CN117622380B - 一种无人艇载设备晃动补偿结构及方法 - Google Patents
一种无人艇载设备晃动补偿结构及方法 Download PDFInfo
- Publication number
- CN117622380B CN117622380B CN202311606918.6A CN202311606918A CN117622380B CN 117622380 B CN117622380 B CN 117622380B CN 202311606918 A CN202311606918 A CN 202311606918A CN 117622380 B CN117622380 B CN 117622380B
- Authority
- CN
- China
- Prior art keywords
- compensation
- model
- telescopic rod
- laser
- 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 31
- 230000033001 locomotion Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000006073 displacement reaction Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000002452 interceptive effect Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000001681 protective effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims 2
- 239000011435 rock Substances 0.000 claims 1
- 238000012937 correction Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000486463 Eugraphe sigma Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B17/00—Vessels parts, details, or accessories, not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
- G01C19/58—Turn-sensitive devices without moving masses
- G01C19/64—Gyrometers using the Sagnac effect, i.e. rotation-induced shifts between counter-rotating electromagnetic beams
- G01C19/66—Ring laser gyrometers
- G01C19/661—Ring laser gyrometers details
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B17/00—Vessels parts, details, or accessories, not otherwise provided for
- B63B2017/0072—Seaway compensators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
- B63B2035/006—Unmanned surface vessels, e.g. remotely controlled
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Ocean & Marine Engineering (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Electromagnetism (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种无人艇载设备晃动补偿结构及方法,属于海面目标探测领域。为了解决现有无人艇因海面浪涌晃动导致位姿误差大、矫正难,海浪起伏背景下无人艇载设备数据失真的问题。利用激光发射器、接收器、转子陀螺等,实现对晃动条件下平台中心光斑数据获取,进一步分析不同海浪、风速风力条件下的三维度运动数据,拟合三自由度曲线,进行下一时间点激光斑点预测,以实现对无人艇姿态的预测、矫正,并进一步利用连杆控制装置,带动电机实现对平台的稳健补偿。能够抵抗1~3级海况海浪晃动干扰的效果,大大缩减无人艇载设备的调试时间,增强雷达数据处理的稳健性和跟踪、探测精度,具有较广阔的市场前景。
Description
技术领域
本发明涉及海面目标探测技术领域,具体而言,涉及一种无人艇载设备晃动补偿结构及方法。
背景技术
随着机器人研究的普及,无人化设备越来越受欢迎,无人艇作为水面智能化平台,无论是在水质监测、水文监测、地形测绘,还是在海关缉私、海面搜救、军事打击等领域都将有极大的应用前景。无人艇作为一种有动力、可控制、能携带多种任务设备、执行多种任务并能重复使用的设备,可广泛应用于监测,侦查等领域。
在利用无人艇进行监测时,需要其载有光学摄像头、雷达等设备,但由于其特殊的海面环境,即海面浪涌晃动,会致使位姿误差大、矫正难,造成海浪起伏背景下无人艇载设备数据失真现象的问题。目前,现有专利多聚焦于波浪补偿装置机构设计,如一种多自由度波浪补偿并联平台及工作方法(专利号:CN202310170678.3)、一种具有波浪补偿功能的船用实验平台(专利号:CN202210262421.6)和一种六自由度波浪补偿平台(专利号:CN201810108376.2),上述现有专利为了保证获取到的设备数据准确,主要利用防抖平台来进行补偿,但其机械补偿能力有限,且忽视不同海浪、风速风力条件下的三维度运动数据内在关系,同时也忽视数据处理方法对于位姿补偿的重要性,导致不同海况背景下平稳装置应对能力有限,多自由度数据间的内在关系难以兼顾考虑。
