CN114754770A - 用于基于模型的车辆导航的***和方法 - Google Patents
用于基于模型的车辆导航的***和方法 Download PDFInfo
- Publication number
- CN114754770A CN114754770A CN202111585201.9A CN202111585201A CN114754770A CN 114754770 A CN114754770 A CN 114754770A CN 202111585201 A CN202111585201 A CN 202111585201A CN 114754770 A CN114754770 A CN 114754770A
- Authority
- CN
- China
- Prior art keywords
- navigation
- vehicle
- model
- input
- filter
- 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 30
- 238000005259 measurement Methods 0.000 claims abstract description 76
- 230000001133 acceleration Effects 0.000 claims abstract description 63
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
-
- 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
-
- 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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- 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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Navigation (AREA)
Abstract
本发明提供了用于基于模型的车辆导航的***和方法。在一个实施方案中,导航***:捷联导航处理器;传播器‑估计器滤波器,该导航处理器被配置成输入惯性传感器数据和来自该滤波器的导航校正以生成包括车辆速度估计和车辆姿态估计的导航解;车辆物理模型,该车辆物理模型被配置成利用刚性主体的动力学方程执行计算。该模型输入1)来自导航解的车辆状态估计和2)指示作用在车辆平台上的力的平台输入。该模型基于该输入输出三个正交预测平移加速度测量结果的集合。该滤波器包括与该模型相关联的测量方程,并且被配置成输入该导航解和惯性传感器数据,并且输入和处理该平移加速度测量结果作为导航辅助以生成该导航校正。
Description
背景技术
诸如用于城市空中交通(UAM)的许多新兴车辆技术涉及使用简化车辆操作(SVO)来增强车辆的飞行器控制的小且轻型飞行器。对于实施SVO的车辆,对车辆的导航控制***进行准确的速度和姿态反馈极大降低了飞行员的工作负荷和必要的培训。然而,当车外导航辅助源(诸如例如全球导航卫星***(GNSS))不可用时,准确的速度反馈通常依赖于车上存在的高级惯性传感器(诸如导航级惯性测量单元(IMU))来测量车辆线性加速度和角速度。然而,当与和GNSS导航辅助结合工作以产生可用导航解的低级惯性传感器(诸如,战术和工业级传感器)相比时,导航级IMU体积庞大且成本更高。
出于上述原因以及对于本领域技术人员在阅读和理解说明书后将变得显而易见的下述其他原因,本领域需要用于基于模型的车辆导航的***和方法。
发明内容
本公开的实施方案提供了用于基于模型的车辆导航的***和方法,并且将通过阅读和研究以下说明书来理解。
在一个实施方案中,一种用于车辆的导航***包括:捷联导航处理器;传播器-估计器滤波器,其中该捷联导航处理器被配置成输入惯性传感器数据以及输入来自传播器-估计器滤波器的导航校正以生成导航解,该导航解至少包括车辆速度估计和车辆姿态估计;和车辆物理模型,该车辆物理模型被配置成利用刚性主体的动力学方程执行计算,其中该车辆物理模型输入1)来自导航解的车辆状态估计和2)指示作用在车辆平台上的力的平台输入,并且该车辆物理模型基于该输入至少输出三个正交预测平移加速度测量结果的集合;其中该传播器-估计器滤波器包括与该车辆物理模型相关联的测量方程,并且被配置成输入该导航解和惯性传感器数据,以及输入和处理来自该车辆物理模型的预测平移加速度测量结果的集合作为导航辅助,以生成该导航校正。
附图说明
当考虑到优选实施方案的描述和以下附图时,本公开的实施方案可以更容易理解,并且其进一步的优点和用途更加显而易见,在附图中:
图1是示出基于模型的车辆导航***的示例实施方案的框图;并且
图2是示出用于基于模型的车辆导航的示例方法实施方案的流程图。
根据惯例,所描述的各种特征部未必按比例绘制,而是用于强调与本公开相关的特征部。参考字符在所有图和文本中表示类似的元件。
具体实施方式
在以下详细描述中,参考形成其一部分的附图,并且在附图中通过可以实践这些实施方案的具体说明性实施方案的方式来示出。对这些实施方案进行了足够详细的描述,以使本领域技术人员能够实践这些实施方案,并且应当理解,在不脱离本公开的范围的情况下,可以利用其他实施方案,并且可以作出逻辑改变、机械改变和电气改变。因此,以下详细描述不应被视为具有限制意义。
