多个环境检测路径中的每一个的环境模型针对不同的操作环境被优化;通过将角速率测量结果的序列输入到实现针对第一操作环境优化的第一环境模型的第一传播算子估计器中来计算角振荡预测结果的第一序列;通过将角速率测量结果的序列输入到实现针对第二操作环境优化的第二环境模型的第二传播算子估计器中来计算角振荡预测结果的第二序列;从第一环境检测路径输出第一加权因子,该第一加权因子表达第一环境模型是当前操作环境的真实模型的概率,该概率作为第一传播算子估计器的输出和角速率测量结果的序列的函数被计算;从第二环境检测路径输出第二加权因子,该第二加权因子表达第二环境模型是当前操作环境的真实模型的概率,该概率作为第二传播算子估计器的输出和角速率测量结果的序列的函数被计算;在惯性感测设备内生成对水平对准计算器的输出,其中,根据第一加权因子和第二加权因子来确定选择输出,并且其中,该输出标识检测的环境;以及基于检测的环境,在水平对准计算器内执行多个调平算法中的一个。
示例18包括示例17的方法,其中生成对水平对准计算器的输出包括:当所生成的第一加权因子超过第一概率阈值,并且第二加权因子小于第二概率阈值时,生成指示第一环境模型是当前操作环境的真实模型的输出,其中,第一概率阈值大于第二概率阈值。
示例19包括示例17-18中的任何一个的方法,其中针对多个环境检测路径中的每一个的环境模型被优化以模拟地面上环境、空中环境或海上环境中的一个的环境振荡。
示例20包括示例17-19中的任何一个的方法,其中使用高斯-马尔可夫模型来实现针对多个环境检测路径中的每一个的环境模型。
在各种替代实施例中,遍及本公开描述的系统元件、过程或示例可以在一个或多个计算机系统上实现,一个或多个计算机系统包括处理器,该处理器执行代码以实现那些元件、过程或示例,所述代码存储在非临时性数据存储设备上。因此,本公开的其他实施例可以包括如下元件,该元件包括驻留在计算机可读介质上的程序指令,该程序指令在由这样的计算机系统实现时,使他们能够实现本文描述的实施例。如本文所用的术语“计算机可读介质”是指具有非临时性物理形式的有形存储器存储设备。这样的非临时性物理形式可以包括计算机存储器设备,诸如但不限于穿孔卡、磁盘或磁带、任何光学数据存储系统、闪速只读存储器(ROM)、非易失性ROM、可编程ROM(PROM)、可擦除可编程ROM(E-PROM)、随机存取存储器(RAM)或具有物理的有形形式的任何其他形式的永久性、半永久性或临时性存储器存储系统或设备。程序指令包括但不限于由计算机系统处理器执行的计算机可执行指令以及硬件描述语言,诸如超高速集成电路(VHSIC)硬件描述语言(VHDL)。
虽然本文已经说明和描述了具体实施例,但是本领域普通技术人员将理解,设计为实现相同目的的任何布置都可以代替所示出的特定实施例。本申请意在涵盖本发明的任何修改或变化。因此,显然意图是本发明仅由权利要求及其等同物来限定。
Claims (4)
1.一种惯性感测设备(100),所述设备(100)包括:
惯性测量单元(102),其中,所述惯性测量单元(102)输出角速率测量结果序列;以及
环境检测系统(101),所述环境检测系统(101)包括:
算法选择器(170);以及
多个环境检测路径(105),每一个都从所述惯性测量单元(102)接收角速率测量结果序列,所述环境检测路径(105)中的每一个同时执行环境模型、传播算子估计器(110)和加权因子计算器(120);
其中,所述多个环境检测路径(105)中的第一环境检测路径包括:第一环境模型(200),模拟与第一环境相关联的环境振荡;第一传播算子估计器(110),在给定所述第一环境模型(200)是当前操作环境的真实模型的情况下计算真实角速率的第一估计;以及第一加权因子计算器(120),所述第一加权因子计算器(120)计算第一加权因子,所述第一加权因子表达在给定角速率测量结果序列的情况下所述第一环境模型(200)是当前操作环境的真实模型的概率;
其中,所述多个环境检测路径(105)中的第二环境检测路径包括:第二环境模型(200),模拟与不同于所述第一环境的第二环境相关联的环境振荡;第二传播算子估计器(110),在给定所述第二环境模型(200)是当前操作环境的真实模型的情况下计算真实角速率的第二估计;以及第二加权因子计算器(120),所述第二加权因子计算器(120)计算第二加权因子,所述第二加权因子表达在给定角速率测量结果序列的情况下第二环境模型(200)是当前操作环境的真实模型的概率;
其中,所述算法选择器(170)基于所述第一加权因子和所述第二加权因子的函数来生成输出;以及
水平对准计算器(180),所述水平对准计算器(180)耦合到所述惯性测量单元(102),其中,所述水平对准计算器(180)包括存储多个调平算法的存储器(182);
其中,所述水平对准计算器(180)基于来自所述算法选择器(170)的输出来选择和执行所述多个调平算法中的一个。
2.根据权利要求1所述的设备(100),其中,针对所述多个环境检测路径(105)中的每一个的环境模型(200)被优化为模拟针对地面上环境、空中环境或海上环境中的一个的环境振荡;并且
其中,针对由所述第一传播算子估计器(110)算法和所述第二传播算子估计器(110)算法执行的每个预测迭代归一化所述第一加权因子和所述第二加权因子。
3.一种用于检测针对惯性感测设备(100)的操作环境的方法(400),所述惯性感测设备(100)具有输出角速率测量结果序列的惯性测量单元(102),所述方法包括:
将所述角速率测量结果序列馈送到在所述惯性感测设备(100)内实现的多个环境检测路径(105)中,所述多个环境检测路径(105)中的每一个使用针对特定操作环境优化的环境模型(200)来生成角振荡预测结果,其中,针对所述多个环境检测路径(105)中的每一个的环境模型(200)针对不同的操作环境被优化;
通过将所述角速率测量结果序列输入到第一传播算子估计器(110)中来计算角振荡预测结果的第一序列,所述第一传播算子估计器(110)实现针对第一操作环境优化的第一环境模型(200);
通过将所述角速率测量结果序列输入到第二传播算子估计器(110)中来计算角振荡预测结果的第二序列,所述第二传播算子估计器(110)实现针对第二操作环境优化的第二环境模型(200);
从第一环境检测路径输出第一加权因子,所述第一加权因子表达所述第一环境模型(200)是当前操作环境的真实模型的概率,所述概率作为所述第一传播算子估计器(110)的输出和所述角速率测量结果序列的函数被计算;
从第二环境检测路径输出第二加权因子,所述第二加权因子表达所述第二环境模型(200)是当前操作环境的真实模型的概率,所述概率作为所述第二传播算子估计器(110)的输出和所述角速率测量结果序列的函数被计算;