发明内容
本发明要解决的技术问题是:
为了解决现有无人艇因海面浪涌晃动导致位姿误差大、矫正难,海浪起伏背景下无人艇载设备数据失真的问题。
本发明为解决上述技术问题所采用的技术方案:
本发明提供了一种无人艇载设备晃动补偿设备,包括机械补偿结构和平稳监测系统,
所述机械补偿结构包括伸缩杆、位移控制器、上摆台、下底台和虎克铰;所述上摆台和下底台的形状相似或相同,所述上摆台与下底台之间通过三组伸缩杆组连接,每组伸缩杆组均包括至少一个伸缩杆,每个伸缩杆的两端分别与上摆台和下底台之间通过虎克铰连接,每个伸缩杆上均设有位移控制器,每组伸缩杆组分别位于上摆台和下底台的三个角处;
所述平稳监测系统包括补偿处理器、转子陀螺、激光发射器、激光接收器;所述下底台的上表面中心处设有中心凹陷区,所述转子陀螺设置在中心凹陷区处,所述转子陀螺的顶部设有激光发射器,所述上摆台的底面中心处设有激光接收器,上摆台的上表面设有补偿处理器,所述激光接收器与补偿处理器通过无线连接。
进一步地,所述转子陀螺包括上方的圆柱形陀螺主体和下方的圆锥形底部,所述圆锥形底部设置在中心凹陷区的中心处;还包括保护罩,所述保护罩设置在转子陀螺的外部,所述保护罩为透明保护罩。
进一步地,所述激光接收器包括激光接收区、光斑识别感应器和数据处理器;所述激光接收区为环形区域,当光斑照射到接收区时,所述光斑识别感应器识别到光斑的坐标信息,即方位角和位移量;所述数据处理器通过计算光斑偏移接收区中心的距离和方向来获取平台整体结构的倾斜信息,若倾斜角超过°阈值则发出警报,若小于°则通过UDP传输网线将倾斜信息发送到补偿处理器。
进一步地,所述补偿处理器为高性能低功耗DSP芯片,用于接收和处理激光接收器的信息,并命令机械补偿结构实现平稳补偿运动。
一种无人艇载设备晃动补偿方法,包括以下步骤:
步骤一、平稳监测系统的转子陀螺开始高速旋转,达到平衡之后,即转子陀螺处于水平平稳自转的状态,激光发射器发射激光照射到激光接收区,激光接收器的光斑识别感应器根据光斑的位置得到光斑偏移接收区中心的方向和距离;激光接收器的数据处理器根据偏移信息计算得到平面倾斜的方位角和倾斜角信息,判断倾斜角是否超过阈值,若超出阈值则发出警报,若未超阈值则通过UDP传输网线将倾斜信息发送到补偿处理器;
步骤二、补偿处理器接收到平稳监测系统的倾斜数据后,先采集一定时长的数据用以获取晃动规律,再将数据由方位角和倾斜角分解为上摆台倾斜最低点的三维坐标信息,之后拟合成三自由度晃动曲线,作为卡尔曼滤波的模型参数;
步骤三、补偿处理器分别对平台倾斜晃动最低点的三个坐标值进行改进后的卡尔曼滤波处理,预测下一时刻平台的姿态,依据预测的数据生成补偿运动命令,每次补偿幅度为倾斜幅度的1/2,最后通过UDP传输网线将命令发送到机械补偿结构的位移控制器;
步骤四、机械补偿结构的位移控制器接收到预测数据后,通过内置的运动控制分解算法,将运动信息分解给六个伸缩杆,每一个伸缩杆伸长或收缩,六个伸缩杆组合运动完成晃动补偿,多次补偿后,最终使上摆台结构趋于平稳,完成补偿。
进一步地,在步骤一中,所述平稳监测系统通过激光接收区的光斑位置获取平台结构的姿态信息,当上摆台倾斜时,高速旋转的转子陀螺始终保持竖直,此时上摆台与水平方向的夹角和转子陀螺与竖直方向的夹角相等,根据三角函数关系,由光斑距离接收区中心的距离就可以计算出倾斜的角度a,公式如下:
a+b=90° (1)
a=arctan(d/h) (2)
其中,b为激光与上摆台夹角,d为光斑距离接收区中心的距离,h为激光发射器与激光接收区中心的距离;
当光斑识别感应器得到方位角和距离后,由数据处理器通过计算得到倾斜角,最后进行晃动数据的整合发送到补偿处理器。
进一步地,在步骤二中,由方位角和倾斜角分解为上摆台倾斜最低点的三维坐标信息是指以接收区中心为原点建立三维坐标系,根据方位角分解为x、y轴的分量,倾斜角分解为z轴分量:
x=r sinθ (3)
y=r cosθ (4)
z=r sin a (5)
其中,r为倾斜点到中心的距离,θ为方位角。
进一步地,在步骤三中,所述补偿处理器分别对平台倾斜晃动最低点的三个坐标进行改进后的卡尔曼滤波处理,即分别对三维度数据进行交互式多模型卡尔曼滤波来预测下一时刻平台的姿态信息;
所述交互式多模型的数学模型如下:
在交互式多模型算法中设置2个运动模型,包括线性卡尔曼滤波和非线性卡尔曼滤波处理,状态方程如下:
其中,Xk+1为系统的状态向量,j表示任意运动模型,Aj为目标的状态转移矩阵,为均值为0,协方差为Qj的高斯白噪声;
任意模型j的观测方程为:
其中,Zk+1为X测量向量,Hj为模型j的观测矩阵,为均值为0,协方差为Rj的白噪声矩阵;
所述交互式多模型算法的步骤如下:
S1、交互输入:在k-1时刻,模型j的状态最优估值为和估计协方差矩阵为/>假设/>为模型/>在时间点k时,用来预测当前时间点来自各个模型以一定比例混合的状态值,同时/>和/>为k时刻模型j交互后的初始条件,计算如下:
其中,为模型i到j的相关性系数;
S2、滤波器的滤波:交互式多模型采用多个不同参数的预测卡尔曼框架,分别对应每条自由度曲线,k-1时刻j模型输入为和/>预测过程与单模型卡尔曼滤波算法类似,IMM算法的卡尔曼滤波过程如下:
一次预测方程:
预测协方差矩阵:
卡尔曼滤波增益:
k时刻对应单个模型滤波器输出的系统状态估计:
k时刻对应单个模型滤波器输出的协方差估计:
其中,I为单位矩阵;
S3、模型概率更新:采用极大似然估计实现模型更新,通过计算当前模型和当前目标状态的相似度来给出当前最合适的预测模型所占权重,包括:
