CN117405145A - 一种基于智能分析的惯性导航管理方法、系统及存储介质 - Google Patents
一种基于智能分析的惯性导航管理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117405145A CN117405145A CN202311719672.3A CN202311719672A CN117405145A CN 117405145 A CN117405145 A CN 117405145A CN 202311719672 A CN202311719672 A CN 202311719672A CN 117405145 A CN117405145 A CN 117405145A
- Authority
- CN
- China
- Prior art keywords
- inertial navigation
- navigation system
- sensor
- time
- abnormal
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 128
- 238000005457 optimization Methods 0.000 claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims description 124
- 230000001133 acceleration Effects 0.000 claims description 100
- 230000005540 biological transmission Effects 0.000 claims description 54
- 230000008859 change Effects 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000002620 method output Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 description 21
- 238000005070 sampling Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- 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
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/40—Testing power supplies
Abstract
本发明涉及导航管理领域,公开了一种基于智能分析的惯性导航管理方法、系统及存储介质,包括以下步骤:对惯性导航传感器校准后,构建初始惯性导航系统,并使用所述初始惯性导航系统进行惯性导航测试,根据测试结果对初始惯性导航系统进行优化,得到优化惯性导航系统;对优化惯性导航系统进行电源稳定性评估,根据评估结果对惯性导航系统进行二次优化,得到二次优化惯性导航系统,最后分析二次优化惯性导航系统在传输数据时的功耗值,并对二次优化惯性导航系统进行功耗修正处理。本发明能够对惯性导航进行智能分析管理,在多方面不断对惯性导航进行优化,是惯性导航能够更准确、更节能的实现导航性能,从而实现工作效率提高的目的。
Description
技术领域
本发明涉及导航管理领域,特别是一种基于智能分析的惯性导航管理方法、系统及存储介质。
背景技术
惯性导航是一种通过测量和积分运动信息来确定物体位置、速度和方向的导航技术。这种导航方法主要依赖于惯性测量单元,包括陀螺仪和加速度计。陀螺仪用于测量物体的角速度,即物体在三个轴上的旋转速度。通过对角速度进行积分,可以得到物体的旋转角度。加速度计用于测量物体在三个轴上的加速度。通过对加速度进行积分,可以得到物体的速度。若再对速度进行积分,就可以得到物体的位移。基于这些测量值,惯性导航系统可以推算出物体的运动轨迹。然而,惯性导航系统在长时间运动中容易积累误差,这是因为陀螺仪和加速度计的测量存在漂移和累积误差。为了弥补误差,需要对结合例如GPS对惯性导航系统进行误差修正,使惯性导航系统提供更准确的位置、速度和方位信息。
发明内容
本发明克服了现有技术的不足,提供了一种基于智能分析的惯性导航管理方法、系统及存储介质。
为达到上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于智能分析的惯性导航管理方法,包括以下步骤:
对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统;
结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统;
对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化;
结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理。
进一步的,本发明的一个较佳实施例中,所述对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统,具体为:
获取惯性导航传感器,所述惯性导航传感器中包括物体加速度传感器和物体角速度传感器,并将所述惯性导航传感器植入需要进行工作的物体内,得到目标物体;
通过所述惯性导航传感器获取目标物体在当前位置的加速度和角速度,定义为初始加速度和初始角速度;
在大数据网络中检索准确度达到标准值的测试系统,并通过所述测试系统获取目标物体在当前位置的标准加速度和标准角速度;
将目标物体的初始加速度和初始角速度与标准加速度和标准角速度进行比较分析,得到加速度初始偏差值和角速度偏差值;
分析所述加速度初始偏差值和角速度偏差值,当加速度初始偏差值和角速度偏差值中存在任意速度偏差值大于预设值,则将所述惯性导航传感器定义为校准异常惯性导航传感器;
获取测试系统的工作参数,将所述测试系统的工作参数导入校准异常惯性导航传感器内,对校准异常惯性导航传感器进行更新,得到校准正常惯性导航传感器;
基于所述校准正常惯性导航传感器和目标物体,构建初始惯性导航系统。