本公开的实施方案提供了用于车辆的生成导航解而无需导航级惯性传感器或车外导航辅助源的导航***和方法。在一些实施方案中,导航***包括车辆物理模型,该车辆物理模型生成和输出用作传播器-估计器滤波器的输入的加速度测量结果,该传播器-估计器滤波器根据那些加速测量结果(和如下文所论述的其它测量状态)输出对捷联导航过程的导航校正。结果是导航辅助,导航辅助能够将车辆速度和/或姿态测量结果中的导航误差界定到SVO导航目的的可接受水平,而不是产生可能随着时间无限生长的导航误差。边界速度误差还可以用于限制车辆位置的估计中的潜在生长。
如下面更详细地讨论的,车辆物理模型是利用刚性主体的动力学方程的飞行器空气动力学和推进模型。在此上下文中,车辆物理模型表示驱动对应于车辆动力学的运动方程的基础物理。也就是说,车辆物理模型提供指示作用在车身上的力的平台输入测量结果(如产生推进力的节气门或马达RPM、影响气动力的控制表面偏转或影响气动力的风速)、车辆状态(诸如不限于姿态和速度)以及所得的线性和角加速度之间的关系。在一些实施方案中,通过基于车辆运动方程的知识来制定导航测量结果将车辆物理模型结合到导航估计算法中。尽管本公开主要集中于车辆100是飞行器(如UAM和/或SVO飞行器)的实施方式,但是本文所论述的实施方案可以针对任何形式的车辆实施。例如,本文所述的实施方案可以用于代替车辆中的姿态和航向参考***(AHRS)产品或与其一起使用,因为它们可以用于产生通常不从AHRS获得的速度和位置信息。
图1是包括本公开的一个实施方案的基于模型的导航***120的车辆100的框图。在图1中,车辆平台110表示车辆100的结构元件(例如,类似于飞行器的机身和提升主体),其中平台输入u和车辆状态xp表示产生作用于车辆平台110的力和力矩的变量,力和力矩可能影响车辆100的线性和旋转加速度。因此,平台输入u包括发动机或马达参数,诸如节气门和RPM,这些参数会导致车辆产生的推进力直接或间接从车辆发动机产生。例如,对于飞行器车辆,车辆生成的推进力可以包含由喷气式发动机(部分地由节气门确定)和/或螺旋桨(部分地由RPM确定)产生的推力。对于在陆地上操作的车辆,车辆生成的推进力可以是发动机或马达产生的扭矩的函数。对于其它形式的运输车辆,车辆生成的推进力可以由其它动力产生。另外的平台输入u包括产生作用在车辆上的气动力的控制表面偏转(诸如副翼、升降舵或方向舵偏转)。平台输入u还包括外部变量,诸如风速,风速影响作用在车辆100上的气动力。车辆状态xp(包括速度和姿态)在车辆物理模型130中的动力学方程中使用,并且从导航解n、导航滤波器状态xn和惯性传感器数据s导出。连同风速,车辆状态xp可用于确定相对风速、迎角、侧滑角和坡度角。这些参数产生影响车辆的线性和旋转加速度的气动力和力矩(如升力和阻力)。惯性传感器122用于感测和测量由平台输入u和车辆状态xp引起的车辆100的结构元件的净加速度(线性和旋转加速度两者)。例如,惯性传感器122可以包括加速度计和陀螺仪的集合。在一些实施方案中,惯性传感器122可以使用低级惯性传感器(即,非导航级传感器,如战术级和工业级传感器)、此类微机电***(MEMS)加速度计和MEMS陀螺仪或其它工业或战术级惯性传感器来实施。来自惯性传感器122的输出是原始惯性传感器数据s,该数据在一些实施方案中包括由施加到车辆平台110的线性加速力产生的三个正交比力测量结果以及由施加到车辆平台110的旋转力矩产生的三个正交角速率测量结果。捷联导航处理器124输入惯性传感器数据s,以产生导航解n,该导航解包括至少车辆姿态和速度估计。因为惯性传感器122低于导航级,所以导航解n(如果不进行校正)将在车辆姿态和速度估计中累积无界的误差。然而,在本公开的实施方案的情况下,将导航校正(其可以以更新的导航滤波器状态估计的形式)提供给捷联导航处理器124,使得潜在车辆姿态和速度误差是有界的。捷联导航处理器124根据更新的导航滤波器状态估计调整由惯性传感器122产生的原始惯性传感器数据s,从而产生可以比从单独原始惯性传感器数据s的导出的导航解更准确的导航解n。此外,导航解的速度和/或姿态分量中相对于真实速度和姿态车辆状态的潜在误差被界定为使得车辆控制***105可以基于准确到在已知公差内的导航解输入来操作以控制和导航车辆100。
对于本公开的实施方案,可以基于由车辆物理模型130实施的车辆平台110的物理模型来估计对应于惯性传感器122应感测的预测加速力的预测加速力。如图1所示,基于模型的导航***120进一步包括平台输入传感器126、利用对应于车辆平台110的刚性主体的动力学方程执行计算的车辆物理模型130和传播器-估计器滤波器128。应当理解,基于模型的导航***120可以包括用代码编程的一个或多个处理器和存储器,该代码在执行时实施车辆物理模型130、传播器-估计器滤波器128或捷联导航处理器124中的任一个的功能。
对于本公开中呈现的一个或多个实施方案,车辆物理模型130根据传播器-估计器滤波器128的导航滤波器状态xn计算线性加速度和任选的角速率增量(由函数fa和fω给出)的集合,那些线性加速度和角速率增量(fa和fω)馈送到传播器-估计器滤波器128作为辅助源。
在图1所示的实施方案中,平台输入传感器126向车辆物理模型130输出可从测量的输入(um)获得的平台输入的指示、被估计为导航滤波器状态(un)的平台输入或两者。例如,马达RPM可以是测量的输入,但风速可以是作为导航滤波器状态中的一者的估计输入。车辆物理模型130应用测量的和/或估计的平台输入以计算线性加速度测量结果am,该测量结果包括作为辅助源输入提供给传播器-估计器滤波器128的三个正交预测平移加速度测量结果的集合。在一些实施方案中,线性加速度测量结果am可以表示为:
am=fa(xp,u)=fa(f(n,xn,s),[um,un])
