CN112212889A - 基于特殊正交群最优估计的sins捷联惯性导航***晃动基座粗对准方法 - Google Patents
基于特殊正交群最优估计的sins捷联惯性导航***晃动基座粗对准方法 Download PDFInfo
- Publication number
- CN112212889A CN112212889A CN202010975160.3A CN202010975160A CN112212889A CN 112212889 A CN112212889 A CN 112212889A CN 202010975160 A CN202010975160 A CN 202010975160A CN 112212889 A CN112212889 A CN 112212889A
- Authority
- CN
- China
- Prior art keywords
- attitude
- matrix
- orthogonal group
- equation
- special orthogonal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 239000011159 matrix material Substances 0.000 claims abstract description 104
- 239000013598 vector Substances 0.000 claims abstract description 28
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 239000000126 substance Substances 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000012804 iterative process Methods 0.000 claims description 4
- 206010034719 Personality change Diseases 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 239000011435 rock Substances 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004904 shortening Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 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
- 238000012545 processing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明公开了基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法,该方法采用特殊正交群描述代替传统四元数描述实现对SINS姿态变换的计算,利用特殊正交群微分方程建立基于特殊正交群描述的线性粗对准模型,设计了一种基于矢量间余弦关系的新的姿态误差函数。本发明采用姿态误差函数的梯度作为新息项,使得姿态误差沿着梯度方向快速收敛,从而大幅度缩短了对准时间;使用特殊正交群描述姿态,避免了传统四元数描述初始姿态矩阵而产生的非唯一性和非线性问题,有效提高了对准精度。本发明在实际工程中具有实用价值。
Description
技术领域
本发明公开了一种基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法,该方法属于导航方法及应用技术领域。
背景技术
捷联惯性导航***是一种自主式的导航***,在工作时不依靠外界信息,也不向外界辐射任何能量,隐蔽性好、抗扰性强,能够全天时、全天候为载体提供完备的运动信息。初始对准是SINS中最重要的技术之一,其目的是获得初始姿态矩阵。惯性导航***的初始对准精度直接关系到***的工作精度。初始对准时间是惯性导航***的一项重要技术指标。传统的初始对准方法通常采用粗对准加精对准的方式。
粗对准过程的研究在捷联惯导***中占有重要意义,尤其是晃动基座下的粗对准方法更是当下的研究热点。晃动基座条件下粗对准可以采用双矢量定姿和基于Wahba问题求解两类完成粗对准过程。但这些方法仍然具有不可忽视的缺陷。双矢量确定方法仅利用两个重力矢量来确定初始姿态,舍弃了大量的测量信息,导致粗对准过程精度不高。此外,该方法要求确保姿态的两个重力矢量不能共线,这就使得选择的两个重力矢量之间的时间间隔必须足够长。这意味着基于双向量确定的粗对准过程需要更长的对准时间。虽然Wahba方法可以充分利用所有的测量信息,但它不能保证全局最优,这将影响粗对准过程中的对准精度和时间。
