CN111174974B - 一种车辆悬架升沉测量方法及系统 - Google Patents

一种车辆悬架升沉测量方法及系统 Download PDF

Info

Publication number
CN111174974B
CN111174974B CN202010096054.8A CN202010096054A CN111174974B CN 111174974 B CN111174974 B CN 111174974B CN 202010096054 A CN202010096054 A CN 202010096054A CN 111174974 B CN111174974 B CN 111174974B
Authority
CN
China
Prior art keywords
vehicle
heave
vertical direction
inertial navigation
suspension
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
Application number
CN202010096054.8A
Other languages
English (en)
Other versions
CN111174974A (zh
Inventor
刘爽
魏嘉星
赵丁选
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN202010096054.8A priority Critical patent/CN111174974B/zh
Publication of CN111174974A publication Critical patent/CN111174974A/zh
Application granted granted Critical
Publication of CN111174974B publication Critical patent/CN111174974B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M1/00—Testing static or dynamic balance of machines or structures
    • G01M1/12—Static balancing; Determining position of centre of gravity
    • G01M1/122—Determining position of centre of gravity
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • 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
    • 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
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/04—Suspension or damping
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G01S19/41—Differential correction, e.g. DGPS [differential GPS]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及一种车辆悬架升沉测量方法及系统。该方法包括：获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。本发明可以提高悬架升沉测量的准确度，降低计算量。

