CN105893687B - 基于遗传算法的惯导平台系统自标定试验优化设计方法 - Google Patents
基于遗传算法的惯导平台系统自标定试验优化设计方法 Download PDFInfo
- Publication number
- CN105893687B CN105893687B CN201610236411.XA CN201610236411A CN105893687B CN 105893687 B CN105893687 B CN 105893687B CN 201610236411 A CN201610236411 A CN 201610236411A CN 105893687 B CN105893687 B CN 105893687B
- Authority
- CN
- China
- Prior art keywords
- error
- formula
- vector
- stage body
- axis
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/333—Design for testability [DFT], e.g. scan chain or built-in self-test [BIST]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Biology (AREA)
- Genetics & Genomics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Gyroscopes (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Remote Sensing (AREA)
Abstract
一种基于遗传算法的惯导平台系统自标定试验优化设计方法,包括两级优化,其中一级优化的目标是测试时间,采用Fibonacci方法,二级优化的目标是信息矩阵的行列式值,采用遗传算法来进行求解,该方法旨在解决给定试验精度要求的情况下,如何去优化测试时间的问题,也就是在保证测试精度的前提下尽可能地缩短测试时间,从而达到提高试验效率的目的。本发明在保证试验精度条件下,能够大幅减少测试时间,提高试验效率。
Description
技术领域
本发明涉及一种基于遗传算法的惯导平台系统自标定试验优化设计方法。
背景技术
在惯导平台系统连续翻滚自标定试验中,平台系统工作在惯性空间稳定状态,通过给陀螺加矩来实现台体相对于惯性空间的慢速连续转动,使得台体上安装的各个仪表敏感到变化的重力加速度投影和旋转角速度分量,进而激励出各个误差模型项并借助辨识方法标定出模型参数。连续翻滚自标定试验的特点是可辨识的模型参数较多、精度较高,但是存在耗时较长、标定精度对平台台体旋转轨迹的依赖性较高等缺点。
发明内容
基于以上不足之处,本发明提供一种基于遗传算法的惯导平台系统自标定试验优化设计方法,在保证测试精度的前提下尽可能地缩短测试时间,从而达到提高试验效率的目的。
本发明所采用的技术如下:一种基于遗传算法的惯导平台系统自标定试验优化设计方法,包括两级优化,其中一级优化的目标是测试时间,采用Fibonacci方法,二级优化的目标是信息矩阵的行列式值,采用遗传算法来进行求解,具体步骤为:
步骤一:求解计算系相对于台体系的失准角方程
式中ψ——台体系各轴与计算系各轴的姿态对准误差,ψ=[ψx ψy ψz]Τ,均为小角度;
ω——台体由于陀螺加矩产生的惯性角速度,ω=[tgx tgy tgz]Τ;
ε——陀螺漂移角速度总和;
以上各个矢量ω和ε都是在计算坐标系下的投影,如果仅考虑三个陀螺仪的常值漂移d0x,d0y,d0z和加矩误差系数d1x,d1y,d1z,并且忽略掉高阶小量,则方程(1)简写为
式中γxy——x陀螺输入轴绕台体y轴的安装误差角;
γxz——x陀螺输入轴绕台体z轴的安装误差角;
γyz——y陀螺输入轴绕台体z轴的安装误差角;
γyx——y陀螺输入轴绕台体x轴的安装误差角;
γzx——z陀螺输入轴绕台体x轴的安装误差角;
γzy——z陀螺输入轴绕台体y轴的安装误差角;
步骤二:求解台体系相对于当地地理系的欧拉角方程,假定初始对准误差为零,则
式中a,b,c——欧拉角,初值为零;
Wx=tgx+cos(b)cos(c)ωec+(cos(a)sin(c)+sin(a)sin(b)cos(c))ωes;
Wy=tgy-cos(b)sin(c)ωec-(cos(a)cos(c)-sin(a)sin(b)sin(c))ωes;
Wz=tgz+sin(b)ωec-sin(a)cos(b)ωes;
ωec,ωes——地球自转角速度矢量在当地地理坐标系北向和朝天方向投影;
步骤三:求解加速度观测误差方程,仅考虑三个加速度计的偏值误差项k0x,k0y,k0z和标度因数误差k1x,k1y,k1z,而忽略高阶误差项和高阶小量,则有
式中y——由加速度计测量误差和台体姿态误差共同构成的加速度观测误差;
y=[Ex-ax Ey-ay Ez-az]Τ
[ax ay az]Τ——重力加速度在计算系上的投影;
ξ——测量噪声;
Ex,Ey,Ez——三个加速度计输出的测量值;
步骤四:求解待辨识误差项系数构成的增广状态方程
式中θ=[θa,θg];