其中am是由车辆物理模型130给出的线性加速度,并且由函数fa定义,其取决于平台状态xp和平台输入u。应当理解,线性加速度测量结果am可以采取包括三个测量值的向量的形式,一个测量值用于车辆平台的三个正交线性轴线(即,x轴、y轴和z轴)中的每个正交线性轴线,该三个正交线性轴线定义三个正交预测平移加速度测量结果的集合。此函数fa由作用在平台上的力和平台的质量表征。刚性主体平台运动方程包括线性加速度的方程。如以上表达所示,对平台状态的依赖性可以用对导航滤波器状态的依赖性替换。平台状态xp可以表示为:
xp=f(n,xn,s)
平台状态xp至少包括车辆速度状态,并且可以包括用于从刚性主体运动方程导出的模型的姿态、角速率和位置的附加车辆状态。平台状态xp可以从导航解n、导航滤波器状态xn和惯性传感器数据s计算。由车辆物理模型130利用的导航滤波器状态xn对应于由传播器-估计器滤波器128计算的导航滤波器状态xn。导航滤波器状态xn可以包括导航和传感器误差,并且还可以用平台输入un和/或其它辅助状态来增强(例如,)。在一些实施方案中,导航滤波器状态xn可以由车辆物理模型130从捷联导航处理器124的输出获得或导出。
在一些实施方案中,车辆物理模型130可选地可以进一步计算包括三个正交角速率增量测量结果Δωm的加速度测量结果,该增量测量结果可以通过以下表达式表示为函数fω:
Δωm=fω(xp,u,Δt)=fω(f(n,xn,s),[um,un],Δt)
其取决于平台状态xp、平台输入u和指定时间步Δt。此函数由作用在平台上的力矩和平台的惯性矩或惯性张量表征。应理解,角速率增量测量结果Δωm可以采取向量的形式,该向量包括三个测量值、一个值用于围绕车辆平台的三个正交线性轴线中的每个正交线性轴线(即,围绕x轴旋转,围绕y轴旋转和围绕z轴旋转)的力矩。刚性主体平台运动方程包括用于计算角加速度的方程,可以对角加速度进行积分以提供角速率增量方程。在一些实施方案中,可以用对导航滤波器状态的依赖性替换对平台状态的依赖性,如表达式中所示。
在一些实施方案中,传播器-估计器滤波器128可以包括卡尔曼滤波器或其变体(诸如扩展卡尔曼滤波器(EKF)或无迹卡尔曼滤波器(UKF))或其它传播器-估计器滤波器,诸如粒子滤波器(例如,顺序蒙特卡罗(SMC)滤波器)。
如本领域普通技术人员将理解的,在导航***的上下文中,传播器-估计器滤波器算法是用于滤波和混合来自导航传感器的数据和具有不同准确度的导航辅助的滤波器算法,以便建立车辆的导航状态的最佳估计。滤波器算法实施递归滤波器,该滤波器从一系列不完整、嘈杂或相对不精确的测量结果中估计动力学***的一个或多个状态变量。也就是说,传播器-估计器滤波器128预测未来一组车辆状态的值应基于其当前值,同时考虑由于噪声或设备容限而在该数据中通常预期的任何误差。传播器-估计器滤波器128基于该预测产生误差状态估计,并将这些状态与其接收的下一组测量数据进行比较。测量的数据与基于更新的误差状态的预测之间的任何差异表示被称为残留误差的偏差。如果残留误差较小,则传播器-估计器滤波器128将尝试通过将残留误差(或其至少一些部分)应用到导航滤波器状态的预测值的下一个迭代中来校正误差。
对于本公开的实施方案,传播器-估计器滤波器128包括与车辆物理模型130相关联的测量方程(诸如129处所示),使得当传播器-估计器滤波器128输出对捷联导航处理器124的导航校正时,那些导航校正将界定导航解中的速度和姿态误差。换句话说,传播器-估计器滤波器128根据导航解计算导航校正,进一步利用来自车辆物理模型的预测平移加速度测量结果的集合作为导航辅助。测量方程可以由变量y表示,如下所示:
y=h(xn,n,s,um,Δt)=h(xn)
其是导航滤波器状态xn的函数,如函数h所描述的,其计算车辆物理模型130导出的线性和角加速度与惯性传感器122导出的线性和角加速度之间的差异。如果测量方程中的所有其他变量被认为是固定的,则h可以写为仅xn的函数。如果导航滤波器状态xn在传播器-估计器滤波器128内是正确的,则与车辆的相应线性加速度和旋转加速轴线中的每个相应线性加速度和旋转加速轴线相关联的车辆物理模型130导出的加速度与惯性传感器122导出的加速度之间的差异理想地应当是零。因此,测量方程y的值设置为零。例如,对于利用所有三个线性加速度测量结果和三个角速率测量结果的实施方案,y可以被定义为包括六个零的零矢量。当函数h不产生y=0时,传播器-估计器滤波器128导出误差残差,该误差残差形成在每次滤波迭代之后馈送到捷联导航处理器124的导航校正的基础,以产生导航解,该导航解驱动传播器-估计器滤波器128中的测量方程y的值朝向零。
在一些实施方案中,通过将导航模型125结合到捷联导航处理器124中来进一步改进导航解中的界定误差。导航模型125包括根据惯性传感器数据s计算线性加速度和角加速度的算法。例如,在一些实施方案中,惯性传感器122可以包括低于导航级传感器单元(诸如MEMS传感器),该传感器单元包括三个加速度计和三个陀螺仪的集合。例如,在一些实施方案中,惯性传感器数据包括来自用于估计线性加速度的MEMS加速度计的一个或多个比力测量结果。在此类实施方案中,导航模型125可以根据惯性传感器数据s计算三个正交线性加速度值和三个正交角加速度值的相应集合。在一些实施方案中,为了更好地促进从传播器-估计器应用导航解,导航模型125在计算导航解n时执行结合导航滤波器状态xn的算法。更具体地,如由传播器-估计器滤波器128计算的由捷联导航处理器124接收的导航校正包括更新的导航滤波器状态估计。例如,由导航模型125计算的线性加速度an可以表示为:
an=ga(n,xn,s)
其中an由函数ga定义,其取决于导航解n、更新的导航滤波器状态xn、由传播器-估计器滤波器128提供的估计和来自惯性传感器122的惯性传感器数据s。应当理解,线性加速度测量结果an可以采取向量的形式,该向量包括多达三个测量值,一个测量值用于车辆平台的三个正交线性轴线(即x轴、y轴和z轴)中的每个正交线性轴线。此函数ga由测量的比力、加速度计误差估计以及姿态与重力耦合的影响表征。