进一步的,本发明的一个较佳实施例中,所述结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统,具体为:
预设测试时间,基于所述初始惯性导航系统,在测试时间内对目标物体进行惯性导航测试,并在惯性导航测试过程中获取目标物体的实时位置;
在目标物体内的校准正常惯性导航传感器中安装GPS信号模块,所述GPS信号模块与初始惯性导航的控制端进行数据连接,得到GPS定位数据;
根据所述GPS定位数据,获取目标物体的实时标准位置,计算目标物体的实时位置和实时标准位置之间的偏移值,定义为测试偏移值;
若在测试时间内,测试偏移值均保持在在预设偏移值范围内,则将初始惯性导航系统标定为优化惯性导航系统;
若在测试时间内,存在任意时间段内测试偏移值大于预设偏移值,则在所述目标物体中安装温度传感器,获取目标物体的工作温度;
在惯性导航测试过程中分析目标物体内校准正常惯性导航传感器的工作温度变化情况,获取校准正常惯性导航传感器在工作温度正常情况下的测试偏移值以及工作温度异常情况下的测试偏移值;
当校准正常惯性导航传感器在工作温度正常情况下不存在测试偏移值大于预设偏移值,且工作温度异常情况下测试偏移值大于预设偏移值,则将校准正常惯性导航传感器定义为一类异常校准正常惯性导航传感器;
在一类异常校准正常惯性导航传感器中内置温度补偿传感器,所述温度补偿传感器根据环境温度变化情况,对温度补偿传感器的工作温度进行实时温度补偿,维持温度补偿传感器的工作温度在标准范围内;
将进行温度补偿后的一类异常校准正常惯性导航传感器定义为优化惯性导航传感器,基于所述优化惯性导航传感器构建优化惯性导航系统;
当校准正常惯性导航传感器在工作温度正常情况下测试偏移值大于预设偏移值,则将校准正常惯性导航传感器定义为二类异常校准正常惯性导航传感器;
对二类异常校准正常惯性导航传感器进行加速度与角速度分析,并基于分析结构对二类异常校准正常惯性导航传感器进行修正。
进一步的,本发明的一个较佳实施例中,所述对二类异常校准正常惯性导航传感器进行加速度与角速度分析,并基于分析结构对二类异常校准正常惯性导航传感器进行修正,具体为:
在测试时间内,基于所述二类异常校准正常惯性导航传感器获取目标物体的测量加速度及测量角速度,并在基于目标物体的实时加速度及实时角速度构建目标物体的测量加速度变化曲线和测量角速度变化曲线;
基于所述目标物体的实时标准位置,获取在测试时间内目标物体的位移参数及速度参数,基于测试时间内目标物体的位移参数及速度参数计算目标物体的实际加速度及实际角速度,并基于所述目标物体的实际加速度及实际角速度构建目标物体的实际加速度变化曲线和实际角速度变化曲线;
对所述测量加速度变化曲线、测量角速度变化曲线和实际加速度变化曲线、实际角速度变化曲线进行分类分析,获取加速度偏差值和角速度偏差值,获取加速度偏差值和角速度偏差值大于预设值的测试时间,分别定义为加速度异常时间和角速度异常时间;
当测试时间达到加速度异常时间,则在加速度异常时间的开始阶段对二类异常校准正常惯性导航传感器进行速度积分置零处理,并预设加速度可置零范围,在加速度异常时间内,当加速度达到加速度可置零范围,同样对二类异常校准正常惯性导航传感器进行速度积分置零处理,得到零速度更新惯性导航传感器;
当测试时间达到角速度异常时间,则在角速度异常时间的开始阶段对二类异常校准正常惯性导航传感器进行角度积分置零处理,并预设角速度可置零范围,在角速度异常时间内,当角速度达到角速度可置零范围,同样对二类异常校准正常惯性导航传感器进行角度积分置零处理,得到零角速度更新惯性导航传感器;
结合所述零速度更新惯性导航传感器和零角速度更新惯性导航传感器,构建优化惯性导航系统。
进一步的,本发明的一个较佳实施例中,所述对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化,具体为:
基于所述优化惯性导航系统,获取零速度更新惯性导航传感器对加速度的速度积分置零状态,同时获取零角速度更新惯性导航传感器对角速度的角度积分置零状态;
若速度积分置零状态或角度积分置零状态存在异常,则获取优化惯性导航系统的电路拓扑,根据所述优化惯性导航系统的电路拓扑,对优化惯性导航系统进行供电状态分析,得到优化惯性导航系统的工作电压;
分析工作电压波动频率,若存在工作电压波动频率大于预设波动频率,则将优化惯性导航系统的工作电压标定为异常工作电压,并获取异常工作电压小于标准工作电压的时间,定义为异常工作电压时间;
若异常工作电压时间在预设值范围内,则在大数据网络中检索优化惯性导航系统的电路拓扑更新方法输出,得到二次优化惯性导航系统;
分析所述异常工作电压时间,若异常工作电压时间大于预设值,则在二次优化惯性导航系统基础上,对二次优化惯性导航系统的电源进行更换处理。
进一步的,本发明的一个较佳实施例中,所述结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理,具体为:
使二次优化惯性导航系统工作,获取二次优化惯性导航系统内惯性导航传感器的实时传输数据量,预设最大传输数据量,在二次优化惯性导航系统工作过程中获取计算二次优化惯性导航系统在传输数据时产生的功耗值,定义为第一功耗值,并在大数据网络中获取第一功耗值变化范围;
若二次优化惯性导航系统的功耗值大于第一功耗值变化范围,则获取实时传输数据量大于最大传输数据量的时间段,并将对应时间段定义为传输数据量异常时间段;
在所述传输数据量异常时间段内,对传输的数据进行数据特征提取,得到特征数据,对所述特征数据进行卡尔曼滤波处理,并将卡尔曼滤波后的特征数据导入深度神经网络模型中进行精度分类,得到高精度特征数据和低精度特征数据;
获取卡尔曼滤波处理后的特征数据传输频率,二次优化惯性导航系统基于高精度特征数据和低精度特征数据分类结果,对特征数据传输频率进行智能调控,维持二次优化惯性导航系统的第一功耗值保持在第一功耗值变化范围内。
本发明第二方面还提供了一种基于智能分析的惯性导航管理系统,所述惯性导航管理系统包括存储器与处理器,所述存储器中储存有惯性导航管理方法,所述惯性导航管理方法被所述处理器执行时,实现如下步骤:
对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统;
结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统;