在k时刻模型j的最匹配的极大似然函数为:
测量误差协方差矩阵为:
测量误差为:
模型j的更新概率为:
其中,pij为模型i到j的转移概率,c为归一化常数:
S4、新的融合数据:根据每个模型单独计算的预测结果和模型匹配的权重给出k时刻交互数据的最终输出结果:
总体估计值:
总体协方差:
进一步地,所述非线性卡尔曼滤波为无迹卡尔曼滤波,其算法步骤为:
S1、获取上述状态方程(6)与观测方程(7);
S2、获取2n+1个采样组合及其权值;
其中,n为需要估计的参数数量;λ=α2(n+κ)-n,是缩放比例因子,α∈(0,1],用于控制高阶项的影响,κ≥0,κ的取值保证矩阵(n+λ)p为半正定矩阵;表示矩阵方根的第i列,其中P指的是当前状态的协方差矩阵;
S3、把2n+1个点带进状态方程(6),获得这些点的k+1步估计;
S4、根据估计结果,首先计算权值;
其中,m代表均值,c表示协方差,上标为第几个采样点,β为状态分布参数,β≥0;
S5、根据估计结果,计算系统状态量的k+1步估计均值和协方差矩阵;
S6、将上述结果带入到卡尔曼滤波中,获得无迹卡尔曼滤波结果。
进一步地,在步骤四中,每组伸缩杆组均包括两个伸缩杆,所述机械补偿结构的位移控制器接收到补偿处理器的补偿命令后,采用内置的受力分解算法将上摆台晃动补偿运动分解到六个伸缩杆上进行各自的伸缩运动,每个伸缩杆承担对应的分力,最终使上摆台结构趋于平稳,分解算法如下:
设各伸缩杆的上支点坐标为:
PAi(xai,yai,zai)
上支点质心坐标为:
PA0(xa0,ya0,za0)
各伸缩杆的下支点坐标为:
PBi(xbi,ybi,zbi)
各个伸缩杆的受力可分解为X、Y、Z三个方向上,所有力在三个方向是平衡的,各个伸缩杆的作用力为Fi(i=1,2,…,6),m为总质量,g为重力加速度;
第i个伸缩杆的Z轴分力为:
第i个伸缩杆的X轴分力为:
第i个伸缩杆的Y轴分力为:
根据X、Y、Z轴方向上力受力平衡:
根据横滚的力矩平衡条件:
根据俯仰的力矩平衡条件:
根据偏航的力矩平衡条件:
由公式(27)~(35),可求出各伸缩杆的实际受力情况;
各伸缩杆的长度可由两点间距离公式得出:
其中,gxi、gyi、gzi为上摆台各铰接点变换后的坐标,bxi、byi、bzi为静止坐标系中各铰接点坐标;
各伸缩杆的伸缩量为:
Δdi=di-li (40)
其中,li为初始位置时伸缩杆的长度。
进一步地,在步骤一中,所述阈值为倾斜角45°。
相较于现有技术,本发明的有益效果是:
本发明一种无人艇载设备晃动补偿结构及方法,利用激光发射器、接收器、转子陀螺等,实现对晃动条件下平台中心光斑数据获取,进一步分析不同海浪、风速风力条件下的三维度运动数据,拟合三自由度曲线,进行下一时间点激光斑点预测,以实现对无人艇姿态的预测、矫正,并进一步利用连杆控制装置,带动电机实现对平台的稳健补偿;
本发明一种无人艇载设备晃动补偿结构及方法,利用卡尔曼滤波处理对无人艇下一时刻平台的姿态进行预测,依据预测的数据生成补偿运动命令控制平台最低处进行补偿,配合补偿结构,能够提高无人艇补偿的准确性,相对于仅利用机械补偿来说,考虑了不同海浪、风速风力条件下的三维度运动数据内在关系,能够抵抗1~3级海况海浪晃动干扰的效果,使上平台结构处于平静海况时的状态甚至相对于海岸处于静止的状态。本发明将大大缩减无人艇载设备的调试时间,增强雷达数据处理的稳健性和跟踪、探测精度,具有较广阔的市场前景。
附图说明
图1为本发明实施例中一种无人艇载设备晃动补偿方法的流程图;
图2为本发明实施例中机械补偿结构俯视图的俯视立体图;
图3为本发明实施例中机械补偿结构俯视图的仰视立体图;
图4为本发明实施例中激光接收区的示意图;
图5为本发明实施例中倾斜角计算的原理图;
图6为本发明实施例中拟合曲线图。
附图标记说明:
11、伸缩杆;12、位移控制器;13、上摆台;14、下底台;15、虎克铰;21、补偿处理器;22、转子陀螺;23、激光发射器;24、保护罩;25、激光接收器。
具体实施方式
在本发明的描述中,应当说明的是,各实施例中的术语名词例如“上”、“下”、“前”、“后”、“左”、“右”等指示方位的词语,只是为了简化描述基于说明书附图的位置关系,并不代表所指的元件和装置等必须按照说明书中特定的方位和限定的操作及方法、构造进行操作,该类方位名词不构成对本发明的限制。
在本发明的描述中,应当说明的是,在本发明的实施例中所提到的术语“第一”、“第二”、“第三”仅用于描述目的,并不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者多个该特征。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
具体实施方案一:结合图2至图6所示,本发明提供一种无人艇载设备晃动补偿结构,包括机械补偿结构和平稳监测系统;
所述机械补偿结构包括伸缩杆11、位移控制器12、上摆台13、下底台14和虎克铰15;所述上摆台13和下底台14的形状相似或相同,所述上摆台13与下底台14之间通过三组伸缩杆组连接,每组伸缩杆组均包括至少一个伸缩杆11,每个伸缩杆11的两端分别与上摆台13和下底台14之间通过虎克铰15连接,每个伸缩杆11上均设有位移控制器12,每组伸缩杆组分别位于上摆台13和下底台14的三个角处;
所述平稳监测系统2包括补偿处理器21、转子陀螺22、激光发射器23、激光接收器25;所述下底台14的上表面中心处设有中心凹陷区,所述转子陀螺22设置在中心凹陷区处,所述转子陀螺22的顶部设有激光发射器23,所述上摆台13的底面中心处设有激光接收器25,上摆台13的上表面设有补偿处理器21,所述激光接收器25与补偿处理器21通过无线连接。工作时转子陀螺22高速旋转达到平衡,随后激光发射器23发射激光照射到上摆台13中心的激光接收器25上,补偿处理器21接收并处理激光接收器25的偏移信息,通过改进后的卡尔曼滤波处理,将晃动补偿结果发送给位移控制器12,进而控制各个伸缩杆11进行晃动补偿。
