CN114111773B - 组合导航方法、装置、系统及存储介质 - Google Patents
组合导航方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN114111773B CN114111773B CN202111439182.9A CN202111439182A CN114111773B CN 114111773 B CN114111773 B CN 114111773B CN 202111439182 A CN202111439182 A CN 202111439182A CN 114111773 B CN114111773 B CN 114111773B
- Authority
- CN
- China
- Prior art keywords
- navigation
- inertial
- data
- flying body
- satellite data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 76
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 17
- 230000005484 gravity Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 7
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- PUAQLLVFLMYYJJ-UHFFFAOYSA-N 2-aminopropiophenone Chemical compound CC(N)C(=O)C1=CC=CC=C1 PUAQLLVFLMYYJJ-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G01C21/005—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
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种组合导航方法、装置、系统及存储介质。其中，该方法包括：基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数；判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。本发明解决了相关技术中导航不精确的的技术问题。
Description
技术领域
本发明涉及导航领域，具体而言，涉及一种组合导航方法、装置、系统及存储介质。
背景技术
高速自旋飞行体在制导过程中，存在着一定的困难。火箭弹的滚动角度较大，卫星在捕捉信号时难度较大；火箭弹飞行过程中横滚角过大，需要较大的动态测量范围，对陀螺仪的精度要求较高。
采用组合导航方案，通常使用滤波方法。在构建模型的过程中，由于系统为非线性系统，需要进行线性化，滤波结果存在误差。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种组合导航方法、装置、系统及存储介质，以至少解决相关技术中导航不精确的的技术问题。
根据本发明实施例的一个方面，提供了一种组合导航方法，包括：基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数；判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。
根据本发明实施例的另一方面，还提供了一种组合导航装置，包括：获取模块，被配置为基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数；导航模块，被配置为判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。
根据本发明的又一方面，提供了一种组合导航系统，包括：如上所述的组合导航装置；飞行体，被配置为基于所述组合导航装置导航的飞行轨迹进行飞行。
根据本发明的又一方面，提供了一种计算机可读存储介质，其上存储有程序，当所述程序被执行时，使得计算机执行如上任一项所述的方法。
在本发明实施例中，采用组合导航的方式，解决了相关技术中导航不精确的的技术问题，具有提高导航精确度的有益效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种组合导航方法的流程图；
图2是根据本发明实施例的另一种组合导航方法的流程图；
图3是根据本发明实施例的一种惯导数据处理方法的流程图
图4是根据本发明实施例的另一种惯导数据处理方法的流程图
图5是根据本发明实施例的又一种组合导航方法的流程图；
图6A是根据本发明实施例的一种组合导航系统的结构示意图；
图6B是根据本发明实施例的另一种组合导航系统的结构示意图；
图7A是根据本发明实施例的又一种组合导航系统的结构示意图；
图7B是根据本发明实施例的组合导航装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请中地磁信号也称为地磁数据或地磁信息。时间窗口也称为窗口。
实施例1
根据本发明实施例，提供了一种组合导航方法，如图1所示，该方法包括：
步骤S102，基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数；
步骤S104，判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。
通过上述步骤，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航，使得导航更精确。
在一个示例性实施例中，基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数包括：从所述惯性传感器获取所述惯导数据，其中，所述惯导数据包括加速度计、陀螺仪信息；基于与所述惯导数据相关的采样时间Ts和消除重力后的惯导数据，进行惯性解算，得到所述飞行体的位置和速度；基于所述飞行体的方向余弦矩阵转欧拉角，进行惯性解算，得到所述飞行体的滚转角、俯仰角和偏航角；其中，所述导航参数包括以下至少之一：所述飞行体的位置、速度、滚转角、俯仰角和偏航角。