为进一步提高初始对准的性能,本发明针对现有的晃动基座粗对准方法存在的问题,借鉴系最优估计的思想,设计了一种新的特殊正交群最优估计算法。得益于特殊正交群理论的完善,通过提出一种新的姿态误差函数来衡量姿态误差,然后将姿态误差函数的梯度作为更新项来补偿姿态。基于这种方法构建的估计模型避免了传统最优化方法中的奇异值问题,并且姿态估计沿着梯度方向下降,从而快速达到收敛。该方法有效地提高了对准的速度,并且在精度方面也有所提升。仿真实验证明了该算法的可行性,可以作为四元数粗对准的上位替代进行晃动基座粗对准。
发明内容
由于初始对准过程中,载体容易受到外界的各种干扰因素的影响,在对准过程中很难保持静态不动。因此,晃动基座下的粗对准算法具有很高的研究意义与应用价值。本发明的目的是为了应对现有晃动基座粗对准方法存在的问题:(1)本发明通过特殊正交群代替四元数描述初始姿态矩阵,避免了传统四元数描述方法的非唯一性和非线性问题;(2)本发明利用特殊正交群微分方程建立基于特殊正交群描述的线性粗对准模型;(3)本发明设计了一种新的姿态误差函数来衡量姿态的估计误差,然后将姿态误差函数的梯度作为更新项使得姿态沿着梯度方向快速收敛。
为了达到上述目的,本发明提供如下技术方案:
基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法,其特征在于,该方法通过下述步骤实现:
步骤(1):SINS捷联惯性导航***进行***预热准备,启动***,获得载体所在位置的经度λ、纬度L、当地重力加速度在导航系下的投影gn基本信息,采集惯性测量单元IMU中陀螺仪输出的载体系相对于惯性系的旋转角速率信息在载体系的投影和加速度计输出的载体系加速度信息fb;
步骤(2):对采集到的陀螺仪和加速度计的数据进行预处理,基于特殊正交群微分方程,建立基于特殊正交群描述的线性晃动基座粗对准***模型:
本方法的详细描述中坐标系定义如下:
地球坐标系e系,选取地球中心为原点,X轴位于赤道平面内,从地心指向本初子午线,Z轴从地心指向地理北极,X轴、Y轴和Z轴构成右手坐标系,随地球自转而转动;
地心惯性坐标系i系,选取地球中心为原点,X轴位于赤道平面内,从地心指向春分点,Z轴从地心指向地理北极,X轴、Y轴和Z轴构成右手坐标系;
导航坐标系n系,表示载体所在位置的地理坐标系,选取舰载机重心为原点,X轴指向东向E,Y轴指向北向N,Z轴指向天向U;本方法中导航坐标系选取为地理坐标系;
载体坐标系b系,表示捷联惯性导航***三轴正交坐标系,选取舰载机重心为原点,X轴、Y轴、Z轴分别沿舰载机机体横轴指向右、沿纵轴指向前、沿立轴指向上;
初始导航坐标系n(0)系,表示SINS开机运行时刻的导航坐标系,并在整个对准过程中相对于惯性空间保持静止;
初始载体坐标系b(0)系,表示SINS开机运行时刻的载体坐标系,并在整个对准过程中相对于惯性空间保持静止;
导航坐标系n'系,表示由特殊正交群最优估计算法计算得到的初始导航坐标系,本坐标系和真实导航坐标系n系之间存在转动关系;
基于特殊正交群微分方程,建立基于特殊正交群描述的线性粗对准***模型:
根据SINS捷联惯性导航***原理,SINS晃动基座粗对准问题转化为姿态估计问题,姿态变换为两个坐标系之间的旋转变换,导航的姿态矩阵可以用一个3×3的正交变换矩阵表示;该正交变换矩阵符合特殊正交群的特殊正交群SO(n)的性质,构成了三维旋转群SO(3):
其中,t表示时间变量,表示当前导航系相对于当前载体系的姿态矩阵,表示当前导航系相对于初始导航系的姿态矩阵,初始姿态矩阵表示初始导航系相对于初始载体系的姿态矩阵,表示初始载体系相对于当前载体系的姿态矩阵;
其中,表示初始载体系相对于当前载体系的姿态矩阵,表示导航系相对于惯性系的旋转角速率在导航系的投影,在晃动基座条件下其等于地球自转角速率L表示当地纬度,表示陀螺仪输出的载体系相对于惯性系的旋转角速率在载体系的投影,符号(·×)表示将一个三维向量转换成一个反对称矩阵的运算,运算规则如下:
符号(·×)的逆运算符(·)V表示从反对称矩阵到三维向量的操作:S∨=ω。
由公式(2)-(5)可以看出,和可由IMU传感器数据实时计算得到,而表示初始时刻的姿态矩阵,其不随时间变化;因此,SINS晃动基座粗对准过程中姿态矩阵的求解问题,转化为对基于特殊正交群描述的初始姿态矩阵的求解问题;
在晃动基座条件下,加速度计测量信息fb表示为:
fb=-gb (6)其中,gb表示当地重力加速度在载体系下的投影
根据SINS惯性导航基本原理和特殊正交群链式法则,gn和gb之间存在如下关系:
对公式(7)进行移项、整理操作,可得:
公式(8)简化表示为:
对公式(9)在[0,t]上做积分,可得:
公式(10)可以简化为:
y(t)=Rx(t) (11)
其中
根据上述内容,将姿态矩阵的求解问题转化为初始时刻惯性坐标系下的求解问题,建立具有特殊正交群结构的晃动基座粗对准***方程,表示为:
对于公式(10)中的测量方程,R可以将n坐标系中的向量x(t)转换为b坐标系中的向量y(t)。仅考虑向量方向的投影,式(10)可表示为:
将公式(17)和(18)带入公式(19)得:
其中,Γ(∈)=exp(∈S)R是在R周围的一条曲线。
将公式(21)带入公式(22)可得:
将公式(24)带入公式(23)得:
一个任意对称矩阵和一个反对称矩阵的乘积的迹等于零,因此
在S上的内积<·,·>定义如下:
<A,B>=tr(ATB) (27)
其中,A,B∈S.