优选地,每组伸缩杆组包括两个伸缩杆11。
优选地,所述转子陀螺22包括上方的圆柱形陀螺主体和下方的圆锥形底部,所述圆锥形底部设置在中心凹陷区的中心处,当转子陀螺22高速旋转时可始终保持自身的水平平稳,使得顶部附着的激光发射器23可以始终在竖直方向上发射激光并照射到上摆台13下面的激光接收器25的接收区中;还包括保护罩24,所述保护罩24设置在转子陀螺22的外部,所述保护罩24为透明保护罩,用于在保护转子陀螺22的同时不影响激光发射器23的发射。
优选地,所述激光发射器23的光斑形状为圆点,输出波长为650nm的红光,工作时待转子陀螺22平稳后发射激光照射到上方的激光接收区,当整体结构发生晃动时,光斑会偏离接收区的中心位置,从而可得知倾斜的角度;
激光接收器25集成了激光接收区、光斑识别感应器和数据处理器;接收区为环形区域,当光斑照射到接收区时,光斑识别感应器识别到光斑的坐标信息,即方位角和位移量;数据处理器通过计算光斑偏移接收区中心的距离和方向来获取平台整体结构的倾斜信息,若倾斜角超过45°阈值则发出警报,若小于45°则通过UDP传输网线将倾斜信息发送到补偿处理器21;
所述补偿处理器21为高性能低功耗DSP芯片,用于接收和处理激光接收器25的信息,并命令机械补偿结构实现平稳补偿运动;
工作时:首先,平稳检测系统工作60秒,机械补偿结构不工作,等待补偿处理器21完成对数据处理器的数据采集,并根据方位角和倾斜角分解为三自由度晃动曲线;根据该曲线获取最大幅值参数Xa,Xb,Xc,分别对应三自由度的海浪分解幅值(海面平稳时或晃动补偿装置理想状态时,该三自由度曲线近似平稳为直线,即对应为上摆台13倾斜最低点位于三维坐标中心O点的位置);60秒后,补偿处理器21进而根据当前时刻接收的倾斜数据通过改进的卡尔曼滤波算法来预测出下一时刻的平台姿态,即下一时刻平台倾斜光斑的坐标位置;依据坐标位置与中心O点的偏离值为参数,生成上摆台13最低点位置上升的补偿命令,上升幅度和方位根据光斑的位置计算,补偿的幅度为倾斜幅度的一半;并通过UDP传输网线将实时命令输到机械补偿结构的位移控制器12,通过位移控制器12控制六个伸缩杆11,进行上摆台13晃动的补偿运动;每次补偿幅度为倾斜幅度的1/2,通过多次补偿后,最终使平台上摆台13趋于平稳。
具体实施方案二:结合图1所示,本发明提供一种无人艇载设备晃动补偿方法,包括以下步骤:
步骤一、平稳监测系统的转子陀螺22开始高速旋转,达到平衡之后,即转子陀螺22处于水平平稳自转的状态,激光发射器23发射激光照射到激光接收区,激光接收器25的光斑识别感应器根据光斑的位置,得到光斑偏移接收区中心的方向和距离;激光接收器25的数据处理器将偏移信息计算得到平面倾斜的方位角和倾斜角信息,判断倾斜角是否超过阈值,若超出阈值则发出警报,若未超阈值则通过UDP传输网线将倾斜信息发送到补偿处理器21;
所述阈值可为45°;
结合图5所示,所述平稳监测系统通过激光接收区的光斑位置获取平台结构的姿态信息,原理是当上摆台13倾斜时,高速旋转的转子陀螺22始终保持竖直,此时上摆台13与水平方向的夹角和转子陀螺22与竖直方向的夹角相等,根据三角函数关系,由光斑距离接收区中心的距离就可以计算出倾斜的角度a,公式如下:
a+b=90° (1)
a=arctan(d/h) (2)
其中,b为激光与上摆台夹角,d为光斑距离接收区中心的距离,h为激光发射器23与激光接收区中心的距离;
光斑识别感应器得到方位角和距离,再由数据处理器通过计算得到倾斜角,最后进行晃动数据的整合发送到补偿处理器21;
步骤二、补偿处理器21接收到平稳监测系统的倾斜数据后,先采集数据60秒获取晃动规律,再将数据由方位角和倾斜角分解为上摆台倾斜最低点的三维坐标信息,之后拟合成三自由度晃动曲线,作为卡尔曼滤波的模型参数;
由方位角和倾斜角分解为上摆台倾斜最低点的三维坐标信息是指以接收区中心为原点建立三维坐标系,根据方位角分解为x、y轴的分量,倾斜角分解为z轴分量:
x=r sinθ (3)
y=r cosθ (4)
z=r sin a (5)
其中,r为倾斜点到中心的距离,θ为方位角;
步骤三、补偿处理器21分别对平台倾斜晃动最低点的三个坐标值进行改进后的卡尔曼滤波处理,预测下一时刻平台的姿态,依据预测的数据生成补偿运动命令,每次补偿幅度为倾斜幅度的1/2,最后通过UDP传输网线将命令发送到机械补偿结构的位移控制器12;
所述补偿处理器21分别对平台倾斜晃动最低点的三个坐标进行改进后的卡尔曼滤波处理,是指分别对三维度数据进行交互式多模型(Interacting Multiple Modle,IMM)卡尔曼滤波(Kalman Filtering,KF)来预测下一时刻平台的姿态信息;
所述交互式多模型卡尔曼滤波是一种为了防止只用一种系统动态模型的卡尔曼滤波器去对一个系统动态模型处于变化之中的目标进行状态跟踪估测的话,会产生不准确性,所以使用几种它可能处于的系统动态模型的卡尔曼滤波器模型去分别对它进行状态估测,然后将这些结果以一定比例融合的方法,IMM的数学模型如下:
在交互式多模型算法中设置2个运动模型,线性卡尔曼滤波和非线性卡尔曼滤波处理,状态方程如下:
其中,Xk+1为系统在k+1时刻的状态向量,j表示任意运动模型,Aj为目标的状态转移矩阵,为均值为0,协方差为Qj的高斯白噪声;
任意模型j的观测方程为:
其中,Zk+1为X测量向量,Hj为模型j的观测矩阵,为均值为0,协方差为Rj的白噪声矩阵;
IMM模型算法的步骤如下:
S1、交互输入:在k-1时刻,模型j的状态最优估值为和估计协方差矩阵为/>假设/>为模型/>在时间点k时,用来预测当前时间点来自各个模型以一定比例混合的状态值,同时/>和/>为k时刻模型j交互后的初始条件,计算如下:
其中,为模型i到j的相关性系数;