本实施例通过使用消除重力后的惯导数据，使得剔除掉了重力的影响，从而使得惯性传感器的量测数据更精确，进而提高了导航精确度。
在一个示例性实施例中，在所述卫星数据被更新的情况下，基于滤波算法，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正包括：基于所述卫星数据计算所述卫星数据和所述惯导数据的误差量；基于所计算出的误差量，利用所述组合导航数学模型的状态方程、量测方程和卡尔曼滤波算法对所述惯导数据进行误差修正。
本实施例，通过计算出的卫星数据和惯导数据的误差量，来修正组合导航数学模型中的状态方程、量测方程和卡尔曼滤波算法，再利用状态方程、量测方程和卡尔曼滤波算法来对惯导数据进行误差修正，从而避免了导航误差较大的问题，提高了导航的精确度。
在一个示例性实施例中，基于与所述惯导数据相关的采样时间Ts和消除重力后的惯导数据，进行惯性解算，得到所述飞行体的位置和速度包括：获取所述采样时间Ts内的惯导数据的原始值，对所述惯导数据的原始值进行归一化处理；对归一化处理后的所述惯导数据的原始值进行消除重力处理；基于所述消除重力处理后的惯导数据的原始值，计算所述采样时间Ts内正弦波的周期，基于所述采样时间内正弦波的周期确定下一采样时间Ts的时间设定范围，将所述下一采样时间作为所述采样时间Ts。
在本实施例中，考虑到单个采样时刻采集的数据可能存在数据异常的情况，因此，选择了一段时间作为采样时间段。为了使数据多样性，每个采样时间段的周期又各不相同，下一个采样时间的周期取决于上一个采样时间的周期。同时，对每个采样时间的数据进行归一化处理、消除重力处理。经过这样采样、处理后的数据计算出的飞行体的位置和速度更为精确，从而使得导航更为精确。
在一个示例性实施例中，基于所述消除重力处理后的惯导数据的原始值，计算所述采样时间Ts内正弦波的周期包括：基于所述采样时间Ts内的正弦波经过零点的次数，计算所述采样时间Ts内正弦波的周期。
通过上述方法，可以精确地计算所述采样时间Ts内正弦波的周期，从而更准确地进行导航。
在一个示例性实施例中，对所述飞行体进行导航，包括：在未检测到所述卫星数据的情况下，将螺旋线作为卫星数据未被更新的情况下的期望飞行轨迹，使用所述导航参数对所述飞行体进行导航；在检测到所述卫星数据的情况下，将经过未检测到卫星数据的情况下的期望飞行轨迹与基准圆的交点、并指向基准圆圆心的直线作为基准线，采用焦点连线平行于所述基准线的直线作为期望飞行轨迹，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。
通过上述方法，通过设置期望飞行轨迹，使得导航方向拟合期望飞行轨迹，从而能够更精确地进行导航。
在一个示例性实施例中，基于以下公式，确定所述基准线：
其中，bn2为多项式常数项系数，xF为所述基准圆的圆心的X轴坐标，yF为所述基准圆的圆心的Y轴坐标，xB为所述交点的X轴坐标，yB为所述交点的Y轴坐标，λF为入射角，K为常数系数。
通过上述公式，能够精确地确定基准线，从而更精确地进行导航。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例，还提供了另一种组合导航方法，如图2所示，该方法包括：
步骤S202，构建组合导航模型。
首先选取系统的误差量作为状态变量：位置误差ΔP、速度误差Δv、姿态误差加速度计零偏误差Δa和陀螺零偏误差Δω，建立状态方程如下：
式(1)中ΔPk和ΔPk+1分别为k时刻、k+1时刻的位置误差；ΔVk和ΔVk+1分别为k时刻、k+1时刻的速度误差；和/>分别为k时刻、k+1时刻的姿态误差；Δak和Δak+1分别为k时刻、k+1时刻的加速度计零偏误差；Δωk和Δωk+1分别为k时刻、k+1时刻的陀螺零偏误差；B1、B2为加速度计零偏误差、陀螺零偏误差的比例系数；Wk·ω、Wk·ω分别为k时刻加速度计、陀螺误差的随机系统动态噪声，且其均值和方差满足E[Wk]＝0，/>为零均值白噪声序列；k表示时刻，Δt为时间，/>为变化矩阵，n表示导航坐标系，b表示载体坐标系。St为反对称矩阵。
将上述等式写为标准的状态方程Xk+1＝f[Xk，k]+Wk形式得：
其中，F为状态转译矩阵；I3*3为3x3的单位矩阵；为坐标转换矩阵。
其次，建立量测方程。
建立量测方程Zk+1＝h[Xk+1，k+1]，其中，量测量为飞行体的位置、速度，具体为式(3)所示：
其中，Zk+1为k+1时刻量测量，h为观测矩阵，Xk+1为k+1时刻系统的状态向量，k为当前计算时刻。式(4)中量测系统噪声，均值和方差满足E[Vk+1]＝0，为零均值白噪声序列；I为3x3的单位矩阵。
步骤S204，构建扩展卡尔曼滤波算法(extended kalman filter，EKF)。
Pk，k-1＝fk，k-1Pk_1fT k，k-1+Qk-1 (3)
Pk＝(I-KkHk)Pk，k-1 (6)
式中Pk，k-1为状态预测协方差；Pk为状态估计协方差；Kk为卡尔曼增益矩阵；Qk为系统噪声的协方差矩阵；Rk为量测噪声的协方差矩阵。式(5)和式(6)为状态预测部分，式(7)、式(8)和式(9)为更新部分。
步骤S206，进行姿态解算。
首先，系统初始化，进行初始对准。
接着，进行卫星数据的坐标变换，由WGS-84坐标系经过中间ECEF坐标系，再转换至NED系，这样，才能对二者信息进行融合。
最后，将从传感器获取的加速度、陀螺仪信息(惯导数据)，用于SINS数据解算，得到位置、速度、姿态信息；
其中x_h(1∶6)为位置和速度，采用式(10)方式解算。x_h(7)、x_h(8)、x_h(9)为滚转角、俯仰角和偏航角，采用式(11)计算；式(11)中acc_t为消除重力后的惯导数据。Rb2t为方向余弦矩阵转欧拉角；Ts为采样时间。
步骤S208，进行组合导航。