Description

一种车辆悬架升沉测量方法及系统
技术领域
本发明涉及悬架升沉测量领域，特别是涉及一种车辆悬架升沉测量方法及系统。
背景技术
惯性导航系统是一种既不依赖外部信息也不向外辐射信息的导航系统，具有很强的抗干扰能力，可以通过积分得到车辆的位置、速度、姿态等导航信息。惯导的输出频率较大，短时间内的测量精度很高，但是随着输出时间变长，精确度会大幅降低，位置和速度信息误差逐渐变大。全球定位系统能够提供全时间、连续的经纬度和海拔信息，但是GPS信号受外部环境影响较大，在室内、建筑物密集的城区、隧道等观测环境较差的地区，会导致丢失信号。
普通的汽车悬架升沉量测量中采用的是单一的惯导，惯导内部通过积分在Z轴上的位移，在通过姿态角变换，得到每个悬架的升沉量。由于时间久了会有积分的累计误差，导致惯导输出的升沉量会有数据漂移的情况，这对于主动悬架来说，较大的悬架升沉误差会导致错误的预判以及危险的发生。
组合导航系统的滤波方法主要有经典卡尔曼滤波(Kalman Filter，KF)和扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)。KF主要针对组合导航系统的升沉量是线性的情况，形式简单，模型精确度低。EKF忽略了非线性函数泰勒展开的高阶项，仅仅用了一阶项，是非线性函数局部线性化的结果，给估计带来了很大的误差，只有当系统的状态方程和观测方程都接近线性且连续时，EKF的滤波结果才接近真实值；其次，在对非线性函数进行线性化时需要计算jacobian矩阵，计算量较大。
发明内容
本发明的目的是提供一种车辆悬架升沉测量方法及系统，以提高悬架升沉测量的准确度，降低计算量。
为实现上述目的，本发明提供了如下方案：
一种车辆悬架升沉测量方法，包括：
获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；
对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；
将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。
可选的，所述对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据，具体包括：
采用算数平均滤波法对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据。
可选的，所述将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量，具体包括：
将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合；
将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
可选的，所述将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量，具体包括：
将所述滤波后的竖直方向数据代入到预测方程，将所述GPS数据带入到量测方程，更新状态向量；所述状态向量为所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
可选的，所述根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量，具体包括：
根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心；所述纵向轮轴距为所述车辆纵向第一个车轮与最后一个车轮之间的轴距，所述横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距；
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值；
基于所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值以及所述车辆质心位置的升沉量，确定所述车辆每个悬架的升沉量。
可选的，所述根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心，具体包括：
获取车身坐标系；所述车身坐标系中以车辆正前方为X轴，以车辆左侧方为Y轴，以垂直地面正上方为Z轴，以车辆左前轮与地面接触点为所述车身坐标系的原点；
获取车辆的重量；
将所述车辆的左侧车轮置于地面，右侧车轮置于弹簧秤上，获得所述弹簧秤的第一示数；
根据所述弹簧秤的第一示数、车辆的重量以及所述横向轮轴距，利用公式F1*b＝G*Y0得到车辆质心的Y轴坐标；其中，F1为所述弹簧秤的第一示数，b为所述横向轮轴距，G为所述车辆的重量，Y0为所述车辆质心的Y轴坐标；
将所述车辆的前端左右两个车轮置于地面，后端左右两个车轮置于弹簧秤上，获得所述弹簧秤的第二示数；
根据所述弹簧秤的第二示数、车辆的重量以及所述纵向轮轴距，利用公式F2*a＝G*X0得到车辆质心的X轴坐标；其中，F2为所述弹簧秤的第二示数，a为所述横向轮轴距，X0为所述车辆质心的X轴坐标；
将所述车辆的前端左右两个车轮置于弹簧秤上，后端左右两个车轮升高，得到所述弹簧秤的第三示数和所述惯导输出的车辆倾斜角度；
根据所述弹簧秤的第三示数、所述惯导输出的车辆倾斜角度、所述车辆的重量以及所述纵向轮轴距，利用公式Z0＝L/sinλ-(a+X0)/tanλ得到车辆质心的Z轴坐标；其中，L为后端左右两个车轮升高的高度，
Figure BDA0002385380490000041
F3为所述弹簧秤的第三示数，λ为所述惯导输出的车辆倾斜角度，Z0为所述车辆质心的Z轴坐标。
可选的，所述根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值，具体包括：
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心，确定每个悬架的位置坐标；