在S上黎曼度量<·,·>R定义如下:
将公式(27)带入公式(26)得:
将公式(28)带入公式(29)得:
由于公式(29)和(31)左边是相等的,所有右边也是相等的,因此:
我们选择姿态误差函数的梯度作为新的创新项补偿姿态特殊正交群,这使得姿态估计沿梯度下降的方向传播,并最终使姿态特殊正交群可以快速收敛。因此,基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准算法归纳为:
与现有技术相比,本发明具有如下优点和有益效果:
(2)本发明利用特殊正交群微分方程建立基于特殊正交群描述的线性粗对准模型。
(3)本发明设计了一种新的姿态误差函数来衡量姿态的估计误差,然后将姿态误差函数的梯度作为更新项使得姿态沿着梯度方向快速收敛。相较于传统的粗对准方法,不仅能够大幅度缩短对准时间,还能够提高对准的精度。
附图说明
图1捷联惯性导航***装置总体简图。
图2捷联惯性导航***流程图。
图3晃动基座粗对准仿真结果图。
图4晃动基座粗对准实验结果图。
图5上位机采集真实导航数据页面示意图。
具体实施方式
本发明是基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法设计,下面结合本发明***流程图对本发明的具体实施步骤进行详细的描述:
本发明提供的基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法,首先获取传感器实时数据;对采集到的数据进行处理,基于特殊正交群微分方程,建立基于特殊正交群描述的线性粗对准***模型;使用特殊正交群最优估计算法,估计得到基于特殊正交群描述的初始姿态矩阵并求解姿态矩阵在粗对准期间,经过多次估计解算,最终得到精确的初始姿态矩阵和姿态矩阵完成粗对准过程。
步骤2:对采集到的陀螺仪和加速度计的数据进行处理,基于特殊正交群微分方程,建立基于特殊正交群描述的线性晃动基座粗对准***模型,
其中,
其中,根据双子样旋转矢量法,可得:
在晃动基座条件下,gn和gb之间存在如下关系:
对公式(32)进行移项、整理操作,可得:
公式(34)可以表示为:
对公式(35)在[0,t]上做积分,可得量测方程如下:
公式(36)可以表示成如下形式:
y(t)=Rx(t) (45)
其中,
根据上述内容,将姿态矩阵的求解问题转化为初始时刻惯性坐标系下的求解问题,建立具有特殊正交群结构的晃动基座粗对准***方程,表示为:
特殊正交群最优估计算法为了更好地表示姿态误差,建立了新的姿态误差函数。为了使姿态误差的变化反映在姿态补偿中,采用新的姿态误差函数的梯度作为创新项,对姿态进行实时补偿,使***快速收敛。晃动基座粗对准整体过程如下:
本发明的有益效果如下:
(1)在以下的仿真条件下,对该方法进行仿真实验:
步骤(1)中,晃动基座条件下模拟载体收到风浪影响,其航向角ψ、俯仰角θ、横滚角γ作周期变化,姿态变化情况如下:
步骤(1)中,初始地理位置:东经118°,北纬40°;
步骤(1)中,传感器输出频率为100Hz;
步骤(1)中,陀螺仪漂移:三个方向轴上的陀螺常值漂移为0.1°/h,随机漂移为0.01°/h;
步骤(1)中,加速度计零位偏置:三个方向轴上的加速度计常值偏置为1mg,随机偏置为0.1mg;
步骤(2)中,地球自转角速率7.2921158e-5rad/s;
步骤(2)中,时间间隔T为0.02s;
方法仿真结果如下:
进行了200s仿真,以姿态角的估计误差作为衡量指标,仿真结果如图(3)所示。从图中可以看出,俯仰姿态在36s左右完成对准,收敛到0.40′;横滚姿态在32s左右完成对准,收敛到0.48′;航向姿态在40s左右完成对准,收敛到4.23′。由仿真结果可知,本方法可以快速有效的完成晃动基座下的粗对准任务。
(2)通过真实实验对本发明提出的基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法进行验证。真实试验中,不提任何供外界辅助信息,实验历时200s。上位导航计算机控制导航***,以100HZ的数据更新速率,115200bps的波特率,采集航向精度达0.1度、姿态精度达0.05度的实际三轴姿态信息,解算获得的载体姿态信息与本步骤中得到的高精度真实载体姿态信息做比较,证明本方法和***的可行性和有效性。