类似地,在一些实施方案中,由导航模型125计算的角速率增量Δωn可以表示为:
Δωn=gω(n,xn,s,Δt)
其中Δωn是导航模型给出的角速率的变化,并由函数gω定义,其取决于导航解n、更新的导航滤波器状态xn、由传播器-估计器滤波器128提供的估计、来自惯性传感器122的惯性传感器数据s、以及指定的时间步Δt。应理解,角加速度测量结果Δωn可以采取向量的形式,该向量包括三个测量值,一个测量值用于围绕车辆平台的三个正交线性轴线中的每个正交线性轴线(即,围绕x轴旋转、围绕y轴旋转和围绕z轴旋转)的力矩。此函数gω由测量的角速率和陀螺仪误差估计表征。导航模型125可以根据惯性传感器数据s计算角速率,角速率可以在指定时间进行差分以计算角速率的变化。
将得到的ga和gω值反馈到传播器-估计器滤波器128,测量方程y可以更具体地表示为:
这种测量方程通过对车辆物理模型130和导航模型125的线性加速度和角速率变化的计算求差而形成的。如上文所解释的,测量方程在y=[0]的条件下计算,因为如果导航滤波器状态估计xn是正确的,则车辆物理模型130计算的加速度和导航模型125计算的加速度之间的差异应该为零。
图2是在200处示出用于基于模型的车辆导航的示例方法实施方案的流程图。应当理解,本文相对于图2所示的方法200描述的特征和元件可与本文相对于图1所讨论的任何其他实施方案的元件结合使用,结合或取代,反之亦然。此外,应当理解,本文描述的实施方案的元件的功能、结构和其它描述可以应用于与其描述的任何附图和/或实施方案相似或类似地命名或描述的元件。
方法开始于210,其中输入来自惯性传感器的惯性传感器数据以及输入来自传播器-估计器滤波器的导航校正以生成导航解,该导航解至少包括车辆速度估计。在220处,该方法包括执行车辆物理模型,该车辆物理模型被配置成利用刚性主体的动力学方程执行计算,其中车辆物理模型输入1)来自导航解的车辆状态估计和2)指示作用在车身上的力的平台输入测量结果。如上所述,平台输入测量结果可以包括传感器数据或指示作用在车辆平台上的力的导出的输入估计。车辆状态估计可以对应于由传播器-估计器滤波器计算的导航状态估计。在230处,方法包括用车辆物理模型根据车辆状态估计和平台输入测量结果计算三个正交预测平移加速度测量结果的集合。在240处,方法包括根据导航解计算导航校正并且进一步利用来自车辆物理模型的预测平移加速度测量结果的集合作为导航辅助,其中传播器-估计器滤波器包括与车辆物理模型相关联的测量方程。通过将包括与车辆物理模型所利用的导航状态相对应的导航状态的测量方程结合到传播器-估计器滤波器中,传播器-估计器滤波器计算对捷联导航处理器的导航校正,该导航校正将在导航解中界定速度和姿态误差。
示例性实施方案
实施例1包括一种用于车辆的导航***,该***包括:捷联导航处理器;传播器-估计器滤波器,其中该捷联导航处理器被配置成输入惯性传感器数据以及输入来自传播器-估计器滤波器的导航校正以生成导航解,该导航解至少包括车辆速度估计和车辆姿态估计;和车辆物理模型,该车辆物理模型被配置成利用刚性主体的动力学方程执行计算,其中该车辆物理模型输入1)来自导航解的车辆状态估计和2)指示作用在车辆平台上的力的平台输入,并且该车辆物理模型基于该输入至少输出三个正交预测平移加速度测量结果的集合;其中该传播器-估计器滤波器包括与该车辆物理模型相关联的测量方程,并且被配置成输入该导航解和惯性传感器数据,以及输入和处理来自该车辆物理模型的预测平移加速度测量结果的集合作为导航辅助,以生成该导航校正。
实施例2包括实施例1所述的***,其中传播器-估计器滤波器包括卡尔曼滤波器、扩展卡尔曼滤波器、无迹卡尔曼滤波器或粒子滤波器。
实施例3包括实施例1至2中任一项所述的***,该***进一步包括一个或多个平台输入传感器,其中平台输入中的一个或多个平台输入由一个或多个平台输入传感器生成。
实施例4包括实施例1至3中任一项所述的***,其中惯性传感器数据包括来自用于估计线性加速度的MEMS加速度计的一个或多个比力测量结果。
实施例5包括实施例4所述的***,其中惯性传感器数据进一步包括来自MEMS陀螺仪的一个或多个角速率测量结果。
实施例6包括根据实施例1至5中任一项所述的***,其中导航校正包括更新的导航滤波器状态估计。
实施例7包括实施例1至6中任一项所述的***,其中测量方程由传播器-估计器滤波器计算为车辆物理模型导出的加速度与惯性传感器导出的加速度之间的差,并且是导航滤波器状态的函数。
实施例8包括根据实施例1至7中任一项所述的***,其中车辆物理模型被配置成计算对应于车辆平台的刚性主体的动力学方程。
实施例9包括实施例8所述的***,其中车辆物理模型根据传播器-估计器滤波器的导航滤波器状态计算预测平移加速度测量结果的集合。
实施例10包括实施例8至9中任一项所述的***,其中车辆物理模型计算由作用在车辆上的力引起的预测平移加速度测量结果。
实施例11包括实施例10所述的***,其中捷联导航处理器包括导航模型,该导航模型被配置成根据惯性传感器数据和来自传播器-估计器滤波器的更新的导航滤波器状态估计来计算线性加速度和角速率增量。
实施例12包括实施例11所述的***,其中测量方程计算为用于线性加速度和角速率增量的车辆物理模型和导航模型计算之间的差,并且是导航滤波器状态的函数。
实施例13包括根据实施例1至12中任一项所述的***,其中车辆是飞行器,并且惯性传感器数据由低级惯性传感器生成。
实施例14包括一种用于基于模型的车辆导航的方法,该方法包括:将来自惯性传感器的惯性传感器数据和来自传播器-估计器滤波器的导航校正输入到捷联导航处理器以生成导航解,该导航解至少包括车辆速度估计;执行车辆物理模型,该车辆物理模型被配置成利用刚性主体的动力学方程执行计算,其中车辆物理模型输入1)来自导航解的车辆状态估计和2)指示作用在车身上的力的平台输入测量结果;用车辆物理模型根据车辆状态估计和平台输入测量结果计算三个正交预测平移加速度测量结果的集合;以及根据导航解和惯性传感器数据计算导航校正,并且进一步利用来自车辆物理模型的预测平移加速度测量结果的集合作为导航辅助,其中传播器-估计器滤波器包括与车辆物理模型相关联的测量方程。
