-
公开(公告)号：CN115046545B
公开(公告)日：2024-12-13
申请号：CN202210348112.0
申请日：2022-03-29
Applicant: 哈尔滨工程大学
IPC: G01C21/16 , G01C21/20 , G06T7/277 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种深度网络与滤波结合的定位方法，步骤一：建议视觉惯性里程计运动学模型；步骤二：将时序上相邻k+1帧图像视频序列输入堆叠网络，组合相邻帧的图像得到k组图像对；步骤三：k组图像对输入CNN‑LSTM‑ATT‑VO网络后输出6‑dof的位姿估计Δx,Δy,Δz,#imgabs0#Δλ,Δψ，其中Δx,Δy,Δz分别为x轴、y轴和z轴平移量，#imgabs1#Δλ,Δψ分别为绕x轴、y轴和z轴旋转量；所述网络依次包括卷积神经网络、CBAM模块、LSTM网络和全连接层；步骤四：通过基于李群的以机器人为中心的Kalman滤波算法进行视觉惯性里程计的融合定位。本发明提高了系统的鲁棒性并提高了协同定位精度，避免了传统EKF算法的不一致性。
-
公开(公告)号：CN115046544B
公开(公告)日：2024-12-10
申请号：CN202210326114.X
申请日：2022-03-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于因子图的INS/UWB室内行人组合导航方法，步骤为：1.建立INS/UWB室内行人组合导航系统的状态方程；2.建立量测方程；3.建立因子图模型；4.根据3计算因子图中第一次消息传递过程中待定位行人时间更新后的二维位置变量和速度变量的概率密度函数；5.根据3计算因子图中第一次消息传递过程中待定位行人量测更新后的二维位置变量的概率密度函数；6.根据4和5计算因子图中第二次消息迭代过程中待定位行人量测更新后的二维位置变量和速度变量的概率密度函数；7.根据4和6计算因子图中待定位行人二维位置变量和速度变量的概率密度函数。本发明有效解决室内复杂应用场景中待定位行人接收到的UWB测距信息数量不确定情况下室内行人定位与测速问题。
-
公开(公告)号：CN118826390A
公开(公告)日：2024-10-22
申请号：CN202410914059.5
申请日：2024-07-09
Applicant: 哈尔滨工程大学 , 苏州东菱智能减振降噪技术有限公司
IPC: H02K11/215 , H02K33/18
Abstract: 本发明属于主动控制技术领域，公开了一种主动执行器。主动执行器包括执行机构和监测机构，执行机构包括支撑组件、定子组件和动子组件；监测机构包括线圈骨架、导电线圈、测量组件和至少一个永磁铁。将监测机构与执行机构集成在一起，在实现动子组件振动的同时，可对动子组件的运行状态进行监测，使用方便。监测机构基于电磁感应原理，动子组件振动时，导电线圈在永磁铁产生的磁场中做切割磁感线运动，进而产生感应电动势，通过感应电动势的变化，以反映动子组件振动速度的变化。在监测过程中，不需要外部电源供电，仅将导电线圈与测量组件电连接即可，使用方便。此外，导电线圈作为信号线，不会随动子组件反复运动，监测时的可靠性较好。
-
公开(公告)号：CN115031725B
公开(公告)日：2024-10-15
申请号：CN202210280446.9
申请日：2022-03-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种DVL多波束标定方法，包括：建立DVL波束量测结构模型，对模型进行四元数表示，选取状态量和量测信息，建立基于四元数表示的状态预测方程、量测预测方程和非线性量测方程的雅克比矩阵；使用EKF对四波束进行标定，将状态预测方程、量测预测方程和非线性量测方程的雅克比矩阵代入卡尔曼滤波器中得到安装偏差角四元数及结构角误差估计值；重置卡尔曼滤波器中状态量及状态先验协方差矩阵，状态量作为下一次滤波的状态初值，获得载体速度信息的迭代更新公式，重复迭代循环次数n，获得安装偏差角四元数及结构角误差估计值。本发明提高了标定精度，在迭代后具有更稳定的误差均值及标准差。
-
公开(公告)号：CN114840003B
公开(公告)日：2024-08-02
申请号：CN202210279687.1
申请日：2022-03-21
Applicant: 哈尔滨工程大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明公开了一种单领航多AUV协同定位及轨迹跟踪控制方法，步骤一：建立跟踪器运动学模型、领航器运动学模型以及两者之间距离量测的模型；步骤二：根据步骤一建立的模型通过扩展卡尔曼滤波算法对领航器状态进行估计；步骤三：根据可观测性进行协同轨迹规划，确定跟踪器理想跟踪轨迹；步骤四：根据步骤二以及步骤三中的目标状态以及跟踪轨迹，设计控制器，完成对目标的跟踪。本发明所提出的方法具有很强的鲁棒性和有效性。对不同的多个跟踪器均有很好的效果。
-
Patent Agency Ranking
公开(公告)号：CN116702479B
公开(公告)日：2024-02-06
申请号：CN202310690334.5
申请日：2023-06-12
