共查询到18条相似文献,搜索用时 62 毫秒
1.
利用海底地形辅助导航是水下载体导航技术致力研究的新方向。该文利用多波束测深系统测量真实地形数据,在此实测地形图的基础上,采用ICCp算法为对准匹配算法,得到水下载体的最佳匹配位置,提高水下载体的导航精度。并利用仿真以平台式惯导系统为例,用卡尔曼滤波对惯导系统误差进行最优估计,取得了较好的效果。 相似文献
2.
3.
《舰船科学技术》2021,43(9)
针对目前水下地形辅助导航性能在单一算法下受多因素影响而无法得到最佳发挥的问题,采用双线性插值法制备了相应分辨率的水下数字地图,采用地形轮廓相关匹配(TERCOM)算法和基于直接概率准则的质点滤波(PMF)算法组成的组合匹配算法,较为全面地仿真分析了潜航器航速、测深误差、航向误差、航速误差、初始位置偏差和水下地形特征等诸多因素对导航性能的影响规律,对组合算法在复杂条件下的应用性能进行了剖析。仿真结果表明,在复杂条件下组合算法具有较强的稳定性和抗误差性,通过合理地选择应用参数,可有效降低匹配误差,提高导航性能,研究成果可为匹配算法在水下导航工程实践中的应用提供参考。 相似文献
4.
基于地形熵和ICCP算法的水下辅助导航组合方法研究 总被引:2,自引:0,他引:2
基于ICCP算法的水下地形辅助导航可以很好地弥补INS长期误差积累的缺点.但ICCP算法在INS初始误差较大情况下易发散,为解决这个问题,提出用地形熵和ICCP算法的组合方法,即先用地形熵算法做粗匹配来降低INS的初始误差,用ICCP算法进行精匹配得到最佳匹配位置,在粗匹配阶段采用动态门限法,在精匹配阶段引入滑动窗口,这样可提高组合算法的快速性.仿真结果表明,组合算法是正确的和有效的. 相似文献
5.
6.
7.
因无法对系统模型和噪声模型精确建模导致Kalman滤波器精度较低或发散问题,本文将H∞滤波理论引入重力仪/INS组合导航系统。文中首先给出了最优H∞范数的计算方法,解决了过去根据经验或多次试验确定该值的问题。组合导航系统包含位置、速度和姿态9维状态误差,利用重力仪实测重力异常与INS指示位置地图重力异常值之差作为观测信息对系统进行H∞滤波。仿真实验表明,该方法可极大地改善组合导航系统的鲁棒性和可靠性,明显提高系统的导航精度,减小滤波系统的阶次,加快对系统状态的滤波估计,对工程实际应用具有重要意义。 相似文献
8.
9.
10.
11.
12.
QIN Zheng BIAN Xin-qian 《船舶与海洋工程学报》2006,5(4):33-37
1 Introduction1 It is hoped the Autonomous Underwater Vehicle (AUV) can be fully autonomous, but the basis of this hope is that AUV can navigate and position accurately.Inertial navigation is the main navigation method for AUV, but accumulative error of t… 相似文献
13.
随着CORS技术的发展以及航运定位精度要求的提高,我国内河亟需建立各自的航运CORS系统,而传统的CORS系统精度测试无法全面反映系统实际精度。提出了一种基于内河航运CORS系统的动态测试新方案,顾及了用户实际需求和内河航运CORS系统的特点,并以长江干线连续运行参考站系统测试为例,验证该测试方法的可行性,分析讨论测试结果,为内河航运CORS系统的测试提供新的思路。 相似文献
14.
为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。 相似文献
15.
Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme
was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and
an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase
space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error
stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of
the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect
signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B. 相似文献
16.
17.