实施例15包括实施例14所述的方法,其中导航校正包括更新的导航滤波器状态估计。
实施例16包括实施例14至15中任一项所述的方法,其中测量方程由传播器-估计器滤波器计算为车辆物理模型导出的加速度与惯性传感器导出的加速度之间的差,并且是导航滤波器状态的函数。
实施例17包括实施例14至16中任一项所述的方法,其中车辆物理模型被配置成计算对应于车辆平台的刚性主体的动力学方程。
实施例18包括实施例17所述的方法,其中车辆物理模型根据传播器-估计器滤波器的导航滤波器状态计算预测平移加速度测量结果的集合。
实施例19包括实施例18所述的方法,其中捷联导航处理器包括导航模型,该导航模型被配置成根据惯性传感器数据和来自传播器-估计器滤波器的更新的导航滤波器状态估计来计算线性加速度和角加速度。
实施例20包括实施例19所述的方法,其中测量方程计算为用于线性加速度和角速率增量的车辆物理模型与导航模型计算之间的差,并且是导航滤波器状态的函数。
在各种替代实施方案中,本公开全文描述的***和/或装置元件、方法步骤或示例实施方式(诸如例如平台输入传感器、惯性传感器、车辆物理模型、传播器-估计器滤波器、捷联导航处理器、导航模型、车辆控制***或任何控制器、处理器、电路或其子部分中的任一个子部分)可至少部分地使用一个或多个计算机***、现场可编程门阵列(FPGA)或类似装置来实施,该类似装置包括耦接到存储器并执行代码以实现那些元件、步骤、过程或实施方案的处理器,该代码存储在非暂态硬件数据存储装置上。因此,本公开的其他实施方案可以包括包含驻留在计算机可读介质上的程序指令的元件,当由此类计算机***实现时,这些程序指令使得元件能够实现本文所述实施方案。如本文所用,术语“计算机可读介质”是指具有非暂态物理形式的有形存储器存储装置。此类非暂态物理形式可以包括计算机存储器装置,诸如但不限于穿孔卡、磁盘或磁带、任何光学数据存储***、闪存只读存储器(ROM)、非易失性ROM、可编程ROM(PROM)、可擦除可编程ROM(E-PROM)、随机存取存储器(RAM)或任何其他形式的永久、半永久或临时存储器存储***或具有物理、有形形式的装置。程序指令包括但不限于由计算机***处理器执行的计算机可执行指令和硬件描述语言诸如超高速集成电路(VHSIC)硬件描述语言(VHDL)。
如本文所用,诸如“平台输入传感器”、“惯性传感器”、“车辆物理模型”、“传播器-估计器滤波器”、“捷联导航处理器”、“导航模型”、“车辆控制***”的术语是指航空电子和其它运输行业领域的技术人员所理解的元件名称,并且在本文中不用作调用35 USC 112(f)的现时单词或现时术语。
尽管本文已说明和描述了特定实施方案,但本领域的普通技术人员将认识到,经计算以实现相同目的的任何布置可替代所展示的特定实施方案。本申请旨在覆盖所提出的实施方案的任何修改或变型。因此,显而易见的是,实施方案仅受权利要求书及其等同物所限制。
Claims (3)
1.一种用于车辆的导航***(100),所述***(100)包括:
捷联导航处理器(124);
传播器-估计器滤波器(128),其中所述捷联导航处理器(124)被配置成输入惯性传感器数据以及输入来自所述传播器-估计器滤波器(128)的导航校正以生成导航解,所述导航解至少包括车辆速度估计和车辆姿态估计;和
车辆物理模型(130),所述车辆物理模型被配置成利用刚性主体的动力学方程执行计算,其中所述车辆物理模型(130)输入1)来自所述导航解的车辆状态估计和2)指示作用在车辆平台(110)上的力的平台输入,并且所述车辆物理模型(130)基于所述输入至少输出三个正交预测平移加速度测量结果的集合;
其中所述传播器-估计器滤波器(128)包括与所述车辆物理模型(130)相关联的测量方程并且被配置成输入所述导航解和惯性传感器数据,以及输入和处理来自所述车辆物理模型(130)的预测平移加速度测量结果的集合作为导航辅助,以生成所述导航校正。
2.一种用于基于模型的车辆导航的方法,所述方法包括:
将来自惯性传感器(122)的惯性传感器数据和来自传播器-估计器滤波器(128)的导航校正输入到捷联导航处理器(124)以生成导航解,所述导航解至少包括车辆速度估计;
执行车辆物理模型(130),所述车辆物理模型被配置成利用刚性主体的动力学方程执行计算,其中所述车辆物理模型(130)输入1)来自所述导航解的车辆状态估计和2)指示作用在所述车身上的力的平台输入测量结果;
用所述车辆物理模型(130)根据所述车辆状态估计和所述平台输入测量结果计算三个正交预测平移加速度测量结果的集合;以及
根据所述导航解和所述惯性传感器数据计算所述导航校正,并且进一步利用来自所述车辆物理模型(130)的所述预测平移加速度测量结果的集合作为导航辅助,其中所述传播器-估计器滤波器(128)包括与所述车辆物理模型(130)相关联的测量方程。
3.根据权利要求1所述的***(100)或根据权利要求2所述的方法,其中所述导航校正包括更新的导航滤波器状态估计。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/144,826 US11790793B2 (en) | 2021-01-08 | 2021-01-08 | Systems and methods for model based vehicle navigation |
US17/144,826 | 2021-01-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114754770A true CN114754770A (zh) | 2022-07-15 |