对数据进行模型检测，判断卫星数据是否更新，若更新则进入组合导航阶段，使用卫星数据修正惯导数据；若未更新，则继续采用惯导单独解算，等待下次卫星数据更新。
计算误差量：
K＝(P*H′)/(H*P*H′+R)
z＝-x_h(1：6，k)
dx＝K*z (9)
其中，z为GPS与SINS间数据的差值，K为卡尔曼滤波增益，P为状态方程协方差矩阵，H为观测矩阵，H’为观测矩阵的转置矩阵，R为量测噪声协方差，x_h为惯导系统解算出的导航信息矩阵；
修正导航数据：
Pk＝[I-KkHk]Pk，k-1 (14)
其中，x_h为惯导系统解算出的导航信息矩阵，dx为公式(9)中所得的扰动，R32为R矩第三行第二列数据，R33为R矩阵第三行第三列数据，R31为R矩阵第三行第一列数据，R21为R矩阵第二行第一列数据，R11为R矩阵第一行第一列数据，q2dcm为四元数转方向余弦矩阵，quatk为k时刻四元数，k为当前计算时刻，Kk为扩展卡尔曼增益，Pk，k-1为系统协方差的一步预测矩阵，为观测矩阵的转置，Hk为观测矩阵，/>分别为k时刻的量测噪声的协方差矩阵、量测噪声的均值；εk为残差，/>为系统状态量的一步预测，/>为k时刻系统状态量，/>为系统状态量的一步预测，/>为上一时刻的系统状态量，中k.k-1为状态转移的一步预测矩阵，/>为系统噪声的均值，Pk为k时刻的系统协方差矩阵，I为单位矩阵，/>为系统量测噪声的协方差矩阵，Pk，k-1为系统协方差的一步预测矩阵，/>为状态转移一步预测的转置矩阵，Pk-1为上一时刻的系统协方差矩阵，Γk-1为系统噪声驱动阵，/>为上一时刻的系统噪声协方差矩阵，/>为系统噪声驱动阵的转置矩阵，T为时间。
其中，为k-1时刻的量测噪声的协方差矩阵，εk为残差，/>为残差的转置矩阵，T为矩阵转置符号，Hk为观测矩阵，Pk，k-1为系统协方差的一步预测矩阵，/>为观测矩阵的转置矩阵，/>为k-1时刻的量测噪声的均值，dk＝(1-b)/(1-bk+1)，(0＜b＜1)为遗忘因子，其作用为加强对新数据对滤波的作用。
步骤S210，进行卡尔曼更新。
更新卡尔曼增益K：
K＝(P*H′)/(H*P*H′+R) (15)
更新滤波状态协方差矩阵P：
P＝F*P*F′+G*Q*G′
P＝(P+P′)/2 (16)
cov(：，k)＝diag(P) (17)
其中，P表示滤波状态协方差矩阵，F表示状态传递矩阵，F′表示状态传递矩阵的转置矩阵，G表示过程噪声增益矩阵，Q表示，G′表示过程噪声增益矩阵的转置矩阵，P′表示滤波状态协方差矩阵的转置矩阵，cov(：，k)表示状态协方差矩阵的对角线上k时刻数据。
更新状态传递矩阵F：
其中，E表示15x15的单位矩阵，Rb2t表示在四元数不为0的情况下四元数转方向余弦矩阵。
本实施例中，利用上述滤波算法和卫星数据，对惯导数据进行误差修正，从而解决了相关技术中导航不精确的问题，具有提高导航精确度的有益效果。
实施例3
根据本发明实施例，提供了又一种组合导航方法。本实施例与实施例1、2中的不同之处在于对惯性传感器获取的数据进行了归一化处理、平滑处理，其他处理步骤与实施例1、2中相同，此处不再赘述。本实施例将着重描述对惯导数据的处理。
如图3所示，对惯导数据的处理包括以下步骤：
步骤S301，设定第一个采样时间。
设定第一个采样时间的时间设定范围，并将第一个采样时间作为当前采样时间。将第一个采样时间的时间设定范围设置为200ms。
步骤S302，获取当前采样时间内的惯导数据的原始值的最大值、最小值和平均值。
步骤S303，去除原始值中的异常数据。
步骤S304，将处理后的惯导数据的原始值进行平滑处理。
在一个实施例中，在去除了异常数据后可对其原始值数据进行平滑处理，例如：每n个点取一次平均值，即
其中，ms代表平滑处理后的惯性传感器原始值，以此让惯性传感器的原始值达到便于处理的目的。
在其他实施例中，此步骤也可以省略。
步骤S305，将平滑处理后的惯导数据的原始值进行归一化处理。
基于以下公式进行归一化处理：
其中Qi为归一化处理后的数据值，ms为当前采样时间范围内的惯性传感器的平滑处理后的原始值，w(i)ave、w(i)max和w(i)min分别为采样时间范围内的惯性传感器的原始值的平均值、最大值和最小值。
在一个示例性实施例中，w(i)ave的计算过程为：
为了使计算结果更接近真值，其中n代表采样时间内的相邻两个最大值范围内惯性传感器原始值点的个数；r代表在采样时间内的惯性传感器原始值的异常数据的个数；R代表异常数据的值的总和。
步骤S306，计算当前采样时间内的转速。
通过采样时间内正弦波图像经过零点的次数x，可以得出在采样时间内内正弦波的周期：
其中，t表示采样时间值。
进一步计算飞行体的转速：
步骤S307，基于计算出的转速进行导航。
相较于其他已有导航技术，本实施例提供的技术在测量过程中所受干扰因素较少，更为可靠稳定。因此，导航更精确。
实施例4
根据本发明实施例，提供了又一种组合导航方法。本实施例与实施例3中的不同之处在于基于当前采样时间预计了下一采样时间，其他处理步骤与实施例3中相同。
如图4所示，该惯导数据的处理方法包括：
步骤S401，设定第一个采样时间。
设定第一个采样时间的时间设定范围，并将第一个采样时间作为当前采样时间。将第一个采样时间的时间设定范围设置为200ms。
步骤S402，获取当前采样时间内的惯导数据的原始值的最大值、最小值和平均值。
步骤S403，去除原始值中的异常数据。
步骤S404，将处理后的惯导数据的原始值进行平滑处理。
步骤S405，将平滑处理后的惯导数据的原始值进行归一化处理。
步骤S406，计算当前采样时间中的正弦周期，并基于正弦周期计算当前转速。
步骤S401至步骤S406与步骤S301至步骤S306相同，此处不再赘述。
步骤S407，基于当前采样时间，划定下一采样时间的时间设定范围。
基于当前采样时间内的惯性传感器信号的正弦波的正弦周期，划定下一采样时间的时间设定范围为λ/Ri，其中，λ是倍数，可以根据实际情况设定，只要确保当前采样的时间范围内至少包含有一个正弦周期即可。
步骤S408，基于计算出的转速进行导航。
在本实施例中，基于当前采样时间窗口内的采样数据的正弦波图像，来预测下一采样时间窗口的时长，可以截取出更完整的采样数据的正弦波图像，从而使得采样数据更能反映真实情况，进而使得导航更精确。