对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化;
结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理。
本发明解决的背景技术中存在的技术缺陷,本发明具备以下有益效果:对惯性导航传感器校准后,构建初始惯性导航系统,并使用所述初始惯性导航系统进行惯性导航测试,根据测试结果对初始惯性导航系统进行优化,得到优化惯性导航系统;对优化惯性导航系统进行电源稳定性评估,根据评估结果对惯性导航系统进行二次优化,得到二次优化惯性导航系统,最后分析二次优化惯性导航系统在传输数据时的功耗值,并对二次优化惯性导航系统进行功耗修正处理。本发明能够对惯性导航进行智能分析管理,在多方面不断对惯性导航进行优化,是惯性导航能够更准确、更节能的实现导航性能,从而实现工作效率提高的目的。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种基于智能分析的惯性导航管理方法的流程图;
图2示出了根据惯性导航测试结果构建优化惯性导航系统的方法流程图;
图3示出了一种基于智能分析的惯性导航管理系统的程序视图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了一种基于智能分析的惯性导航管理方法,包括以下步骤:
S102:对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统;
S104:结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统;
S106:对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化;
S108:结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理。
进一步的,本发明的一个较佳实施例中,所述对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统,具体为:
获取惯性导航传感器,所述惯性导航传感器中包括物体加速度传感器和物体角速度传感器,并将所述惯性导航传感器植入需要进行工作的物体内,得到目标物体;
通过所述惯性导航传感器获取目标物体在当前位置的加速度和角速度,定义为初始加速度和初始角速度;
在大数据网络中检索准确度达到标准值的测试系统,并通过所述测试系统获取目标物体在当前位置的标准加速度和标准角速度;
将目标物体的初始加速度和初始角速度与标准加速度和标准角速度进行比较分析,得到加速度初始偏差值和角速度偏差值;
分析所述加速度初始偏差值和角速度偏差值,当加速度初始偏差值和角速度偏差值中存在任意速度偏差值大于预设值,则将所述惯性导航传感器定义为校准异常惯性导航传感器;
获取测试系统的工作参数,将所述测试系统的工作参数导入校准异常惯性导航传感器内,对校准异常惯性导航传感器进行更新,得到校准正常惯性导航传感器;
基于所述校准正常惯性导航传感器和目标物体,构建初始惯性导航系统。
需要说明的是,惯性导航能通过获取目标物体的加速度和角速度并进行分析,实现确定目标物体的位置、速度及方向,起到导航的作用。对于惯性导航,在开始测试之前,需要对惯性导航进行初始化处理。所述准确度达到标准值的测试系统对惯性导航传感器起初始化作用,测试系统能对惯性导航传感器的初始数据进行校正,保证惯性导航传感器初始状态保持为标准状态。通过标准的测试系统,获取标准加速度和角速度,并结合目标物体的初始加速度和初始角速度进行分析,实现对惯性导航传感器的初始化处理,构建初始惯性导航系统。本发明能够通过标准的测试系统,确保惯性导航传感器在开始工作的时候的数值准确,并构建初始惯性导航系统。
进一步的,本发明的一个较佳实施例中,所述对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化,具体为:
基于所述优化惯性导航系统,获取零速度更新惯性导航传感器对加速度的速度积分置零状态,同时获取零角速度更新惯性导航传感器对角速度的角度积分置零状态;
若速度积分置零状态或角度积分置零状态存在异常,则获取优化惯性导航系统的电路拓扑,根据所述优化惯性导航系统的电路拓扑,对优化惯性导航系统进行供电状态分析,得到优化惯性导航系统的工作电压;
分析工作电压波动频率,若存在工作电压波动频率大于预设波动频率,则将优化惯性导航系统的工作电压标定为异常工作电压,并获取异常工作电压小于标准工作电压的时间,定义为异常工作电压时间;
若异常工作电压时间在预设值范围内,则在大数据网络中检索优化惯性导航系统的电路拓扑更新方法输出,得到二次优化惯性导航系统;
分析所述异常工作电压时间,若异常工作电压时间大于预设值,则在二次优化惯性导航系统基础上,对二次优化惯性导航系统的电源进行更换处理。
需要说明的是,速度积分置零状态或角度积分置零状态可能会存在置零效果不足,也可能在应当置零的时间点未置零,对优化惯性导航系统的导航效果造成影响。造成速度积分置零状态或角度积分置零状态异常可能是因为供电状态存在异常,导致优化惯性导航系统的工作电压异常。分析异常工作电压时间,若异常工作电压时间较短,证明可能是优化惯性导航系统的电路拓扑出现问题,比如电路中存在噪声,或者电路电压不稳定等。需要对优化惯性导航系统的电路拓扑进行修正,包括进行电源滤波、增设稳压器、增加节点等。若异常工作电压时间较长,则可能是供电电源出现问题,需要在优化惯性导航系统的电路拓扑修正前提下对供电电源进行更换,得到二次优化惯性导航系统。本发明能够通过对优化惯性导航系统的工作电压进行分析,并根据分析结果采取相应的工作电压修复处理。
进一步的,本发明的一个较佳实施例中,所述结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理,具体为:
使二次优化惯性导航系统工作,获取二次优化惯性导航系统内惯性导航传感器的实时传输数据量,预设最大传输数据量,在二次优化惯性导航系统工作过程中获取计算二次优化惯性导航系统在传输数据时产生的功耗值,定义为第一功耗值,并在大数据网络中获取第一功耗值变化范围;