基于每个悬架的位置坐标以及所述惯导输出的横滚角和俯仰角，利用公式Δz＝zi-z0＝-sinα(xi-x0)+sinβ(yi-y0)确定每个悬架的升沉量与车辆质心位置的升沉量的差值；其中，第i个悬架的位置坐标为(xi,yi,zi)，zi为第i个悬架的升沉量，车辆质心位置的坐标为(x0,y0,z0)，z0车辆质心位置的升沉量，Δz为第i个为悬架的升沉量与车辆质心位置的升沉量的差值。
本发明还提供一种车辆悬架升沉测量系统，包括：
数据获取模块，用于获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；
平滑滤波模块，用于对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；
无迹卡尔曼滤波模块，用于将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；
姿态解算模块，用于根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。
可选的，所述无迹卡尔曼滤波模块具体包括：
松组合单元，用于将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合；
升沉量输出单元，用于将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
可选的，所述姿态解算模块具体包括：
车辆质心计算单元，用于根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心；所述纵向轮轴距为所述车辆纵向第一个车轮与最后一个车轮之间的轴距，所述横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距；
姿态分析单元，用于根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值；
升沉量确定单元，用于基于所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值以及所述车辆质心位置的升沉量，确定所述车辆每个悬架的升沉量。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明在采集串口输出的惯导数据后，先将惯导的升沉量数据进行平滑滤波，滤除掉了误差相对较大的惯导升沉数据，得到的数据再与精度高的差分GPS海拔数据进行数据融合，通过无迹卡尔曼滤波对惯导的升沉量进行最优估计，使最后的最优估计值更加准确，提高了车辆质心升沉量的精度，进而提高车辆悬架升沉测量的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明车辆悬架升沉测量方法的流程示意图；
图2为本发明车辆悬架升沉测量系统的结构示意图；
图3为本发明具体实施案例的工作流程图；
图4为本发明具体实施案例中GPS接收数据的流程图；
图5为本发明具体实施案例中组合导航方法的原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明车辆悬架升沉测量方法的流程示意图。如图1所示，本发明车辆悬架升沉测量方法包括以下步骤：
步骤100：获取惯导与GPS组合导航系统中惯导数据和GPS数据。惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；GPS数据包括GPS输出的海拔高度。惯导与GPS组合导航系统安装在主动悬架上，克服了惯导升沉量数据漂移的问题，并且可以提高车辆行驶的平顺性、乘坐舒适性以及操作的安全性。本步骤可以直接读取惯导与GPS组合导航系统中惯导数据和GPS数据。
步骤200：对惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据。具体的，本步骤采用算数平均滤波法对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据。
步骤300：将滤波后的竖直方向数据与GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量。具体的，首先，将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合；然后将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。输入无迹卡尔曼滤波器时，将滤波后的竖直方向数据代入到预测方程，将GPS数据带入到量测方程，进而更新状态向量，状态向量即为无迹卡尔曼滤波器输出的车辆质心位置的升沉量。
步骤400：根据惯导输出的横滚角和俯仰角以及车辆质心位置的升沉量进行姿态解算，得到车辆每个悬架对应的升沉量。具体过程如下：
根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心；所述纵向轮轴距为所述车辆纵向第一个车轮与最后一个车轮之间的轴距，所述横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距。
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值。
基于所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值以及所述车辆质心位置的升沉量，确定所述车辆每个悬架的升沉量。
图2为本发明车辆悬架升沉测量系统的结构示意图。如图2所示，本发明车辆悬架升沉测量系统包括以下结构：
数据获取模块201，用于获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度。
平滑滤波模块202，用于对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据。
无迹卡尔曼滤波模块203，用于将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量。
姿态解算模块204，用于根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。
