关于SINS/DVL集成导航系统在复杂的水下环境中的强大的过方法的研究
Tianlong Zhu1, Jian Li1, Kun Duan1
1College of Information Science and Engineering, Hohai University, Changzhou 213001, China.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
本研究介绍了一种改进的自适应过算法,用于紧固式惯性导航系统 (SINS) /多普勒速度日志 (DVL) 集成. 改进的方法通过完善测量噪声估计来提高导航准确性和稳定性,优于现有的算法.
科学领域:
- 导航系统工程 导航系统工程
- 信号处理 信号处理
- 控制理论 控制理论
背景情况:
- 由于测量噪声特征,Strapdown惯性导航系统 (SINS) /多普勒速度日志 (DVL) 集成系统面临导航精度下降.
- 传统的自适应过算法经常遇到非正确的确定矩阵问题,阻碍了准确的噪声估计.
- 准确估计测量噪声对于集成导航的强大性能至关重要.
研究的目的:
- 为SINS/DVL系统开发改进的自适应过算法,以提高导航准确性和稳定性.
- 为应对影响综合导航性能的测量噪声的挑战.
- 克服现有的自适应过方法的局限性,特别是非正确的确定矩阵问题.
主要方法:
- 基于Sage-Husa自适应卡尔曼过算法提出了一个改进的自适应过算法.
- 该方法包含由歧视因子确定的上限和下限,以管理异常测量数据.
- 调整创新共变量,并使用基于创新的决策因子重新估计测量噪声.
主要成果:
- 与经典的卡尔曼波器 (KF) 相比,拟议的算法显示出更高的导航精度和稳定性.
- 过性能显著超过了Sage-Husa算法.
- 与Sage-Husa选方法相比,模拟结果显示相对位置误差减少了49.44%.
结论:
- 改进的自适应过算法有效地提高了SINS/DVL系统中的导航精度和稳定性.
- 拟议的方法为处理测量噪声和异常数据提供了可靠的解决方案.
- 这种算法在集成导航的现有自适应过技术上提供了显著的进步.
更多相关视频
09:32Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools
Published on: November 20, 2017
9.2K
07:43Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop
Published on: July 2, 2018
9.5K