实施例5
根据本发明实施例，还提供了一种组合导航方法。该组合导航方法与实施例1至4中的方法基本相同，不同之处在于本实施例在获取了导航数据之后，不仅仅依赖于导航数据进行导航，还基于预先设置的期望轨迹进行导航。
如图5所示，该导航方法包括：
步骤S502，构建组合导航模型。
步骤S504，构建扩展卡尔曼滤波算法。
步骤S506，进行姿态解算。
基于构建的组合导航模型和构建的扩展卡尔曼滤波算法，进行误差修正及姿态解算。
步骤S502至步骤S506与实施例2中的步骤S202至步骤S206相同，此处不再赘述。
步骤S508，计算期望轨迹。
在本实施例中，引入了期望飞行轨迹，组合导航的时候，不仅考虑修正后的惯导数据，还要基于期望飞行轨迹进行导航。
例如，在所述卫星数据未被更新的情况下，将螺旋线作为卫星数据未被更新的情况下的期望飞行轨迹，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，将经过卫星数据未被更新的情况下的期望飞行轨迹与基准圆的交点、并指向基准圆圆心的直线作为基准线，采用焦点连线平行于所述基准线的直线作为期望飞行轨迹，并基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。
具体地，基准圆的中心A可表示为：
A＝E-rAe＝F-(rA+rEF)e
＝(xF-(rA+rEF)cosλF，yF+(rA+rEF)sinλF)
其中，rA为基准圆的半径，E为未检测到卫星数据时的期望轨迹和基准圆的交点，e为方向向量，rEF为检测到卫星数据时的期望轨迹的距离，xF和yF为飞行体当前的X轴和Y轴坐标，λF为入射角。
由于螺旋线弹道轨迹经过启控点(xB，yB)，因此检测到卫星数据时的期望轨迹的距离rEF可表示为：
其中，rEF为检测到卫星数据时的期望飞行轨迹的长度，xF为飞行体当前的X轴坐标，yF为飞行体的Y轴坐标，xB为启控点的X轴坐标，yB为启控点的Y轴坐标，λF为入射角，θn1为期望倾角，λM为终端角，K为系数。
之后，确定所述基准线：
其中，bn2为多项式常数项系数，xF为所述基准圆的圆心的X轴坐标，yF为所述基准圆的圆心的Y轴坐标，xB为所述交点的X轴坐标，yB为所述交点的Y轴坐标，λF为入射角，K为常数系数。
在求出rEF和bn2之后，可以看出其轨迹为经过E点指向基准圆中心A，斜率为tanλF的直线，因此，检测到卫星数据时的期望飞行轨迹可以表示为：
其中，yn2为输出，bn2为常数项系数。
步骤S510，拟合期望飞行轨迹。
在计算出期望飞行轨迹之后，基于所获取的惯导数据拟合所计算出的期望飞行轨迹，以对飞行体进行导航。
本实施例中，利用上述滤波算法和卫星数据，对惯导数据进行误差修正，并基于修正后的惯导数据拟合期望飞行轨迹，从而解决了相关技术中导航不精确的问题，具有提高导航精确度的有益效果。
实施例6
组合导航系统应用于各个领域，使用广泛，如民用领域、军事领域等等。其基本实现流程相同，但各个平台之间不能通用，存在局限性，在使用过程中，需要针对不同的平台单独开发，耗费时间，重复性工作。
针对上述问题，本发明实施例提供了一种组合导航系统，该组合导航系统适用于不同平台，达到了多平台兼容通用的效果，且适用于不同类型的开发人员，达到算法工程师、测试工程师、驱动工程师、最终用户共用的功能，具有通用性高、减少重复劳动的有益效果。
如图6A所示，本实施例中的组合导航系统包括组合导航装置62和飞行体64。组合导航装置62的具体结构及功能将在下文详细描述，此处不再赘述。飞行体64被配置为基于所述组合导航装置导航的飞行轨迹进行飞行。
本实施例中的组合导航系统实现了四端(如图6B所示，移动端、车载端、PC端、SOC端)共用，实现四方人员(算法工程师、测试工程师、驱动工程师、最终用户)共用，解决组合导航系统只能单一支持某一特定平台，提高系统的可重复使用率。
1)移动端
移动端，也就是手机端，采用鸿蒙OS 2.0系统，使用Qt软件搭建操作界面，其框架基于C++语言；同时引入基于TensorFlow的Keras深度学习框架，Keras是一个高层神经网络API，具有用户友好、模块化和易扩展性等优点，用于高组合导航系统的精确度；神经网络在需要在手机端运行，需要借助NNoM(Neural Network on Microcontroller)框架，才能在MCU上实现，NNoM是一个定点神经网络库，支持数十种操作，卷积，池化，激活，矩阵计算等等，可以将训练好的Keras模型直接转换成C文件，在移植和使用上十分便捷，通过深度学习，提高组合导航系统的精确度；组合导航算法采用通过的C++和C语言实现。
组合导航系统需要的外部数据通过传感器获取，连接外部惯性传感器MEMS陀螺仪和MEMS加速度计，卫星信息以及外部辅助传感器，如激光测距，获取外部地图和UWB定位等等。获取了外部导航信息，通过组合导航系统进行解算处理。
用户通过体域网与系统交互，由可穿戴或可嵌入设备组成的网络，采用USB HID协议，以及WIFI、蓝牙。
2)车载端
车载端的系统可选较多，有鸿蒙OS 2.0系统、中标麒麟系统、鸿蒙Lite系统、RT-Smart系统，其中首选为开源鸿蒙2.0系统(LiteOS)，备选为中标麒麟系统；其他的应用体系构建与移动端一致；组合导航的外部信息获取同样是通过传感器，惯性传感器、外部辅助传感器、卫星信息等。但交互与移动端有所区别，基于局域网和串行总线实现。
3)SOC端
SOC端应用，芯片包括：STM类Cortex-M内核、TI类c6000等DSP内核、Xilinx类ZYNQ内核，首选操作系统NavOS，其次选用RT-Thread；交互采用有线串口实现，其他架构与移动端相同。
4)PC端
PC端主要用于软件仿真，基于Window10系统，使用Keil、CCS、Qt、Matlab等软件调试；交互方式采用局域网和串行总线实现，其他架构与移动端一致。
实施例7
相关技术中，基于GNSS和SINS进行组合的方法是目前使用最多的一种组合方式。GNSS可长时间工作，无累计误差的优点可以弥补SINS存在误差累计的缺点。SINS具有短时精度高，数据更新速率快、自主性强的优点能够弥补GNSS在数据更新速率较低和丢星无法工作方面的不足。