作为另一实施例，本发明车辆悬架升沉测量系统中所述无迹卡尔曼滤波模块203具体包括：
松组合单元，用于将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合。
升沉量输出单元，用于将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
作为另一实施例，本发明车辆悬架升沉测量系统中所述姿态解算模块204具体包括：
车辆质心计算单元，用于根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心；所述纵向轮轴距为所述车辆纵向第一个车轮与最后一个车轮之间的轴距，所述横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距。
姿态分析单元，用于根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值。
升沉量确定单元，用于基于所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值以及所述车辆质心位置的升沉量，确定所述车辆每个悬架的升沉量。
下面提供一个具体实施案例进一步说明本发明图1-图2所示的方案。
图3为本发明具体实施案例的工作流程图。如图3所示，本具体实施案例包括以下步骤：
步骤1：采集实时接收到的惯导与GPS数据，包括惯导的Z轴加速度、速度和升沉量，GPS的海拔高度。Z轴是指垂直于地面的竖直方向。通过对惯导原始数据的解析，可以直接得出惯导在Z轴的加速度、速度和升沉量，因为惯导输出的数据与GPS输出的数据同为针对大地坐标系的，所以无需进行初始坐标对准。
图4为本发明具体实施案例中GPS接收数据的流程图。如图4所示，GPS采用的设备是两个天线的差分GPS。GPS天线接收到卫星信号，通过TNC馈线传输到BD990基站板卡上，基站板卡与4G模块之间通过RS232串口线连接，数据再经由基站板卡传输到4G模块上，4G模块上的SIM卡将数据发送到连接着移动站板卡的4G模块，然后通过串口线传输到移动站板卡上，随后通过RS232转USB串口线连接到电脑上。通过解析串口数据可以得到GPS的海拔高度。
步骤2：将采集的惯导数据进行平滑滤波，将误差特别大的数据滤除掉。惯导输出的数据是惯导内部陀螺仪和加速度计数据融合之后输出的，随着时间的推移会有积分累积误差，偶尔会出现偏差特别大的数据，个别偏差太大的数据会给后面的滤波造成较大的误差，所以通过平滑滤波，提前处理掉偏差较大的数据。
本发明中采用算数平均滤波法。算数平均滤波法是要按输入的N个采样数据xi，寻找这样一个y，使y与各采样值之间的偏差的平方和最小，即
Figure BDA0002385380490000091
由一元函数求极值的原理，可得算数平均滤波的公式为：
Figure BDA0002385380490000092
式中，xi是惯导输出的升沉量数据(Z轴位移)，最后要得到的数据是y，即滤波后的数据，并将y作为滤波后的升沉量数据应用到步骤3中去。
算术平均值法对信号的平滑滤波程度完全取决于N，这里N取8-12，N具体取多少根据具体实施时的实验条件确定。
通过算术平均值法平滑滤波将惯导解算后的数据进行初步处理，得到的数据与车辆实际运动情况相比误差减小，为后续的数据融合提供了相对准确的基础数据。
步骤3：将惯导输出的时间、加速度、速度、位移与GPS输出的海拔信息通过松组合的方式组合到一起，惯导与GPS数据作为输入量添加到无迹卡尔曼滤波器中，输出车辆质心位置升沉量。
图5为本发明具体实施案例中组合导航方法的原理图，如图5所示，具体的步骤为：将惯导输出加速度、速度、位移代入到状态方程中去，将GPS的高程变化数据代入到量测方程中去，从而更新状态向量，即为滤波器输出的组合导航解算的估计值，这个估计值就是组合导航系统中车辆质心位置升沉量的最优值。
本实施案例中采用UT变换的方式。UT变换是一种计算随机变量统计特性的方法，利用非线性变换，将随机变量x通过非线性函数y＝f(x)进行传播。
UT变换过程如下：
在非线性变换y＝f(x)中，状态向量x是n维随机变量，已知均值
Figure BDA0002385380490000104
和方差P(均值和协方差通过惯导输出的升沉量来计算)，通过UT变换计算得到2n+1个Sigma采样点X和相应的权值ω来计算y的统计特征：
计算2n+1个Sigma采样点，这里的n指的是状态的维数。
Figure BDA0002385380490000101
式中，
Figure BDA0002385380490000102
表示的是矩阵方根的第i列。
计算这些采样点相应的权值
Figure BDA0002385380490000103
式中，下标m表示均值，c表示协方差，上标为第几个采样点。参数λ＝α2(n+κ)-n是一个缩放比例参数，用来降低总的预测误差，α的选取控制了采样点的分布状态，κ为待选参数，其具体选值没有界限，但应确保矩阵(n+λ)P为半正定矩阵。待选参数β≥0是一个非负的权系数，可以合并方程中高阶项的动差，这样可以把高阶项的影响包括在内。
具体的，利用无迹卡尔曼滤波器进行车辆质心升沉量估算过程如下：
对于不同时刻k，由具有高斯白噪声W(k)的随机变量X(惯导升沉量)和具有高斯白噪声V(k)的观测变量Z(GPS海拔升沉量)构成一个非线性系统，公式如下：
Figure BDA0002385380490000111
式中，f是非线性状态方程函数(惯导数据)，h是非线性观测方程函数(GPS数据)。设W(k)具有协方差阵Q，V(k)具有协方差阵R。算法计算的过程中将惯导输出的加速度、速度、位移升沉量代入到式(10)中的状态方程，将GPS的海拔数据代入到式(10)中的观测方程。后面的算法中不需要代入惯导与GPS数据。
升沉量X在不同时刻k的无迹卡尔曼滤波算法步骤如下:
①利用式(8)和式(9)获得一组采样点(Sigma点集)和对应的权值。
Figure BDA0002385380490000112
②计算Sigma点集的一部预测，i＝1,2,…,2n+1。
X(i)(k+1|k)＝f[k,X(i)(k|k)] (7)