θa——加速度计误差项系数;
θg——代表陀螺仪误差项系数;
εθ——误差项系数的随机不确定性;
θa=[αx αy αz k0x k0y k0z k1x k1y k1z]
θg=[γxy γzy γzx γyx γyz γxz d0x d0y d0z d1x d1y d1z]
αx,αy,αz——加速度计坐标系相对于台体系的失准角;
步骤五:将以上状态方程和观测方程转化为一类辨识模型方程,即如下离散时间非线性动态系统
yk=h(xk,uk,tk,θ)+vk,k=0,1,…,N (7)
式中tk——采样时刻;
xk=x(tk)——状态向量,为常值矢量;
uk=u(tk)——输入向量;
yk=y(tk)——k时刻的采样输出向量;
vk=v(tk)——测量噪声向量,满足E(vk)=0,
E为数学期望;Rk为已知正定对称矩阵;
θ=[θ1θ2…θm]Τ——待辨识参数向量;
步骤六:计算Fisher信息矩阵
式中Y={y1,y2,…,yN};
采用下面的简化计算公式得到M,
步骤七:求解最优设计问题
考虑到信息矩阵行列式的值是关于状态向量序列X={x0,x1,…,xN-1},输入集总向量待辨识参数向量θ和测试时间T的联合函数,假定参数向量θ的先验均值已知为θ0,且先验方差P(θ)很小,则有
因此,当给定测试时间T,则最优旋转轨迹的设计问题描述为
式中ΩX——状态向量的取值空间;
ΩU——输入向量的取值空间;
继续考虑测试时间的优化问题,并设优化问题(10)的解为则有如下多级优化问题
式中——与给定的测试精度有关的指标值;
采用区间分割方法Fibonacci法来实现(11)式中的一级优化,采用遗传算法来实现(10)式中的二级优化,同时,利用或者的单调性,将(11)式给出的一级优化问题转换成下面的凸优化问题
式中lT,uT——测试时间T的先验边界值。
本发明采用二级优化方案进行优化,一级优化目标为针对给定的试验精度最小化测试时间,二级优化目标为针对给定的试验时间最优化系统状态的可观测度,在保证试验精度条件下,能够大幅减少测试时间,提高试验效率。
附图说明
图1为多级优化算法流程示意图。
具体实施方式
下面根据说明书附图举例进一步说明:
实施例1
一种基于遗传算法的惯导平台系统自标定试验优化设计方法,整个多级优化算法的流程如图1所示,包括大循环和小循环,其中每次大循环都要执行若干次小循环,小循环的次数与种群繁殖的代数有关。该优化设计方法包括测试时间优化和信息矩阵行列式值优化,分别采用Fibonacci方法和遗传算法来进行求解,其具体步骤为:
步骤一:求解计算系相对于台体系的失准角方程
式中ψ——台体系各轴与计算系各轴的姿态对准误差,ψ=[ψx ψy ψz]Τ,均为小角度;
ω——台体由于陀螺加矩产生的惯性角速度,ω=[tgx tgy tgz]Τ;
ε——陀螺漂移角速度总和;
以上各个矢量ω和ε都是在计算坐标系下的投影,如果仅考虑三个陀螺仪的常值漂移d0x,d0y,d0z和加矩误差系数d1x,d1y,d1z,并且忽略掉高阶小量,则方程(1)简写为
式中γxy——x陀螺输入轴绕台体y轴的安装误差角;
γxz——x陀螺输入轴绕台体z轴的安装误差角;
γyz——y陀螺输入轴绕台体z轴的安装误差角;
γyx——y陀螺输入轴绕台体x轴的安装误差角;
γzx——z陀螺输入轴绕台体x轴的安装误差角;
γzy——z陀螺输入轴绕台体y轴的安装误差角;
步骤二:求解台体系相对于当地地理系的欧拉角方程,假定初始对准误差为零,则
式中a,b,c——欧拉角,初值为零;
Wx=tgx+cos(b)cos(c)ωec+(cos(a)sin(c)+sin(a)sin(b)cos(c))ωes;
Wy=tgy-cos(b)sin(c)ωec-(cos(a)cos(c)-sin(a)sin(b)sin(c))ωes;
Wz=tgz+sin(b)ωec-sin(a)cos(b)ωes;
ωec,ωes——地球自转角速度矢量在当地地理坐标系北向和朝天方向投影;
步骤三:求解加速度观测误差方程,仅考虑三个加速度计的偏值误差项k0x,k0y,k0z和标度因数误差k1x,k1y,k1z,而忽略高阶误差项和高阶小量,则有
式中y——由加速度计测量误差和台体姿态误差共同构成的加速度观测误差;
y=[Ex-ax Ey-ay Ez-az]Τ
[ax ay az]Τ——重力加速度在计算系上的投影;
ξ——测量噪声;
Ex,Ey,Ez——三个加速度计输出的测量值;
步骤四:求解待辨识误差项系数构成的增广状态方程
式中θ=[θa,θg];
θa——加速度计误差项系数;
θg——代表陀螺仪误差项系数;
εθ——误差项系数的随机不确定性;
θa=[αx αy αz k0x k0y k0z k1x k1y k1z]
θg=[γxy γzy γzx γyx γyz γxz d0x d0y d0z d1x d1y d1z]
αx,αy,αz——加速度计坐标系相对于台体系的失准角;
步骤五:将以上状态方程和观测方程转化为一类辨识模型方程,即如下离散时间非线性动态系统
yk=h(xk,uk,tk,θ)+vk,k=0,1,…,N (7)
式中tk——采样时刻;
xk=x(tk)——状态向量,为常值矢量;
uk=u(tk)——输入向量;
yk=y(tk)——k时刻的采样输出向量;
vk=v(tk)——测量噪声向量,满足E(vk)=0,