在所述惯性感测设备(100)内生成对水平对准计算器(180)的输出,其中,根据所述第一加权因子和所述第二加权因子来确定选择输出,并且其中,所述输出标识检测的环境;
基于所述检测的环境,在所述水平对准计算器(180)内执行多个调平算法中的一个。
4.根据权利要求3所述的方法(400),其中,针对所述多个环境检测路径(105)中的每一个的环境模型(200)被优化为模拟针对地面上环境、空中环境或海上环境中的一个的环境振荡;并且
其中,针对由所述第一传播算子估计器(110)算法和所述第二传播算子估计器(110)算法执行的每个预测迭代归一化所述第一加权因子和所述第二加权因子。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/568,777 US10401170B2 (en) | 2014-12-12 | 2014-12-12 | Systems and methods for providing automatic detection of inertial sensor deployment environments |
US14/568777 | 2014-12-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105698818A CN105698818A (zh) | 2016-06-22 |
CN105698818B true CN105698818B (zh) | 2020-09-18 |
Family
ID=54783485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510912148.7A Active CN105698818B (zh) | 2014-12-12 | 2015-12-11 | 用于提供惯性传感器部署环境的自动检测的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10401170B2 (zh) |
EP (1) | EP3032220B1 (zh) |
CN (1) | CN105698818B (zh) |
RU (1) | RU2015152545A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10479376B2 (en) * | 2017-03-23 | 2019-11-19 | Uatc, Llc | Dynamic sensor selection for self-driving vehicles |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577976B1 (en) * | 1999-09-17 | 2003-06-10 | Hrl Laboratories, Llc | Method for dynamic autocalibration of a multi-sensor tracking system and apparatus incorporating it therein |
CN1851406A (zh) * | 2006-05-26 | 2006-10-25 | 南京航空航天大学 | 基于捷联惯性导航系统的姿态估计和融合的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7606665B2 (en) * | 2003-08-29 | 2009-10-20 | Honeywell International Inc. | System and method for employing an aided-alignment mode to align an inertial reference system |
WO2006025825A1 (en) | 2004-08-30 | 2006-03-09 | Honeywell International Inc. | System and method for employing an aided-alignment mode to align an inertial reference system |
US8024119B2 (en) | 2007-08-14 | 2011-09-20 | Honeywell International Inc. | Systems and methods for gyrocompass alignment using dynamically calibrated sensor data and an iterated extended kalman filter within a navigation system |
FR2949258A1 (fr) | 2007-12-21 | 2011-02-25 | Thales Sa | Procede d'alignement autonome d'unite de mesure inertielle pour instrument de bord d'aeronef |
US9880003B2 (en) * | 2015-01-06 | 2018-01-30 | Honeywell International Inc. | Helicopter motion detection during inertial reference system leveling |
-
2014
- 2014-12-12 US US14/568,777 patent/US10401170B2/en active Active
-
2015
- 2015-12-04 EP EP15198121.4A patent/EP3032220B1/en active Active
- 2015-12-08 RU RU2015152545A patent/RU2015152545A/ru not_active Application Discontinuation
- 2015-12-11 CN CN201510912148.7A patent/CN105698818B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577976B1 (en) * | 1999-09-17 | 2003-06-10 | Hrl Laboratories, Llc | Method for dynamic autocalibration of a multi-sensor tracking system and apparatus incorporating it therein |