目前，SINS/GNSS组合有松组合、紧组合和深组合模式。松组合模式相对紧组合模式具有计算量小、工程实现容易、实时性好的特点，且相比于深组合模式，松组合模式具有硬件结构相对简单的特点，在无卫星信号情况下，可以采用惯性继续导航。因此，本实施例的组合导航选用松组合模式。
如图7所示，本实施例的组合导航系统包括惯性传感器72、北斗卫星74，组合导航装置62。
组合导航装置62如图7B所示，包括获取模块622和导航模块624。获取模块622，被配置为基于从设置在飞行体上的惯性传感器72获取的惯导数据进行惯性解算，得到飞行体的导航参数；导航模块624，被配置为判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航。
在一个示例性实施例中，获取模块622从所述惯性传感器获取所述惯导数据，其中，所述惯导数据包括加速度计、陀螺仪信息；导航模块624基于与所述惯导数据相关的采样时间Ts和消除重力后的惯导数据，进行惯性解算，得到所述飞行体的位置和速度；基于所述飞行体的方向余弦矩阵转欧拉角，进行惯性解算，得到所述飞行体的滚转角、俯仰角和偏航角；其中，所述导航参数包括以下至少之一：所述飞行体的位置、速度、滚转角、俯仰角和偏航角。
在一个示例性实施例中，导航模块624基于所述卫星数据计算所述卫星数据和所述惯导数据的误差量；基于所计算出的误差量，利用所述组合导航数学模型的状态方程、量测方程和卡尔曼滤波算法对所述惯导数据进行误差修正。
在一个示例性实施例中，导航模块624循环执行以下步骤，直至所述采样时间Ts内的惯导数据的原始值全部计算完毕：获取所述采样时间Ts内的惯导数据的原始值，对所述惯导数据的原始值进行归一化处理；对归一化处理后的所述惯导数据的原始值进行消除重力处理；基于所述消除重力处理后的惯导数据的原始值，计算所述采样时间Ts内余弦波的周期，基于所述采样时间内余弦波的周期确定下一采样时间Ts的时间设定范围，将所述下一采样时间作为所述采样时间Ts。
在一个示例性实施例中，导航模块624基于所述采样时间Ts内的正弦波经过零点的次数，计算所述采样时间Ts内正弦波的周期。
在一个示例性实施例中，导航模块624还被配置为：在未检测到所述卫星数据未被更新的情况下，将螺旋线作为未检测到卫星数据的情况下的期望飞行轨迹，使用所述导航参数对所述飞行体进行导航；在检测到所述卫星数据的情况下，将经过未检测到卫星数据情况下的期望飞行轨迹与基准圆的交点、并指向基准圆圆心的直线作为基准线，采用焦点连线平行于所述基准线的直线作为期望飞行轨迹，并采用所述导航参数对所述飞行体进行导航。
在一个示例性实施例中，导航模块624还被配置为：确定所述基准线：
其中，bn2为多项式常数项系数，xF为所述基准圆的圆心的X轴坐标，yF为所述基准圆的圆心的Y轴坐标，xB为所述交点的X轴坐标，yB为所述交点的Y轴坐标，λF为入射角，K为常数系数。
实施例8
本发明的实施例还提供了一种存储介质，该存储介质上存储有程序，在所述程序被运行时，使得计算机执行以上实施例中的方法。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
实施例9
根据本发明实施例，提供了一种组合导航方法，该方法包括：
1)在飞行器处于第一阶段的情况下，利用地磁测量所述飞行器的转速，其中，所述第一阶段为惯性测量器件失效的阶段。
在一个示例性实施例中，通过所述地磁测量获取地磁信号，循环执行以下，直到所述地磁信号的所有原始值全部计算完毕：获取上一窗口的地磁数据的最大值、最小值和平均值；基于所获取的上一窗口的地磁数据的最大值、最小值和平均值，对当前窗口内实时获取的当前的地磁数据点进行归一化处理，并判断归一化处理后的当前的地磁数据点是否为零点，以找出当前窗口中的相邻两个零点；基于所述相邻两个零点计算所述飞行体在所述相邻两个零点对应的两个时刻内的转速；其中，所述地磁数据由离散的多个所述地磁数据点组成。
其中，判断归一化处理后的当前的地磁数据点是否为零点包括：获取所述归一化处理后的当前的地磁数据点的左侧的相邻时间间隔采样点的地磁数据值和右侧的相邻时间间隔采样点的地磁数据值；将左侧的相邻时间间隔采样点的地磁数据值和右侧的相邻时间间隔采样点的地磁数据值相乘，得到结果值；在所述结果值小于零的情况下，判断归一化处理后的当前的地磁数据点为零点，否则不是零点。
其中，基于所述相邻两个零点计算所述飞行体在所述相邻两个零点对应的两个时刻内的转速包括：将所述相邻两个零点对应的两个时刻的值作为数据分析的特征值；基于所述特征值计算所述两个时刻对应的正弦波的周期；基于所述正弦波的周期计算所述飞行体的转速。
在所述当前窗口为第一个时间窗口的情况下，在获取上一窗口的地磁数据的最大值、最小值和平均值之前，所述方法还包括：在所述地磁数据中找到所述地磁数据的第一个极大值和第一个极小值；基于所述第一个极大值出现的时间点和第一个极小值出现的时间点划定所述第一个时间窗口的范围；计算所述第一个时间窗口内的地磁数据的最大值、最小值和平均值，并将所计算出的所述第一个时间窗口内的地磁数据的最大值、最小值和平均值分别作为所述上一窗口的地磁数据的最大值、最小值和平均值。
例如，基于所获取的上一窗口的地磁数据的最大值、最小值和平均值，对当前窗口内实时获取的当前的地磁数据点进行归一化处理，并判断归一化处理后的当前的地磁数据点是否为零点，以找出当前窗口中的相邻两个零点包括：基于所获取的上一窗口的地磁数据的最大值、最小值和平均值，对当前窗口内实时获取的当前的地磁数据点进行归一化处理，并判断归一化处理后的当前的地磁数据点是否为零点，循环执行本步骤，直到找出当前窗口中的相邻两个零点；判断所述相邻两个零点间的距离是否小于距离阈值，如果是，则删除所述相邻两个零点，并获取下一组相邻两个零点，如果否，则保留所述相邻两个零点。
计算完当前窗口的地磁数据之后，所述方法还包括：基于所述当前窗口内的最后一组相邻两个零点对应的周期，来设定下一窗口的时间范围，并将下一窗口作为当前窗口，并跳转到所述获取上一窗口的地磁数据的最大值、最小值和平均值的步骤。其中，所述下一窗口的时间范围为当前窗口内的地磁数据的最后一组正弦图像单个周期时间的整数倍。