E为数学期望;Rk为已知正定对称矩阵;
θ=[θ1θ2…θm]Τ——待辨识参数向量。
步骤六:计算Fisher信息矩阵
式中Y={y1,y2,…,yN};
采用下面的简化计算公式得到M,
信息矩阵行列式的值是关于状态向量序列X={x0,x1,…,xN-1},输入集总向量待辨识参数向量θ和测试时间T的联合函数,假定参数向量θ的先验均值已知为θ0,且先验方差P(θ)很小,则有
因此,当给定测试时间T,则最优旋转轨迹的设计问题可描述为
式中ΩX——状态向量的取值空间;
ΩU——输入向量的取值空间;
该问题属于具有非线性约束的非凸函数的全局最优化问题;
继续考虑测试时间的优化问题,并问题(10)的解为则有如下多级优化问题
式中——与给定的测试精度有关的指标值;
对函数采用区间分割方法Fibonacci法来实现一级优化,该方法是最佳的一维区间分割搜索算法;从(8)式中可以看出,是关于T(或者N)的单调函数;在二级优化问题(10)中通过数值计算得出的并不是全局最优的,但只要T1和T2相距足够大,也能保证当T1<T2时有,即关于T也是单调的;
利用或者的单调性,将一级优化问题转换成下面的凸优化问题
式中lT,uT——测试时间T的先验边界值。
实施例2
一级优化算法如下:
(1)基于Fibonacci方法的一级优化算法流程
步骤1.确定初始区间[a1=lT,b1=uT],并给出最终区间δ,即最优值T*的精度;
步骤2.计算初始观测值λ1,μ1,
求函数值并设k=1;
步骤3.比较函数值,如果则转到步骤4,否则转到步骤5;
步骤4.如果bk-λk≤δ,则停止迭代,输出T*=μk;否则令
ak+1=λk,bk+1=bk,转到步骤6;
步骤5.如果μk-ak≤δ,则停止迭代,输出T*=λk;否则令
ak+1=ak,bk+1=μk,转到步骤6;
步骤6.转到步骤3。
其中Fibonacci序列{Fk}的定义为F0=F1=1,Fk+1=Fk+Fk-1,k=1,2,…,并且需满足Fn≥(b1-a1)/δ。
二级优化算法采用基本的遗传算法来实现,在进行参数设置时为了尽量避免“早熟”问题,要选择合适的初始种群大小和交叉、变异概率,其流程如下:
(2)基于遗传算法的二级优化算法流程
步骤1.产生初始种群;
步骤2.评价种群中所有个体的适应度;
步骤3.判断终止条件是否满足,若满足则输出种群中适应度最高的个体,然后退出;否则,选取适应度较高的个体用于繁殖后代,利用交叉、变异等操作产生新的个体;
步骤4.评价新个体的适应度,通过引入新的优良的个体并淘汰掉一些旧的低劣的个体来产生新的种群作为后代。
Claims (1)
1.一种基于遗传算法的惯导平台系统自标定试验优化设计方法,包括两级优化,其中一级优化的目标是测试时间,采用Fibonacci方法,二级优化的目标是信息矩阵的行列式值,采用遗传算法来进行求解,其特征在于,具体步骤为:
步骤一:求解计算系相对于台体系的失准角方程
式中ψ——台体系各轴与计算系各轴的姿态对准误差,ψ=[ψxψyψz]T,均为小角度;
ω——台体由于陀螺加矩产生的惯性角速度,ω=[tgx tgy tgz]T;
ε——陀螺漂移角速度总和;
以上各个矢量ω和ε都是在计算坐标系下的投影,如果仅考虑三个陀螺仪的常值漂移d0x,d0y,d0z和加矩误差系数d1x,d1y,d1z,并且忽略掉高阶小量,则方程(1)简写为
式中γxy——x陀螺输入轴绕台体y轴的安装误差角;
γxz——x陀螺输入轴绕台体z轴的安装误差角;
γyz——y陀螺输入轴绕台体z轴的安装误差角;
γyx——y陀螺输入轴绕台体x轴的安装误差角;
γzx——z陀螺输入轴绕台体x轴的安装误差角;
γzy——z陀螺输入轴绕台体y轴的安装误差角;
步骤二:求解台体系相对于当地地理系的欧拉角方程,假定初始对准误差为零,则
式中a,b,c——欧拉角,初值为零;
Wx=tgx+cos(b)cos(c)ωec+(cos(a)sin(c)+sin(a)sin(b)cos(c))ωes;
Wy=tgy-cos(b)sin(c)ωec-(cos(a)cos(c)-sin(a)sin(b)sin(c))ωes;
Wz=tgz+sin(b)ωec-sin(a)cos(b)ωes;
ωec,ωes——地球自转角速度矢量在当地地理坐标系北向和朝天方向投影;步骤三:求解加速度观测误差方程,仅考虑三个加速度计的偏值误差项k0x,k0y,k0z和标度因数误差k1x,k1y,k1z,而忽略高阶误差项和高阶小量,则有
式中y——由加速度计测量误差和台体姿态误差共同构成的加速度观测误差;
y=[Ex-ax Ey-ay Ez-az]T
[ax ay az]T——重力加速度在计算系上的投影;
ξ——测量噪声;
Ex,Ey,Ez——三个加速度计输出的测量值;
步骤四:求解待辨识误差项系数构成的增广状态方程
式中θ=[θa,θg];
θa——加速度计误差项系数;
θg——代表陀螺仪误差项系数;
εθ——误差项系数的随机不确定性;
θa=[αx αy αz k0x k0y k0z k1x k1y k1z]
θg=[γxy γzy γzx γyx γyz γxz d0x d0y d0z d1x d1y d1z]
αx,αy,αz——加速度计坐标系相对于台体系的失准角;
步骤五:将以上状态方程和观测方程转化为一类辨识模型方程,即如下离散时间非线性动态系统