若二次优化惯性导航系统的功耗值大于第一功耗值变化范围,则获取实时传输数据量大于最大传输数据量的时间段,并将对应时间段定义为传输数据量异常时间段;
在所述传输数据量异常时间段内,对传输的数据进行数据特征提取,得到特征数据,对所述特征数据进行卡尔曼滤波处理,并将卡尔曼滤波后的特征数据导入深度神经网络模型中进行精度分类,得到高精度特征数据和低精度特征数据;
获取卡尔曼滤波处理后的特征数据传输频率,二次优化惯性导航系统基于高精度特征数据和低精度特征数据分类结果,对特征数据传输频率进行智能调控,维持二次优化惯性导航系统的第一功耗值保持在第一功耗值变化范围内。
需要说明的是,二次优化惯性导航系统向控制中心实时传输数据,是工作人员能清楚获取目标物体的位置,在传输数据过程中,二次优化惯性导航系统中的传感器会产生功耗,若功耗过大,会影响二次优化惯性导航系统的准确性,所以需要对功耗值进行分析。功耗值异常的原因可能是因为数据传输量过大,二次优化惯性导航系统对数据的处理需求过高,导致功耗值增大。在传输数据量异常时间段内,对传输的数据进行特征提取能够方便对传输的书进行处理,对特征数据进行卡尔曼滤波能够对特征数据中的重复数据、无用数据进行精简处理。对特征数据进行精度分类,得到高精度特征数据和低精度特征数据的目的是动态调控传输频率,在进行高精度特征数据时需要提高传输频率,使高精度特征数据能更精准的传输;反之则降低传输频率,此举可以降低二次优化惯性导航系统的工作需求,从而降低能耗。本发明能够通过对二次优化惯性导航系统在传输数据时的功耗值进行分析,并对传输数据进行特征提取处理和传输频率调控,使二次优化惯性导航系统的第一功耗值保持在第一功耗值变化范围内。
图2示出了根据惯性导航测试结果构建优化惯性导航系统的方法流程图,包括以下步骤:
S202:获取GPS定位数据,基于所述GPS定位数据,获取测试偏移值,并对所述测试偏移值进行分析;
S204:分析目标物体内校准正常惯性导航传感器的工作温度变化情况,并基于工作温度变化情况对校准正常惯性导航传感器进行相应处理,得到优化惯性导航系统;
S206:对二类异常校准正常惯性导航传感器进行加速度与角速度分析,并基于分析结构对二类异常校准正常惯性导航传感器进行修正。
进一步的,本发明的一个较佳实施例中,所述获取GPS定位数据,基于所述GPS定位数据,获取测试偏移值,并对所述测试偏移值进行分析,具体为:
预设测试时间,基于所述初始惯性导航系统,在测试时间内对目标物体进行惯性导航测试,并在惯性导航测试过程中获取目标物体的实时位置;
在目标物体内的校准正常惯性导航传感器中安装GPS信号模块,所述GPS信号模块与初始惯性导航的控制端进行数据连接,得到GPS定位数据;
根据所述GPS定位数据,获取目标物体的实时标准位置,计算目标物体的实时位置和实时标准位置之间的偏移值,定义为测试偏移值;
若在测试时间内,测试偏移值均保持在在预设偏移值范围内,则将初始惯性导航系统标定为优化惯性导航系统。
需要说明的是,对惯性导航系统进行管理可以结合GPS定位,实现惯性导航系统的设置,因为GPS定位数据能精确获取目标物体的实时标准位置。通过惯性导航测试获取目标物体实时位置后,与目标物体的实时标准位置进行测试偏移值分析,若在测试时间内,测试偏移值保持在预设偏移值范围内,证明当前惯性导航系统的导航准确性正常。本发明能够通过GPS定位于惯性导航系统测试结合,分析惯性导航系统的导航准确性。
进一步的,本发明的一个较佳实施例中,所述分析目标物体内校准正常惯性导航传感器的工作温度变化情况,并基于工作温度变化情况对校准正常惯性导航传感器进行相应处理,得到优化惯性导航系统,具体为:
若在测试时间内,存在任意时间段内测试偏移值大于预设偏移值,则在所述目标物体中安装温度传感器,获取目标物体的工作温度;
在惯性导航测试过程中分析目标物体内校准正常惯性导航传感器的工作温度变化情况,获取校准正常惯性导航传感器在工作温度正常情况下的测试偏移值以及工作温度异常情况下的测试偏移值;
当校准正常惯性导航传感器在工作温度正常情况下不存在测试偏移值大于预设偏移值,且工作温度异常情况下测试偏移值大于预设偏移值,则将校准正常惯性导航传感器定义为一类异常校准正常惯性导航传感器;
在一类异常校准正常惯性导航传感器中内置温度补偿传感器,所述温度补偿传感器根据环境温度变化情况,对温度补偿传感器的工作温度进行实时温度补偿,维持温度补偿传感器的工作温度在标准范围内;
将进行温度补偿后的一类异常校准正常惯性导航传感器定义为优化惯性导航传感器,基于所述优化惯性导航传感器构建优化惯性导航系统;
当校准正常惯性导航传感器在工作温度正常情况下测试偏移值大于预设偏移值,则将校准正常惯性导航传感器定义为二类异常校准正常惯性导航传感器。
需要说明的是,若测试时间内存在任意时间段测试偏移值较大,则在测试时间内惯性导航系统出现问题,需要对问题进行分析处理。惯性导航系统工作温度过高可能会影响导航准确性。分析校准正常惯性导航传感器工作温度,若测试偏移值只在工作温度异常情况下异常,则校准正常惯性导航传感器的性能会受工作温度影响。而需要对校准正常惯性导航传感器进行温度补偿,保证校准正常惯性导航传感器的工作温度维持在正常水平下,构建优化惯性导航系统。若测试偏移值在工作温度正常情况下也出现异常,则证明校准正常惯性导航传感器的性能可能不止受工作温度影响。本发明能够通过分析校准正常惯性导航传感器的工作温度,从而分析校准正常惯性导航传感器的性能,并对校准正常惯性导航传感器使用温度补偿,保证校准正常惯性导航传感器的性能稳定。
进一步的,本发明的一个较佳实施例中,所述对二类异常校准正常惯性导航传感器进行加速度与角速度分析,并基于分析结构对二类异常校准正常惯性导航传感器进行修正,具体为:
在测试时间内,基于所述二类异常校准正常惯性导航传感器获取目标物体的测量加速度及测量角速度,并在基于目标物体的实时加速度及实时角速度构建目标物体的测量加速度变化曲线和测量角速度变化曲线;
基于所述目标物体的实时标准位置,获取在测试时间内目标物体的位移参数及速度参数,基于测试时间内目标物体的位移参数及速度参数计算目标物体的实际加速度及实际角速度,并基于所述目标物体的实际加速度及实际角速度构建目标物体的实际加速度变化曲线和实际角速度变化曲线;
对所述测量加速度变化曲线、测量角速度变化曲线和实际加速度变化曲线、实际角速度变化曲线进行分类分析,获取加速度偏差值和角速度偏差值,获取加速度偏差值和角速度偏差值大于预设值的测试时间,分别定义为加速度异常时间和角速度异常时间;
当测试时间达到加速度异常时间,则在加速度异常时间的开始阶段对二类异常校准正常惯性导航传感器进行速度积分置零处理,并预设加速度可置零范围,在加速度异常时间内,当加速度达到加速度可置零范围,同样对二类异常校准正常惯性导航传感器进行速度积分置零处理,得到零速度更新惯性导航传感器;
当测试时间达到角速度异常时间,则在角速度异常时间的开始阶段对二类异常校准正常惯性导航传感器进行角度积分置零处理,并预设角速度可置零范围,在角速度异常时间内,当角速度达到角速度可置零范围,同样对二类异常校准正常惯性导航传感器进行角度积分置零处理,得到零角速度更新惯性导航传感器;
结合所述零速度更新惯性导航传感器和零角速度更新惯性导航传感器,构建优化惯性导航系统。
需要说明的是,若校准正常惯性导航传感器的性能不止受温度影响,则可能是在导航过程中,由于传感器测量误差和累积误差等因素导致的位置、速度或姿态信息逐渐偏离真实值,这种现象称为惯性导航漂移。解决惯性导航漂移,可以通过零速度更新和领教速度更新解决。零速度更新即为在惯性导航系统静止不动时,将速度积分置零,减小漂移带来的影响。同理,零角速度更新即为在惯性导航系统静止不动时,将角速度积分置零,减小漂移带来的影响。置零时间点可以选择在测试时间达到加速度异常时间和角速度异常时间的开始阶段,对加速度和角速度进行积分置零。同时,在加速度异常时间和角速度异常时间中,若检测出加速度和角速度接近零,也需要对加速度和角速度进行积分置零,从而实现惯性导航传感器的零速度更新和零角速度更新。本发明能够通过在相应时间内对惯性导航传感器进行零速度更新和零角速度更新,提高惯性导航系统导航性能的准确性。
此外,所述一种基于智能分析的惯性导航管理方法,还包括以下步骤:
在GPS信号模块工作期间,获取GPS信号频率,并基于所述GPS信号频率,获取GPS信号频率幅值和GPS信号频率波动情况;
预设GPS信号标准频率范围,若GPS信号频率幅值大于所述GPS信号标准频率范围,则将所述GPS信号模块定义为异常GPS信号模块;
若GPS信号频率幅值在所述GPS信号标准频率范围内,则获取GPS信号频率标准波动情况,并计算GPS信号频率波动情况和GPS信号频率标准波动情况之间的偏差率,若GPS信号频率波动情况和GPS信号频率标准波动情况之间的偏差率在预设范围内,则将GPS信号模块定义为正常GPS信号模块;
若GPS信号频率波动情况和GPS信号频率标准波动情况之间的偏差率不在预设范围内,则将所述GPS信号模块定义为异常GPS信号模块;
当惯性导航传感器中的GPS信号模块为异常GPS信号模块,则将所述异常GPS信号模块关闭,并将惯性导航传感器检测的数据与其他传感器检测的数据进行数据融合,得到融合数据,并基于所述融合数据获取目标物体的当前位置;
基于大数据网络检索异常GPS信号模块的修复方法并输出,得到修复后的GPS信号模块,并通过修复后的GPS信号模块获取目标物体的当前标准位置;
分析目标物体的当前位置和当前标准位置的偏差值,若目标物体的当前位置和当前标准位置的偏差值在预设值范围内,则将修复后的GPS信号模块关闭,直接使用融合数据定位目标物体位置;
若目标物体的当前位置和当前标准位置的偏差值大于预设值,则继续使用修复后的GPS信号模块辅助惯性导航传感器进行目标物体位置定位。
需要说明的是,GPS信号模块在工作期间可能因为温度等原因,出现缺陷,导致GPS信号的频率幅值过高或者过低,亦或是GPS信号频率的波动速率较快,导致GPS信号不准,从而对惯性导航系统的辅助效果降低。需要对GPS信号模型进行相应的修复,并在修复过程中将惯性导航传感器与其他传感器进行数据融合。所述其他传感器包括磁力计,用于检测地球磁场,从而提供目标物体方向信息;视觉传感器,获取周围环境的视觉信息进行分析等。将惯性导航传感器与其他传感器进行数据融合后得到融合数据能减小对GPS信号的依赖,提高系统的鲁棒性。若融合数据得到的目标物体位置与GPS信号模块得到的目标物体位置偏差值较小,则不需要再使用GPS木块对惯性导航系统进行辅助定位,反之则需要。本发明能够通过对GPS模块进行缺陷检测修复,并使用其他传感器与惯性导航传感器进行数据融合,得到目标物体位置,判断GPS模块是否应该继续对惯性导航系统进行辅助定位。
此外,所述一种基于智能分析的惯性导航管理方法,还包括以下步骤:
若在使用融合数据后仍需使用修复后的GPS信号模块辅助惯性导航传感器进行目标物体位置定位,则将融合数据标定为异常融合数据;
获取所述异常融合数据的源数据,并对各种源数据进行分析,获取源数据的采样率及对应传感器提供的数据时间戳,若各种源数据的采样率不一致,则需要对传感器提供的数据时间戳进行分析,若传感器提供的数据时间戳不一致,则通过时间同步技术使各种传感器的数据时间戳保持一致性,并在一致相同的数据时间戳基础上对各种源数据进行插值采样处理,保持各种源数据的采样率一致;
将采样率保持一致的源数据进行融合,得到待检测融合数据,预设时延测试时间,在时延测试时间内,获取待检测融合数据的各种源数据的时延信息频率,若待检测融合数据的各种源数据的时延信息频率之间的偏差值在预设值范围内,则将待检测融合数据定义为最终融合数据并输出;
若待检测融合数据的各种源数据的时延信息频率之间的偏差值大于预设值,则获取待检测融合数据的各种源数据的数据传输通道,定义为源数据传输通道;
获取各条源数据传输通道的通道长度及信号因子通过率,并将各条源数据传输通道的通道长度及信号因子通过率及导入深度神经网络中进行预测,得到各条源数据传输通道在时延测试时间内的信号因子通过量;
基于所述各条源数据传输通道在时延测试时间内的信号因子通过量,在各种源数据的采集传感器中均加入滤波模块,所述滤波模块控制各条源数据传输通道的信号因子通过量,保持待检测融合数据的各种源数据的时延信息频率之间的偏差值在预设值范围内。
需要说明的是,数据融合过程中源数据的融合可能出现问题,可能是由于始终漂移导致各传感器的时间戳不一致,导致传感器的采样率也不一致,影响数据融合的效率及效果。需要对融合数据进行相应的处理,得到待检测融合数据。源数据在数据传输过程中可能因为各种原因,例如温度、传感器响应时间、硬件延迟等,导致产生时延性不同的情况。需要保持待检测融合数据的各种源数据的时延信息频率之间的偏差值在预设值范围内。通过对源数据传输通道的信号长度及信号因子通过率进行分析,并保持在相等时间内信号因子通过量相同,实现对各种源数据时延信息频率的调控,通过滤波模块在数据传输过程中对数据进行滤波即可实现。本发明能够通过对数据融合过程中可能存在的数据融合不匹配及时延信息不同进行分析并处理,使融合数据能更准确的作用在惯性导航系统中。
如图3所示,本发明第二方面还提供了一种基于智能分析的惯性导航管理系统,所述惯性导航管理系统包括存储器31与处理器32,所述存储器31中储存有惯性导航管理方法,所述惯性导航管理方法被所述处理器32执行时,实现如下步骤:
对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统;
结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统;
对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化;
结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例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中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于智能分析的惯性导航管理方法,其特征在于,包括以下步骤:
对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统;
结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统;
对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化;
结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理。
2.根据权利要求1中所述的一种基于智能分析的惯性导航管理方法,其特征在于,所述对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统,具体为:
获取惯性导航传感器,所述惯性导航传感器中包括物体加速度传感器和物体角速度传感器,并将所述惯性导航传感器植入需要进行工作的物体内,得到目标物体;
通过所述惯性导航传感器获取目标物体在当前位置的加速度和角速度,定义为初始加速度和初始角速度;
在大数据网络中检索准确度达到标准值的测试系统,并通过所述测试系统获取目标物体在当前位置的标准加速度和标准角速度;
将目标物体的初始加速度和初始角速度与标准加速度和标准角速度进行比较分析,得到加速度初始偏差值和角速度偏差值;
分析所述加速度初始偏差值和角速度偏差值,当加速度初始偏差值和角速度偏差值中存在任意速度偏差值大于预设值,则将所述惯性导航传感器定义为校准异常惯性导航传感器;
获取测试系统的工作参数,将所述测试系统的工作参数导入校准异常惯性导航传感器内,对校准异常惯性导航传感器进行更新,得到校准正常惯性导航传感器;
基于所述校准正常惯性导航传感器和目标物体,构建初始惯性导航系统。
3.根据权利要求1中所述的一种基于智能分析的惯性导航管理方法,其特征在于,所述结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统,具体为:
预设测试时间,基于所述初始惯性导航系统,在测试时间内对目标物体进行惯性导航测试,并在惯性导航测试过程中获取目标物体的实时位置;
在目标物体内的校准正常惯性导航传感器中安装GPS信号模块,所述GPS信号模块与初始惯性导航的控制端进行数据连接,得到GPS定位数据;
根据所述GPS定位数据,获取目标物体的实时标准位置,计算目标物体的实时位置和实时标准位置之间的偏移值,定义为测试偏移值;
若在测试时间内,测试偏移值均保持在在预设偏移值范围内,则将初始惯性导航系统标定为优化惯性导航系统;
若在测试时间内,存在任意时间段内测试偏移值大于预设偏移值,则在所述目标物体中安装温度传感器,获取目标物体的工作温度;
在惯性导航测试过程中分析目标物体内校准正常惯性导航传感器的工作温度变化情况,获取校准正常惯性导航传感器在工作温度正常情况下的测试偏移值以及工作温度异常情况下的测试偏移值;
当校准正常惯性导航传感器在工作温度正常情况下不存在测试偏移值大于预设偏移值,且工作温度异常情况下测试偏移值大于预设偏移值,则将校准正常惯性导航传感器定义为一类异常校准正常惯性导航传感器;
在一类异常校准正常惯性导航传感器中内置温度补偿传感器,所述温度补偿传感器根据环境温度变化情况,对温度补偿传感器的工作温度进行实时温度补偿,维持温度补偿传感器的工作温度在标准范围内;
将进行温度补偿后的一类异常校准正常惯性导航传感器定义为优化惯性导航传感器,基于所述优化惯性导航传感器构建优化惯性导航系统;
当校准正常惯性导航传感器在工作温度正常情况下测试偏移值大于预设偏移值,则将校准正常惯性导航传感器定义为二类异常校准正常惯性导航传感器;
对二类异常校准正常惯性导航传感器进行加速度与角速度分析,并基于分析结构对二类异常校准正常惯性导航传感器进行修正。
4.根据权利要求3中所述的一种基于智能分析的惯性导航管理方法,其特征在于,所述对二类异常校准正常惯性导航传感器进行加速度与角速度分析,并基于分析结构对二类异常校准正常惯性导航传感器进行修正,具体为:
在测试时间内,基于所述二类异常校准正常惯性导航传感器获取目标物体的测量加速度及测量角速度,并在基于目标物体的实时加速度及实时角速度构建目标物体的测量加速度变化曲线和测量角速度变化曲线;
基于所述目标物体的实时标准位置,获取在测试时间内目标物体的位移参数及速度参数,基于测试时间内目标物体的位移参数及速度参数计算目标物体的实际加速度及实际角速度,并基于所述目标物体的实际加速度及实际角速度构建目标物体的实际加速度变化曲线和实际角速度变化曲线;
对所述测量加速度变化曲线、测量角速度变化曲线和实际加速度变化曲线、实际角速度变化曲线进行分类分析,获取加速度偏差值和角速度偏差值,获取加速度偏差值和角速度偏差值大于预设值的测试时间,分别定义为加速度异常时间和角速度异常时间;
当测试时间达到加速度异常时间,则在加速度异常时间的开始阶段对二类异常校准正常惯性导航传感器进行速度积分置零处理,并预设加速度可置零范围,在加速度异常时间内,当加速度达到加速度可置零范围,同样对二类异常校准正常惯性导航传感器进行速度积分置零处理,得到零速度更新惯性导航传感器;
当测试时间达到角速度异常时间,则在角速度异常时间的开始阶段对二类异常校准正常惯性导航传感器进行角度积分置零处理,并预设角速度可置零范围,在角速度异常时间内,当角速度达到角速度可置零范围,同样对二类异常校准正常惯性导航传感器进行角度积分置零处理,得到零角速度更新惯性导航传感器;
结合所述零速度更新惯性导航传感器和零角速度更新惯性导航传感器,构建优化惯性导航系统。
5.根据权利要求1中所述的一种基于智能分析的惯性导航管理方法,其特征在于,所述对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化,具体为:
基于所述优化惯性导航系统,获取零速度更新惯性导航传感器对加速度的速度积分置零状态,同时获取零角速度更新惯性导航传感器对角速度的角度积分置零状态;
若速度积分置零状态或角度积分置零状态存在异常,则获取优化惯性导航系统的电路拓扑,根据所述优化惯性导航系统的电路拓扑,对优化惯性导航系统进行供电状态分析,得到优化惯性导航系统的工作电压;
分析工作电压波动频率,若存在工作电压波动频率大于预设波动频率,则将优化惯性导航系统的工作电压标定为异常工作电压,并获取异常工作电压小于标准工作电压的时间,定义为异常工作电压时间;
若异常工作电压时间在预设值范围内,则在大数据网络中检索优化惯性导航系统的电路拓扑更新方法输出,得到二次优化惯性导航系统;
分析所述异常工作电压时间,若异常工作电压时间大于预设值,则在二次优化惯性导航系统基础上,对二次优化惯性导航系统的电源进行更换处理。
6.根据权利要求1中所述的一种基于智能分析的惯性导航管理方法,其特征在于,所述结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理,具体为:
使二次优化惯性导航系统工作,获取二次优化惯性导航系统内惯性导航传感器的实时传输数据量,预设最大传输数据量,在二次优化惯性导航系统工作过程中获取计算二次优化惯性导航系统在传输数据时产生的功耗值,定义为第一功耗值,并在大数据网络中获取第一功耗值变化范围;
若二次优化惯性导航系统的功耗值大于第一功耗值变化范围,则获取实时传输数据量大于最大传输数据量的时间段,并将对应时间段定义为传输数据量异常时间段;
在所述传输数据量异常时间段内,对传输的数据进行数据特征提取,得到特征数据,对所述特征数据进行卡尔曼滤波处理,并将卡尔曼滤波后的特征数据导入深度神经网络模型中进行精度分类,得到高精度特征数据和低精度特征数据;
获取卡尔曼滤波处理后的特征数据传输频率,二次优化惯性导航系统基于高精度特征数据和低精度特征数据分类结果,对特征数据传输频率进行智能调控,维持二次优化惯性导航系统的第一功耗值保持在第一功耗值变化范围内。
7.一种基于智能分析的惯性导航管理系统,其特征在于,所述惯性导航管理系统包括存储器与处理器,所述存储器中储存有惯性导航管理方法,所述惯性导航管理方法被所述处理器执行时,实现如下步骤:
对惯性导航传感器进行校准,并基于校准后的惯性导航传感器构建初始惯性导航系统;
结合目标物体所在位置的环境情况,对目标物体进行惯性导航测试,得到惯性导航测试结果,根据所述惯性导航测试结果构建优化惯性导航系统;
对优化惯性导航系统的电源进行稳定性评估,得到稳定性评估结果,并基于稳定性评估结果对优化惯性导航系统进行二次优化;
结合二次优化惯性导航系统的实时传输数据量,计算二次优化惯性导航系统的第一功耗值,对第一功耗值进行分析溯源,并对二次优化惯性导航系统进行功耗修正处理。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含一种基于智能分析的惯性导航管理方法程序,所述一种基于智能分析的惯性导航管理方法程序被处理器执行时,实现权利要求1-6任一项所述的一种基于智能分析的惯性导航管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311719672.3A CN117405145B (zh) | 2023-12-14 | 2023-12-14 | 一种基于智能分析的惯性导航管理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311719672.3A CN117405145B (zh) | 2023-12-14 | 2023-12-14 | 一种基于智能分析的惯性导航管理方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117405145A true CN117405145A (zh) | 2024-01-16 |
CN117405145B CN117405145B (zh) | 2024-02-20 |
Family
ID=89498372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311719672.3A Active CN117405145B (zh) | 2023-12-14 | 2023-12-14 | 一种基于智能分析的惯性导航管理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117405145B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324583A (zh) * | 2013-07-02 | 2013-09-25 | 浙江大学 | 一种光纤陀螺离线高速数据采集方法 |
US20150149104A1 (en) * | 2013-11-22 | 2015-05-28 | John Baker | Motion Tracking Solutions Using a Self Correcting Three Sensor Architecture |
CN111522034A (zh) * | 2020-04-23 | 2020-08-11 | 海能达通信股份有限公司 | 基于惯性导航的定位方法、设备及装置 |