***实验结果如下:
进行了200s的真实实验,以姿态角的估计误差作为衡量对准精度的指标,结果如图(4)所示。从图中可以看出,俯仰姿态在60s左右完成对准,收敛到4.02′;横滚姿态在64s左右完成对准,收敛到3.28′;航向姿态在80s左右完成对准,收敛到24.93′。本方法可以快速有效的完成晃动基座下的粗对准任务。
本发明将晃动基座粗对准问题转化为初始旋转矩阵的最优估计问题,采用基于特殊正交群方法描述初始姿态矩阵,能够有效避免传统基于四元数方法描述初始姿态矩阵产生的非唯一性和和非线性问题;本发明利用特殊正交群微分方程建立线性粗对准***模型;本发明设计了一种新的姿态误差函数来衡量姿态的估计误差,然后将姿态误差函数的梯度作为更新项使得姿态沿着梯度方向快速收敛。相较于传统的粗对准方法,不仅能够大幅度缩短对准时间,还能够提高对准的精度。
以上所述仅是本发明的优选实施方式,并不用于限制本发明。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变型,这些改进和变型也应视为本发明的保护范围。
Claims (4)
1.基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法,其特征在于,该方法通过下述步骤实现:
步骤(1):SINS捷联惯性导航***进行***预热准备,启动***,获得载体所在位置的经度λ、纬度L、当地重力加速度在导航系下的投影gn基本信息,采集惯性测量单元IMU中陀螺仪输出的载体系相对于惯性系的旋转角速率信息在载体系的投影和加速度计输出的载体系加速度信息fb;
步骤(2):对采集到的陀螺仪和加速度计的数据进行预处理,基于特殊正交群微分方程,建立基于特殊正交群描述的线性晃动基座粗对准***模型:
基于特殊正交群微分方程,建立基于特殊正交群描述的线性粗对准***模型:
根据SINS捷联惯性导航***原理,SINS晃动基座粗对准问题转化为姿态估计问题,姿态变换为两个坐标系之间的旋转变换,导航的姿态矩阵用一个3×3的正交变换矩阵表示;该正交变换矩阵符合特殊正交群的特殊正交群SO(n)的性质,构成三维旋转群SO(3)
其中,t表示时间变量,表示当前导航系相对于当前载体系的姿态矩阵,表示当前导航系相对于初始导航系的姿态矩阵,初始姿态矩阵表示初始导航系相对于初始载体系的姿态矩阵,表示初始载体系相对于当前载体系的姿态矩阵;
其中,表示初始载体系相对于当前载体系的姿态矩阵,表示导航系相对于惯性系的旋转角速率在导航系的投影,在晃动基座条件下其等于地球自转角速率L表示当地纬度,表示陀螺仪输出的载体系相对于惯性系的旋转角速率在载体系的投影,符号(·×)表示将一个三维向量转换成一个反对称矩阵的运算,运算规则如下:
符号(·×)的逆运算符(·)∨表示从反对称矩阵到三维向量的操作:S∨=ω;
在晃动基座条件下,加速度计测量信息fb表示为:
fb=-gb (6)
其中,gb表示当地重力加速度在载体系下的投影;
根据SINS惯性导航基本原理和特殊正交群链式法则,gn和gb之间存在如下关系:
对公式(7)进行移项、整理操作,可得:
公式(8)简化表示为:
对公式(9)在[0,t]上做积分,可得:
公式(10)简化为:
y(t)=Rx(t) (11)
其中
将姿态矩阵的求解问题转化为初始时刻惯性坐标系下的求解问题,建立具有特殊正交群结构的晃动基座粗对准***方程,表示为:
对于公式(10)中的测量方程,R可以将n坐标系中的向量x(t)转换为b坐标系中的向量y(t);仅考虑向量方向的投影,式(10)可表示为:
r(t)=Ru(t) (17)
将公式(17)和(18)带入公式(19)得:
其中,Γ(∈)=exp(∈S)R是在R周围的一条曲线;
将公式(21)带入公式(22)可得:
将公式(24)带入公式(23)得:
一个任意对称矩阵和一个反对称矩阵的乘积的迹等于零,因此
在S上的内积<·,·>定义如下:
<A,B>=tr(ATB) (27)
其中,A,B∈S.
