公开(公告)号：CN119437293A

公开(公告)日：2025-02-14

申请号：CN202411574543.4

申请日：2024-11-06

Applicant: 北京理工大学 ,  北京自动化控制设备研究所

Inventor： 邓志红 ,  尚克军 ,  董捷飔 ,  张平 ,  戚文昊 ,  毛瑞 ,  闫方

IPC: G01C25/00 ,  G06F17/10

Abstract: 本发明提供一种载体运动激励的微惯导误差参数辨识与预测方法，将微惯导使用数据和标定数据有效结合，根据使用环境与运动情况择优补偿器件误差，充分利用历史数据，提高微惯导关键误差参数补偿精度，进而提升微惯导性能；同时，本发明还引入运动激励对误差参数补偿精度的影响，避免未能激励误差的数据污染标定结果；最后，本发明所提出的微惯导误差参数变化趋势的学习与预测方法能够减小使用年限增长带来的器件误差，延长微惯导的使用寿命。

公开(公告)号：CN114398827B

公开(公告)日：2024-11-08

申请号：CN202210003865.8

申请日：2022-01-05

Applicant: 北京理工大学

Inventor： 邓志红 ,  汪进文 ,  苗志豪 ,  董捷飔

IPC: G06F30/27 ,  G06N3/044 ,  G06F17/16

Abstract: 本发明的基于深度学习的虚拟陀螺仪构建方法，利用高旋体的磁阻传感器获取高旋体坐标系上的地磁矢量；利用高旋体的加速度计获取所述高旋体坐标系上的加速度矢量；将所述高旋体坐标系上的当前时刻和上一时刻的地磁矢量，以及加速度矢量输入到BILSTM网络中，得到所述高旋体姿态变化四元参数；根据所述高旋体的旋转矢量和所述高旋体姿态变化四元参数的转换关系得到所述高旋体的角速率。能够实现陀螺仪失效后高旋体角速率的稳定感知。

公开(公告)号：CN114705184A

公开(公告)日：2022-07-05

申请号：CN202111673355.3

申请日：2021-12-31

Applicant: 北京理工大学

Inventor： 汪进文 ,  董捷飔 ,  邓志红 ,  宋新宇

IPC: G01C21/16 ,  G06N3/08

Abstract: 本发明提供了一种基于神经网络的九轴姿态传感器一体化智能误差补偿方法，能够保证误差补偿精度的同时减少误差补偿所需时间，提高误差补偿效率。本发明引入神经网络建立智能误差模型，其中神经网络的输入值为误差较大的九轴姿态传感器的测量值，输出值为精度较高即误差较小的九轴姿态传感器的测量值。运用神经网络的九轴姿态传感器一体化误差补偿方法，适用于无高精度转台的现场标定环境，标定精度优于基于最小二乘法的传统标定方法，标定时间短。

公开(公告)号：CN114398827A

公开(公告)日：2022-04-26

申请号：CN202210003865.8

申请日：2022-01-05

Applicant: 北京理工大学

Inventor： 邓志红 ,  汪进文 ,  苗志豪 ,  董捷飔

IPC: G06F30/27 ,  G06N3/04 ,  G06F17/16

Abstract: 本发明的基于深度学习的虚拟陀螺仪构建方法，利用高旋体的磁阻传感器获取高旋体坐标系上的地磁矢量；利用高旋体的加速度计获取所述高旋体坐标系上的加速度矢量；将所述高旋体坐标系上的当前时刻和上一时刻的地磁矢量，以及加速度矢量输入到BILSTM网络中，得到所述高旋体姿态变化四元参数；根据所述高旋体的旋转矢量和所述高旋体姿态变化四元参数的转换关系得到所述高旋体的角速率。能够实现陀螺仪失效后高旋体角速率的稳定感知。