③计算系统状态量的一步预测和协方差矩阵，它由Sigma点集的预测值加权求和得到，其中权值ωi通过式(4)得到。无迹卡尔曼滤波利用一组Sigma点的预测，计算它们对加权求均值，得到系统状态量的一步预测。
Figure BDA0002385380490000113
Figure BDA0002385380490000114
④根据一步预测值，再次使用UT变换，产生新的Sigma点集。
Figure BDA0002385380490000115
⑤将步骤④预测的Sigma点集代入观测方程，得到预测的观测量，i＝1,2,…,2n+1。
Z(i)(k+1|k)＝h[X(i)(k+1|k)] (11)
⑥由步骤⑤得到Sigma点集的观测预测值。通过加权求和得到系统预测的均值和协方差。
Figure BDA0002385380490000121
Figure BDA0002385380490000122
Figure BDA0002385380490000123
⑦计算Kalman增益矩阵。
Figure BDA0002385380490000124
⑧计算系统的状态更新和协方差更新。
Figure BDA0002385380490000125
Figure BDA0002385380490000126
以上便是无迹卡尔曼滤波算法过程，由于不需要计算jacobian矩阵，总体上UKF算法比EKF算法计算更方便，估计精度更高。
比较而言，无迹卡尔曼滤波以无迹变换为基础，通过对非线性函数的概率密度分布进行近似，用一系列确定样本来逼近状态的后验概率密度，不需要线性化忽略泰勒展开式中的高阶项，也不需要求导雅可比矩阵。本实施案例利用惯导输出的Z轴加速度、速度、升沉量和GPS的海拔数据，通过无迹卡尔曼滤波得到较为精确的惯导的升沉量。
步骤4：通过三轴车辆六个轮胎下面的气压传感器得到车辆质心的横纵方向位置，以前桥中心线与纵向中心线的交点在地面上的垂直投影点作为笛卡尔坐标系的原点，X轴与纵向中心线重合(指向车后方向)，Y轴与前桥中心线重合(指向车的右侧方向)，Z轴指向地面正上方。根据计算公式可以求出车辆的质心坐标。惯导有初始对准的过程，最初的惯导姿态被认为是初始水平姿态，将此时三轴六悬架车辆的质心所在的与车身平面平行的平面作为调节面，已知惯导输出的横滚角、俯仰角，测得车辆质心到悬架液压缸的距离，利用三角函数，计算出每个悬架应该伸长或者缩短的距离，即为三轴车辆6个悬架分别的升沉量。具体过程如下：
首先，根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心。纵向轮轴距为车辆纵向第一个车轮与最后一个车轮之间的轴距，横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距。具体过程为：
建立车身坐标系，车身坐标系中以车辆正前方为X轴，以车辆左侧方为Y轴，以垂直地面正上方为Z轴，以车辆左前轮与地面接触点为所述车身坐标系的原点。以包括6个悬架为例，X轴方向第一个轮和第三个轮的轴距即纵向轮轴距为a，Y方向轮轴距即横向轮轴距为b，质心M坐标为(X0，Y0，Z0)。
①测得车辆的重量为G。
②求Y：将X轴上的三个左轮放在地面，右车轮放在弹簧秤上，示数为F1，则有F1*b＝G*Y0，从而得到Y0值。
③同理求X：前端左右两个车轮置于地面，后端左右两个车轮置于弹簧秤上，示数为F2，则有F2*a＝G*X0，从而得到X0值。
④求Z：前轮用弹簧秤支起，后轮升高距离L，惯导测得车辆倾斜角度为λ，则有sinλ＝L/a，前轮弹簧秤示数为F3，有
Figure BDA0002385380490000131
计算出L的大小，然后根据几何关系，可得Z0＝L/sinλ-(a+X0)/tanλ。
然后，根据质心的升沉量确定每个悬架的升沉量。具体如下：
建立以质心为原点的三轴坐标系，车辆正右方为x轴，车辆正前方为y轴，车辆正上方为z轴，原点坐标为(x0,y0,z0)，设初始水平姿态中其中一个悬架的坐标为(x1,y1,z1),该点在横滚角为α(绕y轴转动角度α)、俯仰角为β(绕x轴转动角度β)的情况下，该点旋转后的坐标为(x,y,z)，可得：
z＝-sinα*x1+sinβ*y1+z1
其中，z1＝0，可得：
z＝-sinα*x1+sinβ*y1
所以每个悬架应该调节的升沉量为：
Δz＝zi-z0＝-sinα(xi-x0)+sinβ(yi-y0)，(i＝1,2,3,4,5,6)，其中，第i个悬架的位置坐标为(xi,yi,zi)，zi为第i个悬架的升沉量，车辆质心位置的坐标为(x0,y0,z0)，z0车辆质心位置的升沉量，Δz为第i个为悬架的升沉量与车辆质心位置的升沉量的差值。
得到每个悬架的升沉量之后，通过PC104给出控制信号调节悬架升沉量，做到车辆悬架的主动调节，以保证车辆行驶的平稳性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种车辆悬架升沉测量方法，其特征在于，包括：
获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；
对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；
将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。
2.根据权利要求1所述的车辆悬架升沉测量方法，其特征在于，所述对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据，具体包括：
采用算数平均滤波法对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据。
3.根据权利要求1所述的车辆悬架升沉测量方法，其特征在于，所述将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量，具体包括：
将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合；
将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
4.根据权利要求3所述的车辆悬架升沉测量方法，其特征在于，所述将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量，具体包括：
