共查询到19条相似文献,搜索用时 152 毫秒
1.
2.
对于航姿参考系统中磁航向传感器的输出精度来说,误差环境对其精确度的影响起着很大的作用.为了校正磁航向传感器的误差,提出了一种基于改进最小二乘法的椭球拟合法,对三轴磁传感器误差做快速标定补偿.首先,对磁航向传感器的误差产生机理进行有效分析,然后,针对分析结果建立误差椭球模型,推导出误差系数的解算公式,利用改进的椭球拟合方法对磁航向传感器进行标定和补偿.实验结果表明,改进的椭球拟合方法能够正确快速的标定补偿磁航向传感器的零偏误差、非正交误差、灵敏度误差,在解决当前磁传感器标定补偿计算量大、操作时间长、标定设备要求高等问题上达到了预期的效果,具有补偿效果显著,简单易行等特点. 相似文献
3.
4.
针对磁罗盘传感器非线性校正中现有方法的不足,提出采用小波函数和双曲正弦函数作为超限学习机(ELM)的激活函数,并将此改进超限学习机用于磁罗盘的校正.同时,阐述了传感器的非线性校正原理,磁罗盘航向误差模型及改进超限学习机的实现过程,并分别采用BP神经网络法和传统ELM对磁罗盘进行非线性校正.实验结果表明,改进ELM算法补偿后最大误差为0.103°,均方根误差为0.0596°,优于BP神经网络算法(补偿后最大误差为0.5°,均方根误差为0.1805°)和传统ELM神经网络(补偿后最大误差为0.21°,均方根误差为0.1056°). 相似文献
5.
6.
7.
8.
针对由三轴磁传感器、三轴微机电系统(MEMS)加速度计和三轴MEMS速率陀螺构成的无人机捷联航姿参考系统(AHRS),在详细分析3种传感器误差来源的基础上,建立了与之相适应的误差数学模型;根据传感器自身特点和九轴传感器的测量特点提出了相对应的误差补偿算法.试验结果表明:磁通门传感器的航向角最大误差由补偿前15°降低为补偿后1.6°;补偿后加速度计的俯仰角最大误差为0.25°,倾斜角最大误差0.35°;速率陀螺的静态误差补偿在3.5 min之内航向角误差为±0.3°,俯仰角补偿后误差±0.4°,倾斜角补偿后误差±0.4°;当速率小于15°/s时,动态误差控制在±1°. 相似文献
9.
10.
针对角速率陀螺误差随时间积累和电子磁罗盘易受外界干扰的问题,为提高低成本自主导航精度,设计了角速率陀螺和电子磁罗盘信息融合的组合方案。并对传统的补偿滤波方法进行改进,提出一种能够检测出电子磁罗盘的低频干扰,并对干扰误差进行剔除的抗差补偿滤波算法。通过对角速率陀螺和电子磁罗盘进行误差建模和仿真实验可知,抗差补偿滤波器可以有效地抑制磁罗盘高频干扰误差和角速率陀螺的积累误差,同时,也可很好地抑制磁罗盘的低频干扰误差。结果表明:研究的抗差补偿滤波算法效果明显,是一种简单可靠的航向融合方法。 相似文献
11.
为解决GPS信号失锁条件下,GPS/INS(inertial navigation system)组合导航系统解算精度降低甚至发散的问题,提出采用多层感知机神经网络(multilayer perceptron neural networks,MLPNN)来辅助组合导航系统。在GPS信号有效时对神经网络进行训练,在GPS失锁时利用神经网络对INS的导航误差进行修正,实现组合导航的连续性。跑车实验数据表明,GPS信号失锁360 s左右时,MLPNN辅助的组合导航方法最大位置误差在40 m以内,相对于纯惯性导航推算降低了35%的误差。该算法对GPS失锁后抑制GPS/INS组合导航系统误差快速发散、提高导航解算精度有显著效果。 相似文献
12.
针对静止与匀速运动状态下低成本SINS/GPS组合导航系统航向角可观性差的问题,采用磁强计与低成本SINS/GPS构成新的组合导航系统,以提高系统的航向精度.给出了完整的组合导航系统卡尔曼滤波模型,利用Simulink进行了仿真实验.仿真结果表明:在静止与匀速运动状态下,SINS/GPS组合导航系统航向角误差发散,而SINS/GPS/磁强计组合导航系统的航向角有效收敛.利用某型系统进行了静态实验,实验表明:在传感器精度较差的条件下,SINS/GPS/磁强计组合系统航向角仍可以有效收敛,收敛后姿态角误差标准差小于0.2.静态实验验证了该方法在实际应用中的有效性. 相似文献
13.
M. Malleswaran V. Vaidehi A. Saravanaselvan M. Mohankumar 《Applied Artificial Intelligence》2013,27(5):367-407
An aircraft system mainly relies on a Global Positioning System (GPS) to provide accurate position values consistently. However, GPS receivers may encounter frequent GPS absence because of ephemeric error, satellite clock error, multipath error, and signal jamming. To overcome these drawbacks, generally a GPS is integrated with an Inertial Navigation System (INS) mounted inside the vehicle to provide a reliable navigation solution. INS and GPS are commonly integrated using a Kalman filter (KF) to provide a robust navigation solution. In the KF approach, the error models of both INS and GPS are required; this leads to the complexity of the system. This research work presents new position update architecture (NPUA) which consists of various artificial intelligence neural networks (AINN) that integrate both GPS and INS to overcome the drawbacks of the Kalman filter. The various AINNs that include both static and dynamic networks described for the system are radial basis function neural network (RBFNN), backpropagation neural network (BPN), forward-only counter propagation neural network (FCPN), full counter propagation neural network (Full CPN), adaptive resonance theory-counter propagation neural network (ART-CPN), constructive neural network (CNN), higher-order neural networks (HONN), and input-delayed neural networks (IDNN) to predict the INS position error during GPS absence, resulting in different performances. The performances of the different AINNs are analyzed in terms of root mean square error (RMSE), performance index (PI), number of epochs, and execution time (ET). 相似文献
14.
15.
自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究 总被引:1,自引:0,他引:1
利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善. 相似文献
16.
17.
18.
19.
列车组合导航系统研究与仿真 总被引:1,自引:0,他引:1
提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位. 相似文献