2)在所述飞行器处于第二阶段的情况下，启动所述惯性传感器，并基于所述地磁测量的所述飞行器的转速和所述惯性传感器获取的所述飞行器的转速，来获取所述惯性传感器的工作状态，其中，所述第二阶段为所述地磁测量的所述飞行器的转速低于设定的阈值的阶段。
例如，基于所述地磁测量的所述飞行器的转速与陀螺仪检测的所述飞行器的转速，来确认飞行轴向陀螺仪工作状态；通过已知弹道参数，判断加速度计工作状态；其中，所述惯性传感器包括所述陀螺仪和所述加速度计。
3)所述飞行器处于第三阶段的情况下，基于卫星获取的飞行器数据进行初始对准，其中，所述第三阶段是能够通过卫星捕获到所述飞行器数据的阶段，所述飞行器数据包括所述飞行器的姿态、位置、速度信息。
例如，通过所述卫星获取的所述飞行器的运动信息、卫星速度分解角度信息、名义弹道信息、惯性信息进行初始对准。
4)所述飞行器处于第四阶段的情况下，基于所述地磁测量的所述飞行器的转速、姿态、位置、速度信息构建卡尔曼滤波器，并利用所述卡尔曼滤波器估计所述飞行器的飞行轨迹，其中，所述第四阶段是所述飞行器达到弹道顶点后的阶段。
例如，通过所述地磁测量，估计所述飞行器的转速与转动差值，通过所述惯性传感器，获取所述飞行器的惯性信息，并通过所述卫星以及名义弹道，进行实时弹道测量与弹道预测，以确定所述卡尔曼滤波器的状态量和观测量；基于所述卡尔曼滤波器的状态量和观测量对所述惯性传感器的输出进行零偏误差修正，并对所述卫星的实时弹道测量与弹道预测进行弹道误差修正。其中，所述状态量包括速度误差、位置误差、姿态误差和陀螺零偏；所述观测量包括位置、速度、俯仰、偏航、飞行轴向陀螺零偏。
本实施例中，利用矢量地磁进行空间姿态角和转速测量，判断飞行器运动状态后转入惯导组合导航阶段，之后，通过卫星获取实时飞行器三维位置、速度信息，实现了对飞行器的飞行轨迹的精确估计。
本实施例还提供了能够实现上述组合导航方法的组合导航装置，包括：第一阶段模块，被配置为在飞行器处于第一阶段的情况下，利用地磁测量所述飞行器的转速，以估计所述飞行器的飞行轨迹，其中，所述第一阶段为惯性测量器件失效的阶段；第二阶段模块，被配置在所述飞行器处于第二阶段的情况下，启动所述惯性传感器，并基于所述地磁测量的所述飞行器的转速和所述惯性传感器获取的所述飞行器的转速，来获取所述惯性传感器的工作状态，以估计所述飞行器的飞行轨迹，其中，所述第二阶段为所述地磁测量的所述飞行器的转速低于设定的阈值的阶段；第三阶段模块，被配置为所述飞行器处于第三阶段的情况下，基于卫星获取的飞行器数据进行初始对准，以估计所述飞行器的飞行轨迹，其中，所述第三阶段是能够通过卫星捕获到所述飞行器数据的阶段，所述飞行器数据包括所述飞行器的姿态、位置、速度信息；第四阶段模块，被配置为所述飞行器处于第四阶段的情况下，基于所述地磁测量的所述飞行器的转速、姿态、位置、速度信息构建卡尔曼滤波器，并利用所述卡尔曼滤波器估计所述飞行器的飞行轨迹，其中，所述第四阶段是所述飞行器达到弹道顶点后的阶段。
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 (9)
1.一种组合导航方法，其特征在于，包括：
基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数；
判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航；
其中，对所述飞行体进行导航，包括：在检测到所述卫星数据未被更新的情况下，将螺旋线作为未检测到卫星数据的情况下的第一期望飞行轨迹，基于所述导航参数拟合所述第一期望飞行轨迹，以对所述飞行体进行导航；在检测到所述卫星数据更新的情况下，将经过所述第一期望飞行轨迹与基准圆的交点、并指向基准圆圆心的直线作为基准线，采用焦点连线平行于所述基准线的直线作为第二期望飞行轨迹，并基于所述导航参数拟合所述第二期望飞行轨迹，以对所述飞行体进行导航；其中，所述基准圆的中心A是基于以下参数确定的：所述飞行体当前的X轴和Y轴坐标、入射角、所述基准圆的半径、检测到卫星数据时的第二期望轨迹的距离。
2.根据权利要求1所述的方法，其特征在于，基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数包括：
从所述惯性传感器获取所述惯导数据，其中，所述惯导数据包括加速度计、陀螺仪信息；
基于所述惯导数据的采样时间Ts和消除重力后的惯导数据，进行惯性解算，得到所述飞行体的位置和速度；
基于所述飞行体的方向余弦矩阵转欧拉角，进行惯性解算，得到所述飞行体的滚转角、俯仰角和偏航角；
其中，所述导航参数包括以下至少之一：所述飞行体的位置、速度、滚转角、俯仰角和偏航角。
3.根据权利要求1所述的方法，其特征在于，在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正包括：
基于所述卫星数据计算所述卫星数据和所述惯导数据的误差量；基于所计算出的误差量，利用所述组合导航数学模型的状态方程、量测方程和卡尔曼滤波算法对所述惯导数据进行误差修正。
4.根据权利要求2所述的方法，其特征在于，基于所述惯导数据的采样时间Ts和消除重力后的惯导数据，进行惯性解算，得到所述飞行体的位置和速度包括：
获取所述采样时间Ts内的惯导数据的原始值，对所述惯导数据的原始值进行归一化处理；
对归一化处理后的所述惯导数据的原始值进行消除重力处理；基于所述消除重力处理后的惯导数据的原始值，计算所述采样时间Ts内正弦波的周期，基于所述采样时间内正弦波的周期确定下一采样时间Ts的时间设定范围，将所述下一采样时间作为所述采样时间Ts。
5.根据权利要求4所述的方法，其特征在于，基于所述消除重力处理后的惯导数据的原始值，计算所述采样时间Ts内正弦波的周期包括：基于所述采样时间Ts内的正弦波经过零点的次数，计算所述采样时间Ts内正弦波的周期。
6.根据权利要求1所述的方法，其特征在于，基于以下公式，确定所述基准线：
