简介:从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。
简介:根据二阶质量-弹簧-阻尼系统的幅频特性和相频特性关于谐振频率对称的特点,提出了一种低频振荡激励的实时模态匹配技术,根据检测模态的输出响应来判别驱动模态和检测模态的匹配程度。首先简要介绍了带频率调谐功能的双质量线振动硅微陀螺仪,该陀螺利用负刚度效应来调节检测模态的谐振频率;然后通过理论推导以及系统仿真验证了基于低频调制激励的自动模态匹配技术的可行性和有效性;最后设计了一种基于现场可编程逻辑阵列(FPGA)的数字控制电路,并且对同一测试陀螺进行了模态匹配和模态不匹配下的性能对比。试验结果表明,相比模态不匹配条件下,陀螺零偏稳定性从5.89(°)/h提高到1.26(°)/h,角度随机游走从0.36(°)/√h提高到0.079(°)/√h,性能分别提高了4.7倍和4.6倍。
简介:为提高车载捷联惯性导航系统(SINS)的定位和姿态精度,分析了SINS静态罗经对准原理,并推广至行进过程中,借助里程仪测速辅助实现姿态动态、持续对准。同时,通过此动态罗经回路控制律对里程仪测速噪声进行平滑,并对平滑后速度加以检测,实现了零速修正(ZVU)的停车自动识别;停车瞬间利用动态罗经对准回路对系统姿态进行修正,速度误差归零,并依据相邻停车时刻记录的速度误差拟合曲线积分值修正系统位置误差。最后,采用此方案进行了长达4h(约160km)的三组跑车实验,每10min停车ZVU(1s),达到的定位精度为44.2m(CEP),姿态精度优于0.5’。