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , G06F17/18 , G06F17/16 , G06F17/11 , G06F119/12 , G06F119/10
Abstract: 本申请公开了一种水下航行器未知输入与位置估计方法及系统，方法包括：获取水下航行器的航行数据，并基于航行数据构建系统状态空间模型；对系统状态空间模型中的量测方程进行第一次优化，得到优化后量测方程，并基于优化后量测方程构建延时递推框架；基于延时递推框架，搭建未知非线性控制输入和延时到达观测信息之间的递推关联；基于递推关联得到未知非线性控制输入估计值；基于未知非线性控制输入估计值，得到位置状态后验估计表达式和第一估计误差协方差表达式；对后验估计表达式进行第二次优化，得到最终位置状态表达式和第二估计误差协方差表达式。本申请缓解观测值中的延时偏
-
公开(公告)号：CN116929342A
公开(公告)日：2023-10-24
申请号：CN202310718292.1
申请日：2023-06-16
Applicant: 哈尔滨工程大学
IPC: G01C21/16 , G01S19/49 , G01S19/40 , G06F16/29 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于双通道的GNSS/INS组合导航辅助方法，进行数据预处理，包括数据归一化、划分数据集、将一维序列信息转换为三维张量信息，将数据输送给双通道LSTM‑GRU模型，令双通道中的模型同时进行训练和预测，两个通道的模型采取同样的模型结构，不同的模型参数，每个通道中的模型均包括LSTM模块、GRU模块，双通道各自单独输出经、纬度增量信息，最后分别对预测结果进行数据积分处理，进而输出GNSS预测轨迹。本发明训练效率更高且保留了模型对历史信息有选择地保留和利用的能力，在辅助GNSS/INS组合导航系统方法中，本发明更具针对性地对经、纬度信息进行预测，令经、纬度信息的预测效果达到最佳。
-
公开(公告)号：CN116907481A
公开(公告)日：2023-10-20
申请号：CN202310718114.9
申请日：2023-06-16
Applicant: 哈尔滨工程大学
IPC: G01C21/16 , G01S19/49 , G01S19/40 , G06F16/29 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于双通道的GNSS/INS组合导航辅助方法，采集数据后，进行数据预处理，包括数据归一化、划分数据集、将一维序列信息转换为三维张量信息，将数据输送给双通道CNN‑Residual‑LSTM模型，令双通道中的模型同时进行训练和预测，两个通道的模型采取同样的模型结构，不同的模型参数，每个通道中的模型均包括CNN模块、Residual‑LSTM模块，双通道各自单独输出经、纬度增量信息，最后分别对预测结果进行数据积分处理，进而输出GNSS预测轨迹，达到GNSS失效时，利用模型辅助组合导航系统的目的。在辅助GNSS/INS组合导航系统方法中，本发明更具针对性地对经、纬度信息进行预测，效果更佳。
-
公开(公告)号：CN116718211A
公开(公告)日：2023-09-08
申请号：CN202310616545.4
申请日：2023-05-29
Applicant: 哈尔滨工程大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于时间窗注意力机制的惯导长时辅助校正方法，将采集的陀螺、加速度计数据和纯惯导解算的姿态、速度、位置数据作为输入数据，每个采样间隔下位置的增量信息作为输出数据；利用输入数据和输出数据对优化后的长短期记忆神经网络进行训练；在GPS中断时将上述采集的数据作为训练好的优化后LSTM网络的输入，对位置增量进行预测。训练期间，输入数据首先经过卷积神经网络处理，完成数据的解耦；解耦的数据将通过线性全连接层，输入到时间窗注意力机制的LSTM‑GRU网络中进行训练，本发明对惯性导航定位的更长时间预测，同时相对常规LSTM网络，提高了拟合能力。
-
公开(公告)号：CN116680500A
公开(公告)日：2023-09-01
申请号：CN202310690292.5
申请日：2023-06-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了水下航行器在非高斯噪声干扰下的位置估计方法及系统，所述方法包括以下步骤：根据获取的水下航行器的位置数据、速度数据与航向数据，构建协同定位系统状态空间模型；在得到基于线性化误差补偿的优化量测方程的基础上，构建增广状态模型；利用增广状态模型，基于student'st核函数和最小误差熵准则，构建代价函数；基于代价函数，求得后验状态估计的加权最小二乘表达形式；基于后验状态估计的加权最小二乘表达形式，使用矩阵求逆引理得到后验状态估计及相应的估计误差协方差矩阵的最终表达形式，完成水下航行器的位置估计。本发明能够有效削弱非高斯噪声对位置估计的影响，提高水下航行器在非理想作业环境中的定位精度。
-
-
-
-
-
-
-
-
-
Search Results
236
records
(took 0.035 seconds)