在S上黎曼度量<·,·>R定义如下:
将公式(27)带入公式(26)得:
将公式(28)带入公式(29)得:
由于公式(29)和(31)左边是相等的,所有右边也是相等的,因此:
2.根据权利要求1所述的基于特殊正交群最优估计的SINS捷联惯性导航***晃动基座粗对准方法,其特征在于,步骤(2)中基于特殊正交群微分方程,建立基于特殊正交群描述的线性晃动基座粗对准***模型;
其中,
其中,根据双子样旋转矢量法,可得:
在晃动基座条件下,gn和gb之间存在如下关系:
对公式(32)进行移项、整理操作,可得:
公式(34)可以表示为:
对公式(35)在[0,t]上做积分,得量测方程如下:
公式(36)表示成如下形式:
y(t)=Rx(t) (45)
其中,
根据上述内容,将姿态矩阵的求解问题转化为初始时刻惯性坐标系下的求解问题,建立具有特殊正交群结构的晃动基座粗对准***方程,表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010975160.3A CN112212889A (zh) | 2020-09-16 | 2020-09-16 | 基于特殊正交群最优估计的sins捷联惯性导航***晃动基座粗对准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010975160.3A CN112212889A (zh) | 2020-09-16 | 2020-09-16 | 基于特殊正交群最优估计的sins捷联惯性导航***晃动基座粗对准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112212889A true CN112212889A (zh) | 2021-01-12 |
Family
ID=74049506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010975160.3A Pending CN112212889A (zh) | 2020-09-16 | 2020-09-16 | 基于特殊正交群最优估计的sins捷联惯性导航***晃动基座粗对准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112212889A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672137A (zh) * | 2021-08-17 | 2021-11-19 | 北京字节跳动网络技术有限公司 | 光标位置更新方法、装置和电子设备 |
CN114329943A (zh) * | 2021-12-23 | 2022-04-12 | 哈尔滨工业大学(深圳) | 基于姿态旋转矩阵的控制性能边界设计方法、装置及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106871928A (zh) * | 2017-01-18 | 2017-06-20 | 北京工业大学 | 基于李群滤波的捷联惯性导航初始对准方法 |
CN107588771A (zh) * | 2017-08-28 | 2018-01-16 | 北京工业大学 | 基于李群描述的捷联惯性导航解算方法 |
CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
CN109931957A (zh) * | 2019-03-24 | 2019-06-25 | 北京工业大学 | 基于lgmkf的sins捷联惯性导航***自对准方法 |
CN109931955A (zh) * | 2019-03-18 | 2019-06-25 | 北京工业大学 | 基于状态相关李群滤波的捷联惯性导航***初始对准方法 |
CN110595503A (zh) * | 2019-08-05 | 2019-12-20 | 北京工业大学 | 基于李群最优估计的sins捷联惯性导航***晃动基座自对准方法 |
CN110702143A (zh) * | 2019-10-19 | 2020-01-17 | 北京工业大学 | 基于李群描述的sins捷联惯性导航***动基座快速初始对准方法 |
CN110926499A (zh) * | 2019-10-19 | 2020-03-27 | 北京工业大学 | 基于李群最优估计的sins捷联惯性导航***晃动基座自对准方法 |
CN111399023A (zh) * | 2020-04-20 | 2020-07-10 | 中国人民解放军国防科技大学 | 基于李群非线性状态误差的惯性基组合导航滤波方法 |
-
2020
- 2020-09-16 CN CN202010975160.3A patent/CN112212889A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106871928A (zh) * | 2017-01-18 | 2017-06-20 | 北京工业大学 | 基于李群滤波的捷联惯性导航初始对准方法 |
CN107588771A (zh) * | 2017-08-28 | 2018-01-16 | 北京工业大学 | 基于李群描述的捷联惯性导航解算方法 |
CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
CN109931955A (zh) * | 2019-03-18 | 2019-06-25 | 北京工业大学 | 基于状态相关李群滤波的捷联惯性导航***初始对准方法 |