其中，bn2为多项式常数项系数，xF为所述基准圆的圆心的X轴坐标，yF为所述基准圆的圆心的Y轴坐标，xB为所述交点的X轴坐标，yB为所述交点的Y轴坐标，λF为入射角，K为常数系数。
7.一种组合导航装置，其特征在于，包括：
获取模块，被配置为基于从设置在飞行体上的惯性传感器获取的惯导数据进行惯性解算，得到飞行体的导航参数；
导航模块，被配置为判断卫星数据是否更新，在所述卫星数据未被更新的情况下，使用所述导航参数对所述飞行体进行导航；在所述卫星数据被更新的情况下，基于组合导航数学模型，使用所述卫星数据对所述惯性传感器的惯导数据进行误差修正，并采用修正后的惯导数据进行惯性解算，得到所述飞行体的导航参数，以对所述飞行体进行导航；
其中，所述导航模块包括：在检测到所述卫星数据未被更新的情况下，将螺旋线作为未检测到卫星数据的情况下的第一期望飞行轨迹，基于所述导航参数拟合所述第一期望飞行轨迹，以对所述飞行体进行导航；在检测到所述卫星数据更新的情况下，将经过所述第一期望飞行轨迹与基准圆的交点、并指向基准圆圆心的直线作为基准线，采用焦点连线平行于所述基准线的直线作为第二期望飞行轨迹，并基于所述导航参数拟合所述第二期望飞行轨迹，以对所述飞行体进行导航；其中，所述基准圆的中心A是基于以下参数确定的：所述飞行体当前的X轴和Y轴坐标、入射角、所述基准圆的半径、检测到卫星数据时的期望轨迹的距离。
8.一种组合导航系统，其特征在于，包括：
如权利要求7所述的组合导航装置；
飞行体，被配置为基于所述组合导航装置导航的飞行轨迹进行飞行。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，当所述程序被执行时，使得计算机执行如权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111439182.9A CN114111773B (zh) | 2021-11-30 | 2021-11-30 | 组合导航方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111439182.9A CN114111773B (zh) | 2021-11-30 | 2021-11-30 | 组合导航方法、装置、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114111773A CN114111773A (zh) | 2022-03-01 |
| CN114111773B true CN114111773B (zh) | 2023-11-17 |
Family
ID=80368134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111439182.9A Active CN114111773B (zh) | 2021-11-30 | 2021-11-30 | 组合导航方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114111773B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114578857A (zh) * | 2022-03-07 | 2022-06-03 | 北京信息科技大学 | 基于全弹道信息的制导飞行器自主控制方法、装置及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106054929A (zh) * | 2016-06-27 | 2016-10-26 | 西北工业大学 | 一种基于光流的无人机自动降落引导方法 |
| CN108106635A (zh) * | 2017-12-15 | 2018-06-01 | 中国船舶重工集团公司第七0七研究所 | 惯性卫导组合导航系统的长航时抗干扰姿态航向校准方法 |
| CN108151748A (zh) * | 2017-11-09 | 2018-06-12 | 广州极飞科技有限公司 | 飞行装置测绘作业航线规划方法、装置和终端 |
| CN109724602A (zh) * | 2018-12-17 | 2019-05-07 | 南京理工大学 | 一种基于硬件fpu的姿态解算系统及其解算方法 |
| CN111650958A (zh) * | 2019-12-15 | 2020-09-11 | 湖北航天飞行器研究所 | 一种固定翼无人机起飞段切入航路点的在线路径规划方法 |
| CN112306077A (zh) * | 2020-11-06 | 2021-02-02 | 广州极飞科技有限公司 | 飞行控制方法、装置、飞行器及存储介质 |
| CN113238582A (zh) * | 2021-07-09 | 2021-08-10 | 北京信息科技大学 | 飞行器的飞行轨迹的规划方法、装置及系统 |
| CN113432612A (zh) * | 2021-06-21 | 2021-09-24 | 北京信息科技大学 | 飞行体的导航方法、装置及系统 |
| CN113467245A (zh) * | 2021-07-15 | 2021-10-01 | 北京信息科技大学 | 飞行器的分数阶滑模控制方法、装置及系统 |
| CN113587746A (zh) * | 2021-10-08 | 2021-11-02 | 北京信息科技大学 | 基于地磁信息测量弹体的大跨度转速的方法、装置及系统 |
-
2021
- 2021-11-30 CN CN202111439182.9A patent/CN114111773B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106054929A (zh) * | 2016-06-27 | 2016-10-26 | 西北工业大学 | 一种基于光流的无人机自动降落引导方法 |
| CN108151748A (zh) * | 2017-11-09 | 2018-06-12 | 广州极飞科技有限公司 | 飞行装置测绘作业航线规划方法、装置和终端 |