将所述滤波后的竖直方向数据代入到预测方程，将所述GPS数据带入到量测方程，更新状态向量；所述状态向量为所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
5.根据权利要求1所述的车辆悬架升沉测量方法，其特征在于，所述根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量，具体包括：
根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心；所述纵向轮轴距为所述车辆纵向第一个车轮与最后一个车轮之间的轴距，所述横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距；
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值；
基于所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值以及所述车辆质心位置的升沉量，确定所述车辆每个悬架的升沉量。
6.根据权利要求5所述的车辆悬架升沉测量方法，其特征在于，所述根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心，具体包括：
获取车身坐标系；所述车身坐标系中以车辆正前方为X轴，以车辆左侧方为Y轴，以垂直地面正上方为Z轴，以车辆左前轮与地面接触点为所述车身坐标系的原点；
获取车辆的重量；
将所述车辆的左侧车轮置于地面，右侧车轮置于弹簧秤上，获得所述弹簧秤的第一示数；
根据所述弹簧秤的第一示数、车辆的重量以及所述横向轮轴距，利用公式F1*b＝G*Y0得到车辆质心的Y轴坐标；其中，F1为所述弹簧秤的第一示数，b为所述横向轮轴距，G为所述车辆的重量，Y0为所述车辆质心的Y轴坐标；
将所述车辆的前端左右两个车轮置于地面，后端左右两个车轮置于弹簧秤上，获得所述弹簧秤的第二示数；
根据所述弹簧秤的第二示数、车辆的重量以及所述纵向轮轴距，利用公式F2*a＝G*X0得到车辆质心的X轴坐标；其中，F2为所述弹簧秤的第二示数，a为所述横向轮轴距，X0为所述车辆质心的X轴坐标；
将所述车辆的前端左右两个车轮置于弹簧秤上，后端左右两个车轮升高，得到所述弹簧秤的第三示数和所述惯导输出的车辆倾斜角度；
根据所述弹簧秤的第三示数、所述惯导输出的车辆倾斜角度、所述车辆的重量以及所述纵向轮轴距，利用公式Z0＝L/sinλ-(a+X0)/tanλ得到车辆质心的Z轴坐标；其中，L为后端左右两个车轮升高的高度，
Figure FDA0003108333860000031
F3为所述弹簧秤的第三示数，λ为所述惯导输出的车辆倾斜角度，Z0为所述车辆质心的Z轴坐标。
7.根据权利要求1所述的车辆悬架升沉测量方法，其特征在于，所述根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值，具体包括：
根据所述惯导输出的横滚角和俯仰角以及所述车辆质心，确定每个悬架的位置坐标；
基于每个悬架的位置坐标以及所述惯导输出的横滚角和俯仰角，利用公式Δz＝zi-z0＝-sinα(xi-x0)+sinβ(yi-y0)确定每个悬架的升沉量与车辆质心位置的升沉量的差值；其中，第i个悬架的位置坐标为(xi,yi,zi)，zi为第i个悬架的升沉量，车辆质心位置的坐标为(x0,y0,z0)，z0车辆质心位置的升沉量，Δz为第i个为悬架的升沉量与车辆质心位置的升沉量的差值，α为横滚角，β为俯仰角。
8.一种车辆悬架升沉测量系统，其特征在于，包括：
数据获取模块，用于获取惯导与GPS组合导航系统中惯导数据和GPS数据；所述惯导数据包括惯导输出的横滚角、俯仰角和竖直方向数据，所述竖直方向数据包括竖直方向的加速度、竖直方向的速度和竖直方向的升沉量；所述GPS数据包括GPS输出的海拔高度；
平滑滤波模块，用于对所述惯导输出的竖直方向数据进行平滑滤波，得到滤波后的竖直方向数据；
无迹卡尔曼滤波模块，用于将所述滤波后的竖直方向数据与所述GPS数据组合，采用无迹卡尔曼滤波方法确定车辆质心位置的升沉量；
姿态解算模块，用于根据所述惯导输出的横滚角和俯仰角以及所述车辆质心位置的升沉量进行姿态解算，得到所述车辆每个悬架对应的升沉量。
9.根据权利要求8所述的车辆悬架升沉测量系统，其特征在于，所述无迹卡尔曼滤波模块具体包括：
松组合单元，用于将所述滤波后的竖直方向数据与所述GPS数据采用松组合方式组合；
升沉量输出单元，用于将所述滤波后的竖直方向数据与所述GPS数据作为输入量，输入至无迹卡尔曼滤波器，得到所述无迹卡尔曼滤波器输出的所述车辆质心位置的升沉量。
10.根据权利要求8所述的车辆悬架升沉测量系统，其特征在于，所述姿态解算模块具体包括：
车辆质心计算单元，用于根据车辆的纵向轮轴距与横向轮轴距，计算车辆质心；所述纵向轮轴距为所述车辆纵向第一个车轮与最后一个车轮之间的轴距，所述横向轮轴距为车辆左侧车轮与同轴右侧车轮之间的轴距；
姿态分析单元，用于根据所述惯导输出的横滚角和俯仰角以及所述车辆质心进行姿态分析，确定所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值；
升沉量确定单元，用于基于所述车辆每个悬架的升沉量与所述车辆质心位置的升沉量的差值以及所述车辆质心位置的升沉量，确定所述车辆每个悬架的升沉量。
CN202010096054.8A 2020-02-17 2020-02-17 一种车辆悬架升沉测量方法及系统 Active CN111174974B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010096054.8A CN111174974B (zh) 2020-02-17 2020-02-17 一种车辆悬架升沉测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010096054.8A CN111174974B (zh) 2020-02-17 2020-02-17 一种车辆悬架升沉测量方法及系统