S2、滤波器的滤波:交互式多模型采用多个不同参数的预测卡尔曼框架,分别对应每条自由度曲线,k-1时刻j模型输入为和/>预测过程与单模型卡尔曼滤波算法类似,IMM算法的卡尔曼滤波过程如下:
一次预测方程:
预测协方差矩阵:
卡尔曼滤波增益:
k时刻对应单个模型滤波器输出的系统状态估计:
k时刻对应单个模型滤波器输出的协方差估计:
其中,I为单位矩阵;
S3、模型概率更新:采用极大似然估计实现模型更新,通过计算当前模型和当前目标状态的相似度来给出当前最合适的预测模型所占权重:
在k时刻模型j的最匹配的极大似然函数为:
其中:
模型j的更新概率为:
其中,c为归一化常数:
S4、新的融合数据:根据每个模型单独计算的预测结果和模型匹配的权重给出k时刻交互数据的最终输出结果:
总体估计值:
总体协方差:
所述非线性卡尔曼滤波是指无迹卡尔曼滤波(Unscented Kalman Filtering,UKF),它是无损变换(Unscented Transform,UT)与标准卡尔曼滤波体系的结合,通过无损变换使非线性系统方程适用于线性假设下的标准卡尔曼体系;相当于在卡尔曼滤波的基础上,加入了UT变换,其算法步骤为:
S1、获取上述状态方程(6)与观测方程(7);
S2、获取2n+1个采样组合(即Sigma点集)及其权值;
其中,表示矩阵方根的第i列,其中P指的是当前状态的协方差矩阵;
S3、把2n+1个点带进状态方程(6),获得这些点的k+1步估计;
S4、根据估计结果,首先计算权值;
其中,若干参数满足:α∈(0,1],λ=α2(n+κ)-n,κ≥0,β≥0;
S5、根据估计结果,计算系统状态量的k+1步估计均值和协方差矩阵;
S6、将上述结果带入到卡尔曼滤波中,便可获得无迹卡尔曼滤波结果;
步骤四、机械补偿结构的位移控制器12接收到预测数据后,通过内置的运动控制分解算法,将运动信息分解给六个伸缩杆11,每一个伸缩杆11伸长或收缩,六个伸缩杆11组合运动完成晃动补偿,多次补偿后,最终使上摆台结构趋于平稳;
所述机械补偿结构的位移控制器12接收到补偿处理器21的补偿命令后,采用内置的受力分解算法将上摆台晃动补偿运动分解到六个伸缩杆11上进行各自的伸缩运动,每个伸缩杆11承担对应的分力,最终使上摆台结构趋于平稳,分解算法如下:
设各伸缩杆11的上支点坐标为:
PAi(xai,yai,zai)
上支点质心坐标为:
PA0(xa0,ya0,za0)
各伸缩杆11的下支点坐标为:
PBi(xbi,ybi,zbi)
各个伸缩杆11的受力可分解为X、Y、Z三个方向上,所有力在三个方向是平衡的,各个伸缩杆11的作用力为Fi(i=1,2,…,6),m为总质量,g为重力加速度;
第i个伸缩杆11的Z轴分力为:
第i个伸缩杆11的X轴分力为:
第i个伸缩杆11的Y轴分力为:
根据X、Y、Z轴方向上力受力平衡:
根据横滚的力矩平衡条件:
根据俯仰的力矩平衡条件:
根据偏航的力矩平衡条件:
由公式(27)~(35),可求出各伸缩杆11的实际受力情况;
各伸缩杆11的长度可由两点间距离公式得出:
其中,gxi、gyi、gzi为上摆台各铰接点变换后的坐标,bxi、byi、bzi为静止坐标系中各铰接点坐标;
各伸缩杆11的伸缩量为:
Δdi=di-li (40)
其中,li为初始位置时伸缩杆11的长度。
本实施方案的其他组合和连接关系与具体实施方案一相同。
通过上述方法,最终可使上摆台13结构趋于平稳,能够抵抗1~3级海况海浪晃动干扰的效果,使上摆台13结构处于平静海况时的状态甚至相对于海岸处于静止的状态;所述抵抗海浪晃动是指,船体在海面上航行时由于海浪运动发生晃动,产生的横摇(绕水平横轴转动)、纵摇(绕水平竖轴转动)以及二者的复合运动。
虽然本发明公开披露如上,但本发明公开的保护范围并非仅限于此。本发明领域技术人员在不脱离本发明公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (9)
1.一种无人艇载设备晃动补偿结构,其特征在于:包括机械补偿结构和平稳监测系统,
所述机械补偿结构包括伸缩杆(11)、位移控制器(12)、上摆台(13)、下底台(14)和虎克铰(15);所述上摆台(13)和下底台(14)的形状相似或相同,所述上摆台(13)与下底台(14)之间通过三组伸缩杆组连接,每组伸缩杆组均包括至少一个伸缩杆(11),每个伸缩杆(11)的两端分别与上摆台(13)和下底台(14)之间通过虎克铰(15)连接,每个伸缩杆(11)上均设有位移控制器(12),每组伸缩杆组分别位于上摆台(13)和下底台(14)的三个角处;
所述平稳监测系统包括补偿处理器(21)、转子陀螺(22)、激光发射器(23)、激光接收器(25);所述下底台(14)的上表面中心处设有中心凹陷区,所述转子陀螺(22)设置在中心凹陷区处,所述转子陀螺(22)的顶部设有激光发射器(23),所述上摆台(13)的底面中心处设有激光接收器(25),上摆台(13)的上表面设有补偿处理器(21),所述激光接收器(25)与补偿处理器(21)通过无线连接;
所述激光接收器(25)包括激光接收区、光斑识别感应器和数据处理器;所述激光接收区为环形区域,当光斑照射到接收区时,所述光斑识别感应器识别到光斑的坐标信息,即方位角和位移量;所述数据处理器通过计算光斑偏移接收区中心的距离和方向来获取平台整体结构的倾斜信息,若倾斜角超过45°阈值则发出警报,若小于45°则通过UDP传输网线将倾斜信息发送到补偿处理器(21);
所述补偿处理器(21)为高性能低功耗DSP芯片,用于接收和处理激光接收器(25)的信息,并命令机械补偿结构实现平稳补偿运动。
2.根据权利要求1所述的一种无人艇载设备晃动补偿结构,其特征在于:所述转子陀螺(22)包括上方的圆柱形陀螺主体和下方的圆锥形底部,所述圆锥形底部设置在中心凹陷区的中心处;还包括保护罩(24),所述保护罩(24)设置在转子陀螺(22)的外部,所述保护罩(24)为透明保护罩(24)。
3.一种无人艇载设备晃动补偿方法,所述方法是基于权利要求1或2所述的无人艇载设备晃动补偿结构来实现的,其特征在于,包括以下步骤:
步骤一、平稳监测系统的转子陀螺(22)开始高速旋转,达到平衡之后,即转子陀螺(22)处于水平平稳自转的状态,激光发射器(23)发射激光照射到激光接收区,激光接收器(25)的光斑识别感应器根据光斑的位置得到光斑偏移接收区中心的方向和距离;激光接收器(25)的数据处理器根据偏移信息计算得到平面倾斜的方位角和倾斜角信息,判断倾斜角是否超过阈值,若超出阈值则发出警报,若未超阈值则通过UDP传输网线将倾斜信息发送到补偿处理器(21);
步骤二、补偿处理器(21)接收到平稳监测系统的倾斜数据后,先采集一定时长的数据用以获取晃动规律,再将数据由方位角和倾斜角分解为上摆台(13)倾斜最低点的三维坐标信息,之后拟合成三自由度晃动曲线,作为卡尔曼滤波的模型参数;
步骤三、补偿处理器(21)分别对平台倾斜晃动最低点的三个坐标值进行改进后的卡尔曼滤波处理,预测下一时刻平台的姿态,依据预测的数据生成补偿运动命令,每次补偿幅度为倾斜幅度的1/2,最后通过UDP传输网线将命令发送到机械补偿结构的位移控制器(12);
步骤四、机械补偿结构的位移控制器(12)接收到预测数据后,通过内置的运动控制分解算法,将运动信息分解给六个伸缩杆(11),每一个伸缩杆(11)伸长或收缩,六个伸缩杆(11)组合运动完成晃动补偿,多次补偿后,最终使上摆台(13)结构趋于平稳,完成补偿。
4.根据权利要求3所述的一种无人艇载设备晃动补偿方法,其特征在于:
在步骤一中,所述平稳监测系统通过激光接收区的光斑位置获取平台结构的姿态信息,当上摆台(13)倾斜时,高速旋转的转子陀螺(22)始终保持竖直,此时上摆台(13)与水平方向的夹角和转子陀螺(22)与竖直方向的夹角相等,根据三角函数关系,由光斑距离接收区中心的距离就可以计算出倾斜的角度a,公式如下:
a+b=90° (1)
a=arctan(d/h) (2)
其中,b为激光与上摆台夹角,d为光斑距离接收区中心的距离,h为激光发射器(23)与激光接收区中心的距离;
当光斑识别感应器得到方位角和距离后,由数据处理器通过计算得到倾斜角,最后进行晃动数据的整合发送到补偿处理器(21)。
5.根据权利要求4所述的一种无人艇载设备晃动补偿方法,其特征在于:
在步骤二中,由方位角和倾斜角分解为上摆台倾斜最低点的三维坐标信息是指以接收区中心为原点建立三维坐标系,根据方位角分解为x、y轴的分量,倾斜角分解为z轴分量:
x=r sinθ (3)
y=r cosθ (4)
z=r sin a (5)
其中,r为倾斜点到中心的距离,θ为方位角。
6.根据权利要求5所述的一种无人艇载设备晃动补偿方法,其特征在于:
在步骤三中,所述补偿处理器(21)分别对平台倾斜晃动最低点的三个坐标进行改进后的卡尔曼滤波处理,即分别对三维度数据进行交互式多模型卡尔曼滤波来预测下一时刻平台的姿态信息;
所述交互式多模型的数学模型如下:
在交互式多模型算法中设置2个运动模型,包括线性卡尔曼滤波和非线性卡尔曼滤波处理,状态方程如下:
其中,Xk+1为系统的状态向量,j表示任意运动模型,Aj为目标的状态转移矩阵,为均值为0,协方差为Qj的高斯白噪声;
任意模型j的观测方程为:
其中,Zk+1为X测量向量,Hj为模型j的观测矩阵,为均值为0,协方差为Rj的白噪声矩阵;
所述交互式多模型算法的步骤如下:
S1、交互输入:在k-1时刻,模型j的状态最优估值为和估计协方差矩阵为/>假设为模型/>在时间点k时,用来预测当前时间点来自各个模型以一定比例混合的状态值,同时/>和/>为k时刻模型j交互后的初始条件,计算如下:
其中,为模型i到j的相关性系数;
S2、滤波器的滤波:交互式多模型采用多个不同参数的预测卡尔曼框架,分别对应每条自由度曲线,k-1时刻j模型输入为和/>预测过程与单模型卡尔曼滤波算法类似,IMM算法的卡尔曼滤波过程如下:
一次预测方程:
预测协方差矩阵:
卡尔曼滤波增益:
k时刻对应单个模型滤波器输出的系统状态估计:
k时刻对应单个模型滤波器输出的协方差估计:
其中,I为单位矩阵;
S3、模型概率更新:采用极大似然估计实现模型更新,通过计算当前模型和当前目标状态的相似度来给出当前最合适的预测模型所占权重,包括:
在k时刻模型j的最匹配的极大似然函数为:
测量误差协方差矩阵为:
测量误差为:
模型j的更新概率为:
其中,pij为模型i到j的转移概率,c为归一化常数:
S4、新的融合数据:根据每个模型单独计算的预测结果和模型匹配的权重给出k时刻交互数据的最终输出结果:
总体估计值:
总体协方差:
7.根据权利要求6所述的一种无人艇载设备晃动补偿方法,其特征在于:
所述非线性卡尔曼滤波为无迹卡尔曼滤波,其算法步骤为:
S1、获取上述状态方程(6)与观测方程(7);
S2、获取2n+1个采样组合及其权值;
其中,n为需要估计的参数数量;λ=α2(n+κ)-n,是缩放比例因子,α∈(0,1],用于控制高阶项的影响,κ≥0,κ的取值保证矩阵(n+λ)p为半正定矩阵;表示矩阵方根的第i列,其中P指的是当前状态的协方差矩阵;
S3、把2n+1个点带进状态方程(6),获得这些点的k+1步估计;
S4、根据估计结果,首先计算权值;
其中,m代表均值,c表示协方差,上标为第几个采样点,β为状态分布参数,β≥0;
S5、根据估计结果,计算系统状态量的k+1步估计均值和协方差矩阵;
S6、将上述结果带入到卡尔曼滤波中,获得无迹卡尔曼滤波结果。
8.根据权利要求7所述的一种无人艇载设备晃动补偿方法,其特征在于:
在步骤四中,每组伸缩杆组包括两个伸缩杆(11),所述机械补偿结构的位移控制器(12)接收到补偿处理器(21)的补偿命令后,采用内置的受力分解算法将上摆台(13)晃动补偿运动分解到六个伸缩杆(11)上进行各自的伸缩运动,每个伸缩杆(11)承担对应的分力,最终使上摆台(13)结构趋于平稳,分解算法如下:
设各伸缩杆(11)的上支点坐标为:
PAi(xai,yai,zai)
上支点质心坐标为:
