无微电机系统-惯性导航系统/偏振指南针导航方法与数据和模型双驱动方法
Huijun Zhao1, Chong Shen1, Huiliang Cao1
1The State Key Laboratory of Dynamic Measurement Technology, The School of Instrument and Electronics, North University of China, Taiyuan 030051, China.
本研究引入了一种双重数据和模型驱动的方法,以增强与偏振指南针 (PC) 集成的微电机系统-惯性导航系统 (MEMS-INS). 这种方法可以在具有挑战性的物联网环境中提高导航精度.
科学领域:
- 机器人技术和自主系统
- 传感器融合式传感器
- 导航技术 导航技术 导航技术
背景情况:
- 与偏振指南针 (PC) 集成的微电机系统-惯性导航系统 (MEMS-INS) 对于物联网 (IoT) 应用中的车辆导航至关重要.
- 这些集成系统在复杂,动态和封闭的环境中面临着诸如累积错误和时间变化的噪声共变等挑战.
- 现有的方法在这种不利条件下难以保持准确性和可靠性.
研究的目的:
- 为MEMS-INS/PC集成系统提出一种新的双数据和模型驱动的无导航方法.
- 为了解决累积误差和时间变化的测量噪声共变的局限性.
- 为了提高整体性能,稳定性和在充满挑战的环境中导航的准确性.
主要方法:
- 一个非线性自回归神经网络 (NARX) 与高斯-牛顿贝叶斯规范化列车来建模MEMS-INS输出和PC标题增量以实现数据驱动的操作.
- 为模型驱动组件建立了一个非线性MEMS-INS/PC松散合导航模型.
- 变量贝叶斯方法估计时间变化的测量噪声共变率,立方卡尔曼波器解决了非线性导航问题.
主要成果:
- 拟议的双重数据和模型驱动方法在实验验证中表现出了稳定性和有效性.
- 该系统成功地模拟了集成导航系统的动态特征.
- 高精度定位信息即使在复杂,封闭和动态的环境中也可稳定提供.
结论:
- 开发的双数据和模型驱动方法显著提高了MEMS-INS/PC集成导航系统的性能.
- 该方法有效地减轻累积错误,并处理随时间变化的噪声共变性.
- 这一进步为高精度车辆导航提供了可靠的解决方案,用于挑战现实世界的物联网应用.
更多相关视频
09:01Gain-compensation Methodology for a Sinusoidal Scan of a Galvanometer Mirror in Proportional-Integral-Differential Control Using Pre-emphasis Techniques
Published on: April 4, 2017
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
相关概念视频
Compass
Gyroscope: Precession
Gyroscope
Introduction to Global Positioning System
Polar and Cylindrical Coordinates
Inertial Frames of Reference