CN111736194A (zh) * | 2020-07-06 | 2020-10-02 | 广州导远电子科技有限公司 | 组合惯性导航系统及导航数据处理方法 |
CN113252048A (zh) * | 2021-05-12 | 2021-08-13 | 高新兴物联科技有限公司 | 一种导航定位方法、导航定位系统及计算机可读存储介质 |
CN115164935A (zh) * | 2022-06-24 | 2022-10-11 | 国川智能装备(深圳)有限公司 | 一种惯性导航标定设备的控制装置及其控制方法 |
CN115752516A (zh) * | 2022-12-08 | 2023-03-07 | 武汉华中天易星惯科技有限公司 | 一种基于激光陀螺的惯性导航设备故障检测方法 |
CN116380119A (zh) * | 2021-12-24 | 2023-07-04 | 中国电信股份有限公司 | 组合导航的校准方法、装置和系统 |
CN116519021A (zh) * | 2023-06-29 | 2023-08-01 | 西北工业大学 | 一种惯性导航系统故障诊断方法、系统及设备 |
-
2023
- 2023-12-14 CN CN202311719672.3A patent/CN117405145B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324583A (zh) * | 2013-07-02 | 2013-09-25 | 浙江大学 | 一种光纤陀螺离线高速数据采集方法 |
US20150149104A1 (en) * | 2013-11-22 | 2015-05-28 | John Baker | Motion Tracking Solutions Using a Self Correcting Three Sensor Architecture |
CN111522034A (zh) * | 2020-04-23 | 2020-08-11 | 海能达通信股份有限公司 | 基于惯性导航的定位方法、设备及装置 |
CN111736194A (zh) * | 2020-07-06 | 2020-10-02 | 广州导远电子科技有限公司 | 组合惯性导航系统及导航数据处理方法 |
CN113252048A (zh) * | 2021-05-12 | 2021-08-13 | 高新兴物联科技有限公司 | 一种导航定位方法、导航定位系统及计算机可读存储介质 |
CN116380119A (zh) * | 2021-12-24 | 2023-07-04 | 中国电信股份有限公司 | 组合导航的校准方法、装置和系统 |
CN115164935A (zh) * | 2022-06-24 | 2022-10-11 | 国川智能装备(深圳)有限公司 | 一种惯性导航标定设备的控制装置及其控制方法 |
CN115752516A (zh) * | 2022-12-08 | 2023-03-07 | 武汉华中天易星惯科技有限公司 | 一种基于激光陀螺的惯性导航设备故障检测方法 |
CN116519021A (zh) * | 2023-06-29 | 2023-08-01 | 西北工业大学 | 一种惯性导航系统故障诊断方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117405145B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102135420B (zh) | 一种提高光纤陀螺仪角位移测量精度的方法 | |
CN110018275A (zh) | 一种带补偿功能的气体探测器和补偿方法 | |
CN105352487A (zh) | 一种姿态测量系统的精度校准方法 | |
CN110388952B (zh) | 用于在线测量仪器的验证、校准和/或调整的设备和方法 | |
KR101106048B1 (ko) | 센서오차의 작동 중 자동교정 방법과 이를 이용한 관성항법장치 | |
CN117109637B (zh) | 一种半球谐振陀螺仪的温漂误差修正补偿方法 | |
CN105675015A (zh) | 一种微机械陀螺仪零偏自动消除方法 | |
CN108614071B (zh) | 分布式室外大气质量监测精度校正系统及参数更新方法 | |
CN114166221B (zh) | 动态复杂矿井环境中辅助运输机器人定位方法及系统 | |
CN113137976A (zh) | 惯导系统定位性能评估方法、装置、设备和存储介质 | |
CN111998919A (zh) | 燃气表校准方法及装置 | |
CN204461354U (zh) | 一种激光测距机光轴检测系统 | |
CN112985692B (zh) | 一种融合多项式与学习模型的气压传感器误差标校方法 | |
CN117405145B (zh) | 一种基于智能分析的惯性导航管理方法、系统及存储介质 | |
CN112710375A (zh) | 具有称重传感器的设备零点参数调整方法及存储介质 | |
CN116067398B (zh) | 基于光纤陀螺标度因数的不对称性补偿方法及系统 | |
CN113203429A (zh) | 一种陀螺仪温度漂移误差的在线估计及补偿方法 | |
JP2021051060A (ja) | 計測装置 | |
CN108871309B (zh) | 一种光纤陀螺的跨条纹修正方法 | |
CN107575211B (zh) | 一种抽油机示功仪的在线标定方法 | |
CN103592093B (zh) | 消防车臂架末端振动测量设备、方法、系统、以及消防车 | |
CN111043960B (zh) | 一种基于激光传感的大型高速回转装备误差测量及分离方法 | |
CN112525219B (zh) | 一种光纤陀螺启动时间的判定方法及系统 | |
CN104101418A (zh) | 一种电子分析天平微量加载与漂移判别方法 | |
CN116817759B (zh) | 光栅尺及其测量方法、系统 |
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 |