PA0(xa0,ya0,za0)
各伸缩杆(11)的下支点坐标为:
PBi(xbi,ybi,zbi)
各个伸缩杆(11)的受力可分解为X、Y、Z三个方向上,所有力在三个方向是平衡的,各个伸缩杆(11)的作用力为Fi(i=1,2,…,6),m为总质量,g为重力加速度;
第i个伸缩杆(11)的Z轴分力为:
第i个伸缩杆(11)的X轴分力为:
第i个伸缩杆(11)的Y轴分力为:
根据X、Y、Z轴方向上力受力平衡:
根据横滚的力矩平衡条件:
根据俯仰的力矩平衡条件:
根据偏航的力矩平衡条件:
由公式(30)~(38),可求出各伸缩杆(11)的实际受力情况;
各伸缩杆(11)的长度可由两点间距离公式得出:
其中,gxi、gyi、gzi为上摆台各铰接点变换后的坐标,bxi、byi、bzi为静止坐标系中各铰接点坐标;
各伸缩杆(11)的伸缩量为:
Δdi=di-li (40)
其中,li为初始位置时伸缩杆(11)的长度。
9.根据权利要求8所述的一种无人艇载设备晃动补偿方法,其特征在于:在步骤一中,所述阈值为倾斜角45°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606918.6A CN117622380B (zh) | 2023-11-29 | 2023-11-29 | 一种无人艇载设备晃动补偿结构及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311606918.6A CN117622380B (zh) | 2023-11-29 | 2023-11-29 | 一种无人艇载设备晃动补偿结构及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117622380A CN117622380A (zh) | 2024-03-01 |
CN117622380B true CN117622380B (zh) | 2024-05-03 |
Family
ID=90031565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311606918.6A Active CN117622380B (zh) | 2023-11-29 | 2023-11-29 | 一种无人艇载设备晃动补偿结构及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117622380B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003212187A (ja) * | 2002-01-28 | 2003-07-30 | Hitachi Ltd | 船舶用送受信装置およびそれが備える動揺修正装置 |
CN104316080A (zh) * | 2014-10-13 | 2015-01-28 | 许志修 | 一种姿态陀螺仪倾斜补偿四元数解算装置 |
CN106005278A (zh) * | 2016-06-23 | 2016-10-12 | 江苏科技大学 | 具有六自由度波浪主动补偿功能的船用餐桌及补偿方法 |
CN106882344A (zh) * | 2017-02-15 | 2017-06-23 | 广东精铟海洋工程股份有限公司 | 一种波浪补偿测量装置、测量方法及使用其的海洋平台 |
CN106940193A (zh) * | 2017-02-13 | 2017-07-11 | 哈尔滨工业大学 | 一种基于Kalman滤波的船舶自适应摇摆标定方法 |
CN111811537A (zh) * | 2020-07-02 | 2020-10-23 | 重庆青年职业技术学院 | 一种捷联惯性导航的误差补偿方法及导航系统 |
CN112857212A (zh) * | 2020-12-30 | 2021-05-28 | 张东昱 | 一种大型结构多点位移和转动响应同步监测系统及其数据分析方法 |
CN113879472A (zh) * | 2021-11-03 | 2022-01-04 | 江苏科技大学 | 一种具有位姿补偿能力的半潜式钻井平台系统及控制方法 |
CN113998064A (zh) * | 2021-11-03 | 2022-02-01 | 江苏科技大学 | 一种高承载半潜式钻井平台海浪补偿装置及控制方法 |
CN114368452A (zh) * | 2021-12-17 | 2022-04-19 | 清华大学 | 船用波浪主动补偿装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL2005231C2 (en) * | 2010-08-13 | 2012-02-14 | Ampelmann Operations B V | A vessel, a motion platform, a control system, a method for compensating motions of a vessel and a computer program product. |
KR102097247B1 (ko) * | 2019-10-14 | 2020-04-03 | 이형록 | 레이저를 이용한 거리측정장치 및 거리측정방법 |
-
2023
- 2023-11-29 CN CN202311606918.6A patent/CN117622380B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003212187A (ja) * | 2002-01-28 | 2003-07-30 | Hitachi Ltd | 船舶用送受信装置およびそれが備える動揺修正装置 |
CN104316080A (zh) * | 2014-10-13 | 2015-01-28 | 许志修 | 一种姿态陀螺仪倾斜补偿四元数解算装置 |