CN1851406A (zh) * | 2006-05-26 | 2006-10-25 | 南京航空航天大学 | 基于捷联惯性导航系统的姿态估计和融合的方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3032220B1 (en) | 2017-03-22 |
US10401170B2 (en) | 2019-09-03 |
US20160169674A1 (en) | 2016-06-16 |
RU2015152545A (ru) | 2017-06-14 |
CN105698818A (zh) | 2016-06-22 |
EP3032220A1 (en) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2688564C2 (ru) | Системы и способы обнаружения отказов при определении пространственного положения на основе воздушных сигналов и настроек управления воздушным судном | |
Chen et al. | Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages | |
EP3321631B1 (en) | A inertial and terrain based navigation system | |
RU2701194C2 (ru) | Способ оценки навигационного состояния в условиях ограниченной возможности наблюдения | |
US10102636B2 (en) | Target monitoring system and target monitoring method | |
US20140139374A1 (en) | Kalman filtering with indirect noise measurements | |
Gonzalez et al. | NaveGo: A simulation framework for low-cost integrated navigation systems | |
US8543266B2 (en) | Modified Kalman filter for generation of attitude error corrections | |
CN106918827A (zh) | Gps数据有效性判断方法和装置 | |
US10371787B2 (en) | Emitter geolocation using sorted observations | |
Lu et al. | Adaptive hybrid unscented Kalman filter for aircraft sensor fault detection, isolation and reconstruction | |
BR112017025947B1 (pt) | Sistema e método para facilitar a tomada de decisões em uma embarcação, e, meio de armazenamento legível por máquina | |
JP2021031050A (ja) | 宇宙機の自律的な軌道離脱のためのシステム及び方法 | |
EP3598070A1 (en) | Methods for monitoring the output performance of state estimators in navigation systems | |
KR20120093363A (ko) | 정보 처리 장치, 정보 처리 방법 및 기록 매체 | |
CN109857127B (zh) | 训练神经网络模型以及飞行器姿态解算的方法、装置 | |
CN105698818B (zh) | 用于提供惯性传感器部署环境的自动检测的系统和方法 | |
EP3351959B1 (en) | Apparatus and method for performing a consistency testing using non-linear filters that provide predictive probability density functions | |
KR101874257B1 (ko) | 부가 비례 항법 유도에서의 비행중 목표충돌각 결정 장치, 이의 방법, 그리고 이 방법을 저장한 컴퓨터 판독 가능 저장 매체 | |
RU2553776C1 (ru) | Способ определения углового положения управляемого аппарата, подвешенного к самолету-носителю | |
Bolotin et al. | Adaptive filtering in airborne gravimetry with hidden Markov chains. | |
Tsibizova et al. | Simulation of experimental data based inertial navigation systems errors estimation algorithms | |
US20220245493A1 (en) | Particle filtering method and navigation system using measurement correlation | |
Niedfeldt et al. | Robust estimation with faulty measurements using recursive-RANSAC | |
KR102241920B1 (ko) | 공간 영역에서 항력 계수를 추정하는 장치 및 상기 장치의 동작 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |