CN114386308A - 高精度惯导系统非线性温度误差参数测控方法与装置 - Google Patents
高精度惯导系统非线性温度误差参数测控方法与装置 Download PDFInfo
- Publication number
- CN114386308A CN114386308A CN202011112724.7A CN202011112724A CN114386308A CN 114386308 A CN114386308 A CN 114386308A CN 202011112724 A CN202011112724 A CN 202011112724A CN 114386308 A CN114386308 A CN 114386308A
- Authority
- CN
- China
- Prior art keywords
- temperature
- inertial navigation
- precision
- navigation system
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Gyroscopes (AREA)
Abstract
本发明涉及惯导技术领域,提供一种高精度惯导系统非线性温度误差参数测控方法与装置,该方法通过采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理;再输入训练好的机器学习模型,即可输出系统的精度漂移量Pj和补偿量Bn,根据输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿,从而实现对整个惯导系统中由于温度变化产生的输出信号偏移量进行补偿,进而能够提高惯导系统精度,减少温度变化对惯导系统运行精度的影响。
Description
技术领域
本发明涉及惯导技术领域,特别涉及一种高精度惯导系统非线性温度误差参数测控方法与装置。
背景技术
惯导技术即为惯性导航技术(Inertial Guidance,IG),基于牛顿运动定律的航位推算技术,主要分为惯性信息测量、初始对准以及导航解算,由于惯性导航技术是完全自主的导航方法,不与外界环境的物理世界发生任何交互和关联,具有很高的隐蔽性、抗干扰性、可靠性和易维护性,工作环境不受限制,因此在航空、航天和航海领域得到了广泛的应用。
CN102506871B公开了一种机载双光纤IMU/DGPS组合相对形变姿态测量装置,包括主惯性组件、从惯性组件、DGPS接收机与上层控制系统;其中,主惯性组件位于载体舱内,从惯性组件位于载体舱外;主惯性组件与从惯性组件结构相同,均包括三轴光纤陀螺仪、三轴石英挠性加速度计、二次电源、I/O接口电路,I/F信号转换电路与导航计算机;其中,三轴光纤陀螺仪用来测量惯性组件自身所在载体位置上x、y、z三个轴向上的转动角速度信号,并通过I/O接口电路发送给导航计算机;所述三轴石英挠性加速度计用来测量惯性组件自身所在载体位置上x、y、z三个轴向上的加速度信号,经过I/F信号转换电路转换为加速度脉冲信号,通过I/O接口电路发送给导航计算机;所述二次电源用来将外部电源电压转换成惯性组件所需要的电压;在主惯性组件与从惯性组件中的三轴光纤陀螺仪中每个光纤陀螺上,以及三轴石英挠性加速度计中每个加速度计上均安装有温度传感器,用来实时获取主惯性组件与从惯性组件x、y、z三个轴向上的温度信息,并发送给导航计算机;带有差分功能的DGPS接收机用来测量载体的高精度位置、速度信息,通过I/O接口电路发送给导航计算机;所述导航计算机为基于FPGA/DSP的组合导航计算机,其中,FPGA用来接收惯性组件所在位置三个轴向上的转动角速度信号与加速度脉冲信号,与惯性组件中各个温度传感器发送的温度信号,以及DGPS测得的载体的高精度位置、速度信息,并将其中的转动角速度信号、加速度脉冲信号与温度信号发送给DSP;DSP根据接收到的温度信号对接收到的转动角速度信号、加速度脉冲信号进行温度补偿与标定补偿后,与DGPS测得的载体的高精度位置、速度信息一同通过UART发送给上层控制系统;上层控制系统包含串口通信单元、相对姿态解算单元和人机交互界面;其中,串口通信模块用来采集导航计算机发送的经过温度补偿与标定补偿后的转动角速度信号、加速度脉冲信号,与DGPS测得的载体的高精度位置、速度信息,并进行缓存,以备后续调用;相对姿态解算单元包括惯性组件导航解算模块与相对姿态解算模块;其中,惯性组件导航解算模块通过查询DGPS更新标志变量的数值是否发生改变来判断DGPS信息的更新,从而控制主惯导系统与从惯导系统的工作模式,包括三种工作模式,分别为纯惯性模式、IMU/DGPS组合模式和主惯性组件/从惯性组件组合模式;在DGPS信息更新后的下一个解算时刻,惯性组件导航解算模块控制主惯性组件与从惯性组件均工作在IMU/DGPS组合模式下,并由串口通信单元中调用DGPS测得的载体高精度位置、速度信息,分别对主惯性组件与从惯性组件的转动角速度信号、加速度脉冲信号进行滤波修正,并发送给姿态解算模块;在DGPS信息丢失或未更新的情况下,由于惯性组件导航解算模块无法对主惯性组件与从惯性组件的转动角速度信号、加速度脉冲信号进行滤波修正,因此惯性组件导航解算模块控制主惯性组件工作在纯惯性模式,从惯导工作在主惯性组件/从惯性组件组合模式,由此通过精度较高的主惯性组件的转动角速度信号、加速度脉冲信号修正从惯性组件的转动角速度信号、加速度脉冲信号,并发送给相对姿态解算模块;相对姿态解算模块根据获得的经滤波修正后的主惯性组件与从惯性组件的转动角速度信号、加速度脉冲信号,分别对主惯性组件与从惯性组件各自进行导航解算,得到主惯性组件与从惯性组件各自的位置、速度和姿态信息,保存并输出到人机交互界面进行显示;然后根据主惯性组件与从惯性组件的姿态信息得到主惯性组件与从惯性组件间的相对姿态矩阵,并对相对姿态矩阵进行解算,得到主惯性组件与从惯性组件间相对姿态值,并对其进行保存并输出给人机交互界面进行显示。
由于惯导系统在工程应用过程中,外界环境和惯导系统器件的非线性温度变化产生一定程度系统性误差,导致惯导系统输出信号出现温度漂移,进而导致系统精度下降,影响惯导系统运行精度。
发明内容
由于惯导系统器件均为温度敏感的器件,且收到温度影响后表现出非线性、非周期性等特点,传统的计算拟合方法都很难满足对惯导系统的系统级误差的调节,进而影响系统精度,从而导致惯导系统运行精度的偏差。
有鉴于此,本发明旨在提出一种高精度惯导系统非线性温度误差参数测控方法,该高精度惯导系统非线性温度误差参数测控方法包括,
步骤S1,k个传感器采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,其中T0=[T1,T2,T3,…Tk],k为正整数;
步骤S2,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,其中Ti=[T1i,T2i,T3i,…Tki],ti=t0+Δt;
步骤S3,将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;
步骤S4,将ΔT0i′输入机器学习模型,输出系统的精度漂移量Pj和补偿量Bn,所述机器学习模型由训练集训练得到,所述训练集包括第一数据和第二数据,所述第一数据包括统中各器件k个位置的温度值变化值,所述第二数据包括系统精度漂移量和补偿量;
步骤S5,根据步骤S4中输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿。
优选地,所述传感器包括非接触式温度传感器。
优选地,所述非接触式温度传感器包括红外热像装置,所述传感器与高精度惯导系统的控制模块连接。
优选地,所述传感器采样周期为0.1s~1s。
优选地,归一化处理包括采用Sigmoid阈值函数分割阈值。
优选地,所述机器学习模型包括至少一个隐含层的神经网络模型。
优选地,所述系统精度漂移量Pj和补偿量Bn之间具有映射关系。
本发明还公开了一种用于执行高精度惯导系统非线性温度误差参数测控方法的装置,所述装置包括:
获取单元,包括k组温度传感器,用于采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,其中T0=[T1,T2,T3,…Tk],k为正整数;运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,其中Ti=[T1i,T2i,T3i,…Tki],ti=t0+Δt;
差值计算单元,用于将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;
机器学习单元,用于将ΔT0i′输入机器学习模型,输出系统的精度漂移量Pj和补偿量Bn,所述机器学习模型由训练集训练得到,所述训练集包括第一数据和第二数据,所述第一数据包括统中各器件k个位置的温度值变化值,所述第二数据包括系统精度漂移量和补偿量;
温度补偿单元,用于输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿。
优选地,差值计算单元包括归一化处理模块,所述归一化处理模块,用于采用Sigmoid阈值函数分割阈值。
根据本发明实施例的另一方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述的方法。
相对于现有技术,本发明提供的高精度惯导系统非线性温度误差参数测控方法,可实现技术效果:采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,再将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;能够获取惯导系统中多个温度敏感区域的温度偏差,再将ΔT0i′输入训练好的机器学习模型,即可输出系统的精度漂移量Pj和补偿量Bn,根据输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿,从而实现对整个惯导系统中由于温度变化产生的输出信号偏移量进行补偿,进而能够提高惯导系统精度,减少温度变化对惯导系统运行精度的影响。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施方式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为本发明的高精度惯导系统非线性温度误差参数测控方法一种实施方式的流程图;
图2为本发明的用于执行高精度惯导系统非线性温度误差参数测控方法的装置一种实施方式的结构示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
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。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。
为了解决背景技术部分所指传统外界环境和惯导系统器件的非线性温度变化产生一定程度系统性误差,导致惯导系统输出信号出现温度漂移,进而导致系统精度下降,影响惯导系统运行精度的问题。本发明提供一种高精度惯导系统非线性温度误差参数测控方法,如图1所示,所述高精度惯导系统非线性温度误差参数测控方法包括,
步骤S1,k个传感器采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,其中T0=[T1,T2,T3,…Tk],k为正整数;
步骤S2,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,其中Ti=[T1i,T2i,T3i,…Tki],ti=t0+Δt;
步骤S3,将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;
步骤S4,将ΔT0i′输入机器学习模型,输出系统的精度漂移量Pj和补偿量Bn,所述机器学习模型由训练集训练得到,所述训练集包括第一数据和第二数据,所述第一数据包括统中各器件k个位置的温度值变化值,所述第二数据包括系统精度漂移量和补偿量;
步骤S5,根据步骤S4中输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿。
本发明提供的高精度惯导系统非线性温度误差参数测控方法,可实现技术效果:采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,再将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;能够获取惯导系统中多个温度敏感区域的温度偏差,再将ΔT0i′输入训练好的机器学习模型,即可输出系统的精度漂移量Pj和补偿量Bn,根据输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿,从而实现对整个惯导系统中由于温度变化产生的输出信号偏移量进行补偿,进而能够提高惯导系统精度,减少温度变化对惯导系统运行精度的影响。
为了更好地非接触式地获取装置温度敏感区域的温度变化,在本发明优选的情况下,所述传感器包括非接触式温度传感器。为了获得的温度变化的精度更高,更为优选的情况,非接触式温度传感器采用红外温度图像采集系统,并对该采集的红外温度图像的温度变化敏感的局部数值进行取值,例如,在A区域的温度图像后,针对A区域可能引起精度变化的的局部位置的温度进行取最高值。
为了更好地获得实时数据以及温度的变化率,在本发明优选的情况下,所述非接触式温度传感器包括红外热像装置,所述传感器与高精度惯导系统的控制模块连接。在本发明更为优选的情况下,将所述非接触式温度传感器采集到的数据输入高精度惯导系统的控制模块,其中,所述非接触式温度传感器采集到的数据包括图像数据。
为了使得传感器采样时,实时获得温度变化的数据,且为了综合考虑控制模块的计算量,在本发明优选的情况下,所述传感器采样周期为0.1s~1s。为了精度更高地获得实时数据以及控制模块的计算量适当,更为优选的情况下,所述传感器采样周期0.25~0.5s。
为了更好地处理在不同数值维度和数值量度的温度值变化量,在本发明优选的情况下,归一化处理包括采用Sigmoid阈值函数分割阈值。
为了更好地处理多个不同源的温度值变化量,并能够自适应地获取不同位置温度变化产生的精度变化权重,在本发明优选的情况下,所述机器学习模型包括至少一个隐含层的神经网络模型。
为了更好地获得不同惯性导航系统在工作过程中,系统精度的漂移量与补偿量之间的相关性,进而温度补偿量可进行更快速有效地调节控制,在本发明优选的情况下,所述系统精度漂移量Pj和补偿量Bn之间具有映射关系。为了更好地将补偿量Bn用于调整惯性导航系统输出信号的精度,更为优选的情况下,所述系统精度漂移量Pj和补偿量Bn之间具有一一映射关系。
为了更好地执行上述方法,本发明还提供了一种用于执行上述的高精度惯导系统非线性温度误差参数测控方法的装置,如图2所示,所述装置包括:
获取单元,包括k组温度传感器,用于采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,其中T0=[T1,T2,T3,…Tk],k为正整数;运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,其中Ti=[T1i,T2i,T3i,…Tki],ti=t0+Δt;
差值计算单元,用于将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;
机器学习单元,用于将ΔT0i′输入机器学习模型,输出系统的精度漂移量Pj和补偿量Bn,所述机器学习模型由训练集训练得到,所述训练集包括第一数据和第二数据,所述第一数据包括统中各器件k个位置的温度值变化值,所述第二数据包括系统精度漂移量和补偿量;
温度补偿单元,用于输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿。
本发明提供的执行高精度惯导系统非线性温度误差参数测控方法的装置,可实现技术效果:获取单元采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,再将实时温度Ti与基准温度T0输入差值计算单元做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;机器学习单元获取惯导系统中多个温度敏感区域的温度偏差,再将ΔT0i′输入训练好的机器学习模型,即可输出系统的精度漂移量Pj和补偿量Bn,温度补偿单元根据输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿,从而实现对整个惯导系统中由于温度变化产生的输出信号偏移量进行补偿,进而能够提高惯导系统精度,减少温度变化对惯导系统运行精度的影响。
为了更好地处理在不同数值维度和数值量度的温度值变化量,在本发明优选的情况下,差值计算单元包括归一化处理模块,所述归一化处理模块,用于采用Sigmoid阈值函数分割阈值。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述方法。
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。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可为个人计算机、移动终端、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括: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。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种高精度惯导系统非线性温度误差参数测控方法,其特征在于,所述高精度惯导系统非线性温度误差参数测控方法包括,
步骤S1,k个传感器采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,其中T0=[T1,T2,T3,…Tk],k为正整数;
步骤S2,运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,其中Ti=[T1i,T2i,T3i,…Tki],ti=t0+Δt;
步骤S3,将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;
步骤S4,将ΔT0i′输入机器学习模型,输出系统的精度漂移量Pj和补偿量Bn,所述机器学习模型由训练集训练得到,所述训练集包括第一数据和第二数据,所述第一数据包括统中各器件k个位置的温度值变化值,所述第二数据包括系统精度漂移量和补偿量;
步骤S5,根据步骤S4中输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿。
2.根据权利要求1所述的高精度惯导系统非线性温度误差参数测控方法,其特征在于,所述传感器包括非接触式温度传感器。
3.根据权利要求2所述的高精度惯导系统非线性温度误差参数测控方法,其特征在于,所述非接触式温度传感器包括红外热像装置,所述传感器与高精度惯导系统的控制模块连接。
4.根据权利要求1所述的高精度惯导系统非线性温度误差参数测控方法,其特征在于,所述传感器采样周期为0.1s~1s。
5.根据权利要求1所述的高精度惯导系统非线性温度误差参数测控方法,其特征在于,归一化处理包括采用Sigmoid阈值函数分割阈值。
6.根据权利要求1所述的高精度惯导系统非线性温度误差参数测控方法,其特征在于,所述机器学习模型包括至少一个隐含层的神经网络模型。
7.根据权利要求1-6任意一项所述的高精度惯导系统非线性温度误差参数测控方法,其特征在于,所述系统精度漂移量Pj和补偿量Bn之间具有映射关系。
8.一种执行权利要求1-7任意一项所述的高精度惯导系统非线性温度误差参数测控方法的装置,其特征在于,所述装置包括:
获取单元,包括k组温度传感器,用于采集某时刻t0系统中各器件k个位置的温度值,得到基准温度T0,其中T0=[T1,T2,T3,…Tk],k为正整数;运行系统Δt时间后,k个传感器采集某时刻ti系统中各器件k个位置的温度值,得到实时温度Ti,其中Ti=[T1i,T2i,T3i,…Tki],ti=t0+Δt;
差值计算单元,用于将实时温度Ti与基准温度T0做差值计算,得到ΔT0i,并对ΔT0i做归一化处理,得到数据ΔT0i′;
机器学习单元,用于将ΔT0i′输入机器学习模型,输出系统的精度漂移量Pj和补偿量Bn,所述机器学习模型由训练集训练得到,所述训练集包括第一数据和第二数据,所述第一数据包括统中各器件k个位置的温度值变化值,所述第二数据包括系统精度漂移量和补偿量;
温度补偿单元,用于输出的系统精度漂移量Pj和补偿量Bn,触发系统控制模块,对输出的结果数据进行补偿。
9.根据权利要求8所述的装置,其特征在于,差值计算单元包括归一化处理模块,所述归一化处理模块,用于采用Sigmoid阈值函数分割阈值。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112724.7A CN114386308A (zh) | 2020-10-16 | 2020-10-16 | 高精度惯导系统非线性温度误差参数测控方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112724.7A CN114386308A (zh) | 2020-10-16 | 2020-10-16 | 高精度惯导系统非线性温度误差参数测控方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114386308A true CN114386308A (zh) | 2022-04-22 |
Family
ID=81193328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011112724.7A Pending CN114386308A (zh) | 2020-10-16 | 2020-10-16 | 高精度惯导系统非线性温度误差参数测控方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114386308A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117307418A (zh) * | 2023-11-13 | 2023-12-29 | 北京通泰恒盛科技有限责任公司 | 基于惯导的风机桨叶姿态的监测方法、系统和介质 |
-
2020
- 2020-10-16 CN CN202011112724.7A patent/CN114386308A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117307418A (zh) * | 2023-11-13 | 2023-12-29 | 北京通泰恒盛科技有限责任公司 | 基于惯导的风机桨叶姿态的监测方法、系统和介质 |
CN117307418B (zh) * | 2023-11-13 | 2024-03-22 | 北京通泰恒盛科技有限责任公司 | 基于惯导的风机桨叶姿态的监测方法、系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN201402140Y (zh) | 航姿组合测量装置 | |
CN112945225A (zh) | 基于扩展卡尔曼滤波的姿态解算系统及解算方法 | |
Ariffin et al. | Low cost MEMS gyroscope and accelerometer implementation without Kalman Filter for angle estimation | |
CN110018691A (zh) | 小型多旋翼无人机飞行状态估计系统和方法 | |
CN107727114B (zh) | 基于陀螺仪的加速度标定方法及系统、服务终端、存储器 | |
CN107270902B (zh) | 一种带有交叉轴耦合误差补偿的mems惯性测量单元 | |
CN114386308A (zh) | 高精度惯导系统非线性温度误差参数测控方法与装置 | |
CN110319833B (zh) | 一种无误差的光纤陀螺捷联惯导系统速度更新方法 | |
CN112284379B (zh) | 一种基于非线性积分补偿的组合运动测量系统的惯性预积分方法 | |
CN103644914A (zh) | 高精度微机电组合惯导装置 | |
CN112985450A (zh) | 一种具有同步时间误差估计的双目视觉惯性里程计方法 | |
CN201397343Y (zh) | 惯性测量装置 | |
Bolanakis | MEMS barometers and barometric altimeters in industrial, medical, aerospace, and consumer applications | |
Xing et al. | Offline calibration for MEMS gyroscope G-sensitivity error coefficients based on the newton iteration and least square methods | |
CN116149217A (zh) | 基于ttp总线的分布式时间敏感信息同步采集控制系统 | |
CN110954103A (zh) | 基于mems传感器的车体动态姿态估计的方法及系统 | |
CN114018235B (zh) | 一种大量程光纤陀螺全温全动态脉冲补偿方法 | |
CN111781626B (zh) | 多功能导航系统与方法 | |
CN115420280A (zh) | 一种航天器脉冲星/星光折射组合导航方法 | |
Barraza-Madrigal et al. | Instantaneous position and orientation of the body segments as an arbitrary object in 3D space by merging gyroscope and accelerometer information | |
CN112336341A (zh) | 基于惯性、位置传感器的人体跌倒检测系统 | |
Yu et al. | Optimization of IMU Indoor Localization with Wireless Sensors | |
CN113173258B (zh) | 一种通航飞机及小型飞行器航姿的测量方法 | |
Vaispacher et al. | Integration architecture design for implementation of a vector magnetometer on board of unmanned vehicle | |
CN114383629A (zh) | 高精度惯导系统标度因数温度误差特性测定方法与装置 |
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 |