yk=h(xk,uk,tk,θ)+vk,k=0,1,…,N (7)
式中tk——采样时刻;
xk=x(tk)——状态向量,为常值矢量;
uk=u(tk)——输入向量;
yk=y(tk)——k时刻的采样输出向量;
vk=v(tk)——测量噪声向量,满足E(vk)=0,
E为数学期望;Rk为已知正定对称矩阵;
θ=[θ1 θ2 … θm]T——待辨识参数向量;
步骤六:计算Fisher信息矩阵
式中Y={y1,y2,…,yN};
采用下面的简化计算公式得到M,
步骤七:求解最优设计问题
考虑到信息矩阵行列式的值是关于状态向量序列X={x0,x1,…,xN-1},输入集总向量待辨识参数向量θ和测试时间T的联合函数,假定参数向量θ的先验均值已知为θ0,且先验方差P(θ)很小,则有
因此,当给定测试时间T,则最优旋转轨迹的设计问题描述为
式中ΩX——状态向量的取值空间;
ΩU——输入向量的取值空间;
继续考虑测试时间的优化问题,并优化公式(10)的解为则有如下多级优化问题
式中——与给定的测试精度有关的指标值;
采用区间分割方法Fibonacci法来实现(11)式中的一级优化,采用遗传算法来实现(10)式中的二级优化,同时,利用或者的单调性,将(11)式给出的一级优化问题转换成下面的凸优化问题
式中lT,uT——测试时间T的先验边界值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610236411.XA CN105893687B (zh) | 2016-04-18 | 2016-04-18 | 基于遗传算法的惯导平台系统自标定试验优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610236411.XA CN105893687B (zh) | 2016-04-18 | 2016-04-18 | 基于遗传算法的惯导平台系统自标定试验优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105893687A CN105893687A (zh) | 2016-08-24 |
CN105893687B true CN105893687B (zh) | 2018-11-16 |
Family
ID=56704757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610236411.XA Active CN105893687B (zh) | 2016-04-18 | 2016-04-18 | 基于遗传算法的惯导平台系统自标定试验优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893687B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597020B (zh) * | 2016-11-25 | 2019-10-22 | 中国船舶重工集团公司第七0五研究所 | 一种基于遗传算法的加速度计免转台标定方法 |
CN109119999A (zh) * | 2018-07-24 | 2019-01-01 | 国家电网公司西北分部 | 一种电力系统模型参数辨识方法及装置 |
US11626661B2 (en) * | 2021-06-16 | 2023-04-11 | L3Harris Technologies, Inc. | Vehicle having antenna positioner adjusted for timing latency and associated methods |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7996344B1 (en) * | 2010-03-08 | 2011-08-09 | Livermore Software Technology Corporation | Multi-objective evolutionary algorithm based engineering design optimization |
CN103439731A (zh) * | 2013-08-29 | 2013-12-11 | 北京空间飞行器总体设计部 | 基于无迹卡尔曼滤波的gps/ins组合导航方法 |
CN103759742A (zh) * | 2014-01-22 | 2014-04-30 | 东南大学 | 基于模糊自适应控制技术的捷联惯导非线性对准方法 |
-
2016
- 2016-04-18 CN CN201610236411.XA patent/CN105893687B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7996344B1 (en) * | 2010-03-08 | 2011-08-09 | Livermore Software Technology Corporation | Multi-objective evolutionary algorithm based engineering design optimization |