Family
ID=79164733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111585201.9A Pending CN114754770A (zh) | 2021-01-08 | 2021-12-22 | 用于基于模型的车辆导航的***和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11790793B2 (zh) |
EP (1) | EP4033205A1 (zh) |
CN (1) | CN114754770A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220326019A1 (en) * | 2021-04-21 | 2022-10-13 | Harbin Engineering University | Strapdown Inertial Navigation Heave Measurement Method Using Multiple Low-Pass Filter Units |
CN116399339B (zh) * | 2023-06-08 | 2023-08-25 | 深圳欧米智能科技有限公司 | 基于转向角度融合的惯性导航方法、装置和计算机设备 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL87151A0 (en) * | 1988-07-18 | 1989-09-10 | Israel Aircraft Ind Ltd | Integrated stabilized optical and navigation system |
US6163021A (en) | 1998-12-15 | 2000-12-19 | Rockwell Collins, Inc. | Navigation system for spinning projectiles |
US6208936B1 (en) * | 1999-06-18 | 2001-03-27 | Rockwell Collins, Inc. | Utilization of a magnetic sensor to compensate a MEMS-IMU/GPS and de-spin strapdown on rolling missiles |
US6480152B2 (en) * | 2000-07-20 | 2002-11-12 | American Gnc Corporation | Integrated GPS/IMU method and microsystem thereof |
US7409290B2 (en) | 2004-04-17 | 2008-08-05 | American Gnc Corporation | Positioning and navigation method and system thereof |
WO2005119387A2 (en) * | 2004-06-02 | 2005-12-15 | Athena Technologies, Inc. | Systems and methods for estimating position, attitude, and/or heading of a vehicle |
US7541974B2 (en) | 2005-12-15 | 2009-06-02 | Trimble Navigation Limited | Managed traverse system and method to acquire accurate survey data in absence of precise GPS data |
US7395987B2 (en) * | 2005-07-26 | 2008-07-08 | Honeywell International Inc. | Apparatus and appertaining method for upfinding in spinning projectiles using a phase-lock-loop or correlator mechanism |
US7979231B2 (en) | 2008-11-13 | 2011-07-12 | Honeywell International Inc. | Method and system for estimation of inertial sensor errors in remote inertial measurement unit |
JP5569681B2 (ja) | 2010-04-23 | 2014-08-13 | 国立大学法人 東京大学 | 慣性センサ,磁気センサおよび速度計を用いた移動体の姿勢推定装置および姿勢推定方法 |
US8219267B2 (en) | 2010-05-27 | 2012-07-10 | Honeywell International Inc. | Wind estimation for an unmanned aerial vehicle |
US8457882B2 (en) | 2011-04-19 | 2013-06-04 | Honeywell International Inc. | Systems and methods for navigation in a GPS-denied environment |