CN106005278A (zh) * | 2016-06-23 | 2016-10-12 | 江苏科技大学 | 具有六自由度波浪主动补偿功能的船用餐桌及补偿方法 |
CN106940193A (zh) * | 2017-02-13 | 2017-07-11 | 哈尔滨工业大学 | 一种基于Kalman滤波的船舶自适应摇摆标定方法 |
CN106882344A (zh) * | 2017-02-15 | 2017-06-23 | 广东精铟海洋工程股份有限公司 | 一种波浪补偿测量装置、测量方法及使用其的海洋平台 |
CN111811537A (zh) * | 2020-07-02 | 2020-10-23 | 重庆青年职业技术学院 | 一种捷联惯性导航的误差补偿方法及导航系统 |
CN112857212A (zh) * | 2020-12-30 | 2021-05-28 | 张东昱 | 一种大型结构多点位移和转动响应同步监测系统及其数据分析方法 |
CN113879472A (zh) * | 2021-11-03 | 2022-01-04 | 江苏科技大学 | 一种具有位姿补偿能力的半潜式钻井平台系统及控制方法 |
CN113998064A (zh) * | 2021-11-03 | 2022-02-01 | 江苏科技大学 | 一种高承载半潜式钻井平台海浪补偿装置及控制方法 |
CN114368452A (zh) * | 2021-12-17 | 2022-04-19 | 清华大学 | 船用波浪主动补偿装置 |
Non-Patent Citations (2)
Title |
---|
基于交互式多模型的水下机动目标跟踪;高文娟等;鱼雷技术;20150630;23(3);196-201 * |
基于矩阵加权多模型融合的认知跟踪波形设计;冯翔;赵占锋;赵宜楠;周志权;;哈尔滨工业大学学报;20180425(05);30-36 * |
Also Published As
Publication number | Publication date |
---|---|
CN117622380A (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108453738B (zh) | 一种基于Opencv图像处理的四旋翼飞行器空中自主抓取作业的控制方法 | |
CN113627473B (zh) | 基于多模态传感器的水面无人艇环境信息融合感知方法 | |
CN111596687A (zh) | 一种垂直起降无人机移动平台降落引导装置及其引导方法 | |
Suresh et al. | Active SLAM using 3D submap saliency for underwater volumetric exploration | |
Dougherty et al. | Laser-based guidance of a quadrotor uav for precise landing on an inclined surface | |
CN109032178A (zh) | 全驱动auv回收控制系统及自主回收方法 | |
CN112148022A (zh) | 全驱动自主水下机器人回收三维路径跟踪控制系统及方法 | |
CN111208845A (zh) | 一种水下机器人移动式对接回收的路径规划方法及装置 | |
CN115421483B (zh) | 一种无人船操纵运动预报方法 | |
CN111055282A (zh) | 一种海洋颠簸环境下零件修造加工的自稳定辅助结构 | |
CN109459046B (zh) | 悬浮式水下自主航行器的定位和导航方法 | |
CN113483748B (zh) | 小天体柔性附着多节点相对位姿估计方法 | |
CN117622380B (zh) | 一种无人艇载设备晃动补偿结构及方法 | |
CN113129377A (zh) | 一种三维激光雷达快速鲁棒slam方法和装置 | |
CN111413886B (zh) | 一种基于系统辨识的实船操纵性指数辨识方法及装置 | |
CN112241170B (zh) | 基于并联六自由度平台的无人艇自稳定系统 | |
Park et al. | A model estimation and multi-variable control of an unmanned surface vehicle with two fixed thrusters | |
CN108227723A (zh) | 一种水下机器人及其稳定性分析及结构优化的应用方法 | |
Maeda et al. | Frequency response experiments of 3-d pose full-tracking visual servoing with eye-vergence hand-eye robot system | |
CN113218249B (zh) | 跟随式遥操作战车及控制方法 | |
CN115857520A (zh) | 一种基于视觉和船状态结合的无人机着舰状态监视方法 | |
He et al. | A low cost visual positioning system for small scale tracking experiments on underwater vehicles | |
CN114791735A (zh) | 无人船纠偏方法及系统 | |
CN115902868A (zh) | 一种基于约束粒子滤波的无人机高精度对峙目标跟踪方法及系统 | |
CN114677408A (zh) | 一种星上恒星目标跟踪方法 |
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 |