Publications (2)

Publication Number Publication Date
CN111174974A CN111174974A (zh) 2020-05-19
CN111174974B true CN111174974B (zh) 2021-07-30

Family

ID=70624682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010096054.8A Active CN111174974B (zh) 2020-02-17 2020-02-17 一种车辆悬架升沉测量方法及系统

Country Status (1)

Country Link
CN (1) CN111174974B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002070018A (ja) * 2000-08-28 2002-03-08 Showa Kiki Kogyo Kk 凍上量測定方法、凍上量測定構造および凍上量測定器
CN104458124A (zh) * 2014-11-27 2015-03-25 江西洪都航空工业集团有限责任公司 一种质心测量方法
CN106289642A (zh) * 2016-09-23 2017-01-04 交通运输部公路科学研究所 起吊工况下救援车整体重心平面位置的动态估计方法
CN107101631A (zh) * 2017-05-10 2017-08-29 哈尔滨工程大学 一种基于自适应滤波技术的舰船升沉测量方法
CN107631837A (zh) * 2017-11-02 2018-01-26 广西宏兴机械有限公司 一种内燃机车用零部件重心测量平台
KR20180094668A (ko) * 2017-02-16 2018-08-24 삼영이엔씨 (주) Gnss 수신기를 이용한 상하운동 측정방법 및 시스템
CN109186858A (zh) * 2018-09-10 2019-01-11 广州汽车集团股份有限公司 一种重心测量装置及方法
CN109425339A (zh) * 2017-08-21 2019-03-05 哈尔滨工程大学 一种基于惯性技术的考虑杆臂效应的舰船升沉误差补偿方法
CN109883392A (zh) * 2019-03-08 2019-06-14 哈尔滨工程大学 一种基于相位补偿的捷联惯导升沉测量方法
CN110221333A (zh) * 2019-04-11 2019-09-10 同济大学 一种车载ins/od组合导航系统的量测误差补偿方法
CN110608755A (zh) * 2019-09-23 2019-12-24 重庆华渝电气集团有限公司 用于惯性导航设备的升沉测量性能检测装置及方法
CN110702110A (zh) * 2019-10-16 2020-01-17 江苏科技大学 一种基于无迹卡尔曼滤波的舰船升沉运动测量方法
CN110763188A (zh) * 2019-10-15 2020-02-07 哈尔滨工程大学 一种适用于捷联惯导系统的带杆臂补偿的升沉测量方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107144284A (zh) * 2017-04-18 2017-09-08 东南大学 基于ckf滤波的车辆动力学模型辅助惯导组合导航方法
CN108545081B (zh) * 2018-03-20 2020-04-28 北京理工大学 基于鲁棒无迹卡尔曼滤波的质心侧偏角估计方法及系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002070018A (ja) * 2000-08-28 2002-03-08 Showa Kiki Kogyo Kk 凍上量測定方法、凍上量測定構造および凍上量測定器
CN104458124A (zh) * 2014-11-27 2015-03-25 江西洪都航空工业集团有限责任公司 一种质心测量方法
CN106289642A (zh) * 2016-09-23 2017-01-04 交通运输部公路科学研究所 起吊工况下救援车整体重心平面位置的动态估计方法
KR20180094668A (ko) * 2017-02-16 2018-08-24 삼영이엔씨 (주) Gnss 수신기를 이용한 상하운동 측정방법 및 시스템
CN107101631A (zh) * 2017-05-10 2017-08-29 哈尔滨工程大学 一种基于自适应滤波技术的舰船升沉测量方法
CN109425339A (zh) * 2017-08-21 2019-03-05 哈尔滨工程大学 一种基于惯性技术的考虑杆臂效应的舰船升沉误差补偿方法
CN107631837A (zh) * 2017-11-02 2018-01-26 广西宏兴机械有限公司 一种内燃机车用零部件重心测量平台
CN109186858A (zh) * 2018-09-10 2019-01-11 广州汽车集团股份有限公司 一种重心测量装置及方法
CN109883392A (zh) * 2019-03-08 2019-06-14 哈尔滨工程大学 一种基于相位补偿的捷联惯导升沉测量方法
CN110221333A (zh) * 2019-04-11 2019-09-10 同济大学 一种车载ins/od组合导航系统的量测误差补偿方法
CN110608755A (zh) * 2019-09-23 2019-12-24 重庆华渝电气集团有限公司 用于惯性导航设备的升沉测量性能检测装置及方法
CN110763188A (zh) * 2019-10-15 2020-02-07 哈尔滨工程大学 一种适用于捷联惯导系统的带杆臂补偿的升沉测量方法
CN110702110A (zh) * 2019-10-16 2020-01-17 江苏科技大学 一种基于无迹卡尔曼滤波的舰船升沉运动测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Kalman filtering for positioning and heading control of ships and offshore rigs;THOR I. FOSSEN 等;《 IEEE Control Systems Magazine》;20091120;第29卷(第6期);全文 *
State Constrained Variable Structure Control for Active Heave Compensators;HUAN YU 等;《IEEE Access》;20190501;第7卷;全文 *
舰船升沉测量的自适应算法;奔粤阳 等;《电光与控制》;20200101;第27卷(第1期);全文 *
采用视频检测的甲板升沉Kalman滤波估算与预测;邹木春 等;《现代制造工程》;20101018(第10期);全文 *