GB2526508A (en) * | 2014-02-27 | 2015-12-02 | Atlantic Inertial Systems Ltd | Inertial navigation system |
US9428279B2 (en) | 2014-07-23 | 2016-08-30 | Honeywell International Inc. | Systems and methods for airspeed estimation using actuation signals |
US9702674B2 (en) * | 2014-08-07 | 2017-07-11 | The United States Of America As Represented By The Secretary Of The Army | Method and apparatus for GPS-denied navigation of spin-stabilized projectiles |
US9435661B2 (en) | 2014-10-08 | 2016-09-06 | Honeywell International Inc. | Systems and methods for attitude fault detection based on air data and aircraft control settings |
GB2534833B (en) * | 2014-10-27 | 2020-07-01 | Atlantic Inertial Systems Ltd | Inertial navigation system |
US9978285B2 (en) | 2015-06-10 | 2018-05-22 | Ecole Polytechnique Federale De Lausanne (Epfl) | Autonomous and non-autonomous dynamic model based navigation system for unmanned vehicles |
GB2546241A (en) * | 2015-12-07 | 2017-07-19 | Atlantic Inertial Systems Ltd | Inertial navigation system |
US10417469B2 (en) | 2016-05-07 | 2019-09-17 | Morgan E. Davidson | Navigation using self-describing fiducials |
GB2557882A (en) * | 2016-06-20 | 2018-07-04 | Atlantic Inertial Systems Ltd | Inertial Navigation System |
EP3267152B1 (en) | 2016-07-05 | 2019-11-13 | The Boeing Company | Navigation aids for unmanned aerial systems in a gps-denied environment |
US10281279B2 (en) * | 2016-10-24 | 2019-05-07 | Invensense, Inc. | Method and system for global shape matching a trajectory |
CN106679657B (zh) | 2016-12-06 | 2019-10-25 | 北京航空航天大学 | 一种运动载体导航定位方法及装置 |
GB2565264B (en) * | 2017-05-23 | 2022-03-09 | Atlantic Inertial Systems Ltd | Inertial navigation system |
KR101846019B1 (ko) | 2017-10-12 | 2018-04-05 | 엘아이지넥스원 주식회사 | 비행체 위치 산출 장치 및 방법 |
US10989539B1 (en) * | 2018-04-25 | 2021-04-27 | Bae Systems Information And Electronic Systems Integration Inc. | Alignment of electrical devices using inertial measurement units |
GB2576569B (en) * | 2018-08-24 | 2022-10-19 | Atlantic Inertial Systems Ltd | Inertial navigation system |
JP7065069B2 (ja) * | 2019-12-25 | 2022-05-11 | 本田技研工業株式会社 | 移動体の制御装置 |
CN111708377B (zh) | 2020-06-21 | 2022-10-25 | 西北工业大学 | 基于惯导/飞控***信息融合的飞行控制方法 |
US11781836B2 (en) * | 2021-03-04 | 2023-10-10 | Honeywell International Inc. | Systems and methods for model based inertial navigation for a spinning projectile |
-
2021
- 2021-01-08 US US17/144,826 patent/US11790793B2/en active Active
- 2021-12-22 CN CN202111585201.9A patent/CN114754770A/zh active Pending