CN103439731A (zh) * | 2013-08-29 | 2013-12-11 | 北京空间飞行器总体设计部 | 基于无迹卡尔曼滤波的gps/ins组合导航方法 |
CN103759742A (zh) * | 2014-01-22 | 2014-04-30 | 东南大学 | 基于模糊自适应控制技术的捷联惯导非线性对准方法 |
Non-Patent Citations (2)
Title |
---|
惯导平台系统自标定实验设计与辨识;王海龙;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160215(第2期);全文 * |
惯导平台系统自标定试验的D最优设计方法;刘雨 等;《航空精密制造技术》;20111031;第47卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105893687A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105737823B (zh) | 一种基于五阶ckf的gps/sins/cns组合导航方法 | |
CN108827310B (zh) | 一种船用星敏感器辅助陀螺仪在线标定方法 | |
CN105607093B (zh) | 一种组合导航系统及获取导航坐标的方法 | |
CN102706366B (zh) | 一种基于地球自转角速率约束的sins初始对准方法 | |
CN106767787A (zh) | 一种紧耦合gnss/ins组合导航装置 | |
CN101706284B (zh) | 提高船用光纤陀螺捷联惯导系统定位精度的方法 | |
CN106153073B (zh) | 一种全姿态捷联惯导系统的非线性初始对准方法 | |
CN105893687B (zh) | 基于遗传算法的惯导平台系统自标定试验优化设计方法 | |
CN103076026B (zh) | 一种捷联惯导系统中确定多普勒计程仪测速误差的方法 | |
CN103471613A (zh) | 一种飞行器惯性导航系统参数仿真方法 | |
CN104698485A (zh) | 基于bd、gps及mems的组合导航系统及导航方法 | |
CN105136166B (zh) | 一种指定惯导位置精度的捷联惯导系统误差模型仿真方法 | |
CN109520486A (zh) | 一种基于水平张量重力梯度的垂线偏差实时计算方法 | |
CN104374405A (zh) | 一种基于自适应中心差分卡尔曼滤波的mems捷联惯导初始对准方法 | |
CN107830872A (zh) | 一种舰船捷联惯性导航系统自适应初始对准方法 | |
CN109855623A (zh) | 基于Legendre多项式和BP神经网络的地磁模型在线逼近方法 | |
RU2382988C1 (ru) | Бесплатформенная инерциальная система ориентации на "грубых" чувствительных элементах | |
Wang et al. | A fast and accurate initial alignment method for strapdown inertial navigation system on stationary base | |
RU2654964C1 (ru) | Способ определения корректирующих поправок в бесплатформенной инерциальной навигационной системе | |
Šipoš et al. | Improvement of electronic compass accuracy based on magnetometer and accelerometer calibration | |
Eldesoky et al. | Performance enhancement of low-cost MEMS inertial sensors using extensive calibration technique | |
Wang et al. | Thermal calibration of MEMS inertial sensors for an FPGA-based navigation system | |
Hegazy et al. | Calibration and compensation of scale factor non-linearity and non-orthogonality errors for dynamically tuned gyroscope (DTG) | |
CN111649738B (zh) | 微重力场下的加速度计初始姿态解算方法 | |
Liu et al. | Multi-sensor fusion algorithm based on GPS/MEMS-IMU tightly coupled for smartphone navigation application |
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 |