一种基于非合作近地轨道常驻群体观测的自主导航方法

    公开(公告)号:CN118896620A

    公开(公告)日:2024-11-05

    申请号:CN202411114584.5

    申请日:2024-08-14

    摘要: 本发明公开了一种基于非合作近地轨道常驻群体观测的自主导航方法,包括以下步骤:采集惯性导航系统的加速度和角速度输出数据;采集星敏感器观测近地轨道常驻群体(RSOs)解算出惯性姿态角数据或者采集观测RSOs在观测坐标系下的单位矢量以及RSOs位置信息;根据测量的RSOs方位角、高度角以及位置信息解算出载体位置和姿态信息并构建量测方程或者推算出RSO量测方程;由惯性导航系统与RSO观测传感器构建因子图;利用因子图模型优化导航结果;该方法提升对位置和速度的优化效果。此外,根据RSO量测方程构建RSO传感器因子并加入因子图解算,以获得最大后验概率优化导航结果;增添了对位置和速度的修正作用,且有效提升了姿态角优化的准确性。

    一种高超声速飞行器的大气数据估计方法及装置

    公开(公告)号:CN114636842B

    公开(公告)日:2022-08-26

    申请号:CN202210532690.X

    申请日:2022-05-17

    摘要: 本发明公开了一种高超声速飞行器的大气数据估计方法及装置,其方法包括:利用FADS测量的静压数据得到第一高度数据和第一声速数据;利用FADS中的大气数据、第一声速数据以及INS中的姿态角数据,得到地面坐标系下的空速数据;根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;利用所述姿态角数据、所述估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。

    用于大规模跨域场景的集群系统分簇协同导航方法

    公开(公告)号:CN118640907A

    公开(公告)日:2024-09-13

    申请号:CN202410705991.7

    申请日:2024-06-03

    IPC分类号: G01C21/20

    摘要: 本发明公开了用于大规模跨域场景的集群系统分簇协同导航方法,通过获取跨域场景中各集群节点的导航位置、速度及相对量测信息,在子域内根据节点信息完备性采取不同方案进行分簇,利用相对量测实现跨域集群簇间节点及同域集群簇内节点的协同导航,继而实现跨域集群节点自身机载导航系统信息与协同导航信息的融合输出,最终实现跨域场景中集群分簇系统导航性能的提升。与未考虑跨域协同的集群导航方案相比,本发明显著提升了跨域场景下集群系统的整体导航精度;与未考虑集群分簇的跨域协同导航方案相比,本发明针对大规模集群系统,有效降低了集群系统协同导航节点间的通信代价,并实现了较好的集群协同导航性能,具备实际应用价值。

    基于动态博弈的异构分布式集群协同导航优化方法

    公开(公告)号:CN118838410A

    公开(公告)日:2024-10-25

    申请号:CN202410832469.5

    申请日:2024-06-26

    IPC分类号: G05D1/695 G05D109/20

    摘要: 本发明公开了基于动态博弈的异构分布式集群协同导航优化方法。在仅使用惯导的无人机集群网络中,有时机间通信存在冗余,对集群协同资源利用效率低,本发明在此基础上公布了一种协同网络优化方案。首先将无人机优先于锚点相连,其次根据无人机当前位置信息及协同情况,计算无人机集群效益函数,并根据连接/断开原则,确认无人机间协同情况,构建无人机集群协同网络。设置每一时刻无人机协同构建迭代终止条件,迭代构建当前时刻无人机集群协同网络,根据迭代终止的当前时刻无人机集群协同情况,重构无人机集群观测方程并求解、估计修正无人机惯导误差。本发明可以在网络通信资源有限的条件下,获得更高的定位精度。

    一种高超声速飞行器的大气数据估计方法及装置

    公开(公告)号:CN114636842A

    公开(公告)日:2022-06-17

    申请号:CN202210532690.X

    申请日:2022-05-17

    摘要: 本发明公开了一种高超声速飞行器的大气数据估计方法及装置,其方法包括:利用FADS测量的静压数据得到第一高度数据和第一声速数据;利用FADS中的大气数据、第一声速数据以及INS中的姿态角数据,得到地面坐标系下的空速数据;根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;利用所述姿态角数据、所述估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。