CN109931957A (zh) * | 2019-03-24 | 2019-06-25 | 北京工业大学 | 基于lgmkf的sins捷联惯性导航***自对准方法 |
CN110595503A (zh) * | 2019-08-05 | 2019-12-20 | 北京工业大学 | 基于李群最优估计的sins捷联惯性导航***晃动基座自对准方法 |
CN110702143A (zh) * | 2019-10-19 | 2020-01-17 | 北京工业大学 | 基于李群描述的sins捷联惯性导航***动基座快速初始对准方法 |
CN110926499A (zh) * | 2019-10-19 | 2020-03-27 | 北京工业大学 | 基于李群最优估计的sins捷联惯性导航***晃动基座自对准方法 |
CN111399023A (zh) * | 2020-04-20 | 2020-07-10 | 中国人民解放军国防科技大学 | 基于李群非线性状态误差的惯性基组合导航滤波方法 |
Non-Patent Citations (3)
Title |
---|
HAO XU: "An In-Motion Initial Alignment Algorithm for SINS Using Adaptive Lie Group Filter", PROCEEDINGS OF THE 37TH CHINESE CONTROL CONFERENCE * |
徐浩: "一种基于李群描述的深空探测器姿态估计方法", 深空探测学报纸, vol. 7, no. 1 * |
裴福俊: "动态干扰条件下的旋转式捷联 惯导***自对准方法", 自动化学报, vol. 40, no. 9 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672137A (zh) * | 2021-08-17 | 2021-11-19 | 北京字节跳动网络技术有限公司 | 光标位置更新方法、装置和电子设备 |
CN114329943A (zh) * | 2021-12-23 | 2022-04-12 | 哈尔滨工业大学(深圳) | 基于姿态旋转矩阵的控制性能边界设计方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110702143B (zh) | 基于李群描述的sins捷联惯性导航***动基座快速初始对准方法 | |
CN106871928B (zh) | 基于李群滤波的捷联惯性导航初始对准方法 | |
CN110595503B (zh) | 基于李群最优估计的sins捷联惯性导航***晃动基座自对准方法 | |
CN109931955B (zh) | 基于状态相关李群滤波的捷联惯性导航***初始对准方法 | |
Jiancheng et al. | Study on innovation adaptive EKF for in-flight alignment of airborne POS | |
CN109931957B (zh) | 基于lgmkf的sins捷联惯性导航***自对准方法 | |
CN107588771B (zh) | 基于李群描述的捷联惯性导航解算方法 | |
JP5068531B2 (ja) | 測定及び記憶された重力傾度を用いて慣性航法測定値の精度を改善する方法及びシステム | |
CN106767797B (zh) | 一种基于对偶四元数的惯性/gps组合导航方法 | |
CN110440830A (zh) | 动基座下车载捷联惯导***自对准方法 | |
CN110388941B (zh) | 一种基于自适应滤波的车辆姿态对准方法 | |
CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
Xue et al. | In-motion alignment algorithm for vehicle carried SINS based on odometer aiding | |
CN112212889A (zh) | 基于特殊正交群最优估计的sins捷联惯性导航***晃动基座粗对准方法 | |
CN110285815A (zh) | 一种可在轨全程应用的微纳卫星多源信息姿态确定方法 | |
CN112325886A (zh) | 一种基于重力梯度仪和陀螺仪组合的航天器自主定姿*** | |
CN112857398A (zh) | 一种系泊状态下舰船的快速初始对准方法和装置 | |
CN110567455A (zh) | 一种求积更新容积卡尔曼滤波的紧组合导航方法 | |
CN110926499A (zh) | 基于李群最优估计的sins捷联惯性导航***晃动基座自对准方法 | |
CN108627152A (zh) | 一种微型无人机基于多传感器数据融合的导航方法 | |
CN110388942B (zh) | 一种基于角度和速度增量的车载姿态精对准*** | |
CN112902956A (zh) | 一种手持式gnss/mems-ins接收机航向初值获取方法、电子设备、存储介质 | |
CN105606093B (zh) | 基于重力实时补偿的惯性导航方法及装置 | |
CN111207773B (zh) | 一种用于仿生偏振光导航的姿态无约束优化求解方法 | |
CN111156986A (zh) | 一种基于抗差自适应ukf的光谱红移自主组合导航方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210112 |