Also Published As

Publication number Publication date
CN111174974A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN110779521A (zh) 一种多源融合的高精度定位方法与装置
CN101033973B (zh) 微小型飞行器微惯性组合导航系统的姿态确定方法
CN110567454B (zh) 一种复杂环境下sins/dvl紧组合导航方法
CN101173858B (zh) 一种月面巡视探测器的三维定姿与局部定位方法
CN108759838A (zh) 基于秩卡尔曼滤波器的移动机器人多传感器信息融合方法
CN101246012B (zh) 一种基于鲁棒耗散滤波的组合导航方法
CN103852760B (zh) 一种基于刚性和柔性基线组合的多基线测量方法
CN101082493A (zh) 一种农业机械导航的组合定位方法
CN109870173A (zh) 一种基于校验点的海底管道惯性导航系统的轨迹修正方法
CN110057356B (zh) 一种隧道内车辆定位方法及装置
CN104713555A (zh) 应用全天域中性点辅助定向的车辆自主导航方法
CN112833917B (zh) 基于磁航向角和最小二乘法的三轴磁传感器标定方法
CN109283591B (zh) 以地面点作为控制的航空重力数据向下延拓方法及系统
CN104613966B (zh) 一种地籍测量事后数据处理方法
Wang et al. Improved pitch-constrained ambiguity function method for integer ambiguity resolution in BDS/MIMU-integrated attitude determination
CN112697154B (zh) 一种基于矢量分配的自适应多源融合导航方法
RU2443978C1 (ru) Способ определения пространственных координат подвижных объектов и комплексная навигационная система для его реализации
CN111174974B (zh) 一种车辆悬架升沉测量方法及系统
CN113008229A (zh) 一种基于低成本车载传感器的分布式自主组合导航方法
CN116625394A (zh) 一种未知路况下机器人环境感知与路径寻优系统
CN112683265B (zh) 一种基于快速iss集员滤波的mimu/gps组合导航方法
Mu et al. Improved decentralized GNSS/SINS/odometer fusion system for land vehicle navigation applications
CN113551669A (zh) 基于短基线的组合导航定位方法及装置
Guo et al. Research of SINS/DVL/OD integrated navigation system based on observability analysis
RU2219496C2 (ru) Устройство автономной коррекции

Legal Events

Date Code Title Description
PB01 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