- 2021-12-23 EP EP21217658.0A patent/EP4033205A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11790793B2 (en) | 2023-10-17 |
EP4033205A1 (en) | 2022-07-27 |
US20220223054A1 (en) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Leishman et al. | Quadrotors and accelerometers: State estimation with an improved dynamic model | |
Madyastha et al. | Extended Kalman filter vs. error state Kalman filter for aircraft attitude estimation | |
Hua et al. | Introduction to feedback control of underactuated VTOLvehicles: A review of basic control design ideas and principles | |
JP5569681B2 (ja) | 慣性センサ,磁気センサおよび速度計を用いた移動体の姿勢推定装置および姿勢推定方法 | |
EP4053504B1 (en) | Systems and methods for model based inertial navigation for a spinning projectile | |
Wang et al. | High-order nonlinear differentiator and application to aircraft control | |
CN114754770A (zh) | 用于基于模型的车辆导航的***和方法 | |
CN105865446A (zh) | 基于大气辅助的惯性高度通道阻尼卡尔曼滤波方法 | |
RU2762143C2 (ru) | Система определения курса и углового пространственного положения, выполненная с возможностью функционирования в полярной области | |
CN110941285A (zh) | 一种基于双ip核的无人机飞行控制*** | |
Brossard et al. | Tightly coupled navigation and wind estimation for mini UAVs | |
Svacha et al. | Inertial velocity and attitude estimation for quadrotors | |
CN115200578A (zh) | 基于多项式优化的惯性基导航信息融合方法及*** | |
Ko et al. | Lie group approach to dynamic-model-aided navigation of multirotor unmanned aerial vehicles | |
Manai et al. | Identification of a UAV and design of a hardware-in-the-loop system for nonlinear control purposes | |
Crocoll et al. | Quadrotor inertial navigation aided by a vehicle dynamics model with in-flight parameter estimation | |
CN111982126A (zh) | 一种全源BeiDou/SINS弹性状态观测器模型设计方法 | |
CN103344246B (zh) | 火星动力下降段减弱动力学***误差的两步滤波方法 | |
Oh et al. | Development of UAV navigation system based on unscented Kalman filter | |
Kopecki et al. | A proposal of AHRS yaw angle correction with the use of roll angle | |
Khaghani et al. | Autonomous navigation of small UAVs based on vehicle dynamic model | |
Baranek et al. | Model-based attitude estimation for multicopters | |
Jarrell et al. | Aircraft attitude, position, and velocity determination using sensor fusion | |
Jun et al. | State estimation via sensor modeling for helicopter control using an indirect kalman filter | |
Marantos et al. | Autonomous model-free landing control of small-scale flybarless helicopters |
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 |