| CN108106635A (zh) * | 2017-12-15 | 2018-06-01 | 中国船舶重工集团公司第七0七研究所 | 惯性卫导组合导航系统的长航时抗干扰姿态航向校准方法 |
| CN109724602A (zh) * | 2018-12-17 | 2019-05-07 | 南京理工大学 | 一种基于硬件fpu的姿态解算系统及其解算方法 |
| CN111650958A (zh) * | 2019-12-15 | 2020-09-11 | 湖北航天飞行器研究所 | 一种固定翼无人机起飞段切入航路点的在线路径规划方法 |
| CN112306077A (zh) * | 2020-11-06 | 2021-02-02 | 广州极飞科技有限公司 | 飞行控制方法、装置、飞行器及存储介质 |
| CN113432612A (zh) * | 2021-06-21 | 2021-09-24 | 北京信息科技大学 | 飞行体的导航方法、装置及系统 |
| CN113238582A (zh) * | 2021-07-09 | 2021-08-10 | 北京信息科技大学 | 飞行器的飞行轨迹的规划方法、装置及系统 |
| CN113467245A (zh) * | 2021-07-15 | 2021-10-01 | 北京信息科技大学 | 飞行器的分数阶滑模控制方法、装置及系统 |
| CN113587746A (zh) * | 2021-10-08 | 2021-11-02 | 北京信息科技大学 | 基于地磁信息测量弹体的大跨度转速的方法、装置及系统 |
Non-Patent Citations (1)
| Title |
|---|
| Asymptotic Solution and Trajectory Planning for Open-Loop Control of Mobile Robots;Whitman, A等;《JOURNAL OF DYNAMIC SYSTEMS MEASUREMENT AND CONTROL-TRANSACTIONS OF THE ASME》;第139卷(第5期);第051004-1-9 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114111773A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113984049B (zh) | 飞行器的飞行轨迹的估计方法、装置及系统 | |
| CN107884800B (zh) | 观测时滞系统的组合导航数据解算方法、装置及导航设备 | |
| CN106814753A (zh) | 一种目标位置矫正方法、装置及系统 | |
| CN110081881A (zh) | 一种基于无人机多传感器信息融合技术的着舰引导方法 | |
| CN110702113B (zh) | 基于mems传感器的捷联惯导系统数据预处理和姿态解算的方法 | |
| CN113566850B (zh) | 惯性测量单元的安装角度标定方法、装置和计算机设备 | |
| RU2762143C2 (ru) | Система определения курса и углового пространственного положения, выполненная с возможностью функционирования в полярной области | |
| CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
| CN114019954B (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
| US20220057517A1 (en) | Method for constructing point cloud map, computer device, and storage medium | |
| CN110361003B (zh) | 信息融合方法、装置、计算机设备和计算机可读存储介质 | |
| CN108917755B (zh) | 一种成像导引头视线角零位误差估计方法及装置 | |
| CN114111773B (zh) | 组合导航方法、装置、系统及存储介质 | |
| CN107942090A (zh) | 一种基于模糊星图提取光流信息的航天器角速度估计方法 | |
| CN114608560A (zh) | 一种基于智能终端传感器的无源组合室内定位系统及方法 | |
| CN104121930A (zh) | 一种基于加表耦合的mems陀螺漂移误差的补偿方法 | |
| Soloviev et al. | Reconfigurable Integration Filter Engine (RIFE) for Plug-and-Play Navigation | |
| Klein et al. | INS fine alignment with low-cost gyroscopes: Adaptive filters for different measurement types | |
| CN111812668A (zh) | 绕机检查装置及其定位方法、存储介质 | |
| CN109827572B (zh) | 一种检测车位置预测的方法及装置 | |
| CN109470269B (zh) | 空间目标测量机构的标定方法、标定设备及标定系统 | |
| CN114001730B (zh) | 融合定位方法、装置、计算机设备和存储介质 | |
| CN114964224B (zh) | 一种微惯导系统误差自主抑制方法 | |
| CN113566849B (zh) | 惯性测量单元的安装角度标定方法、装置和计算机设备 | |
| CN117367458A (zh) | 地图的精度验证方法、装置、终端设备及介质 |
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 |