河海大学王迪获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉河海大学申请的专利水下多源自主导航系统可检测性量化模型及滤波方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120385345B 。
龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510518876.3,技术领域涉及:G01C21/20;该发明授权水下多源自主导航系统可检测性量化模型及滤波方法是由王迪;余晨宇;赵文洁;王俊玮;朱海明设计研发完成,并于2025-04-24向国家知识产权局提交的专利申请。
本水下多源自主导航系统可检测性量化模型及滤波方法在说明书摘要公布了:本发明公开了水下多源自主导航系统可检测性量化模型及滤波方法,属于水下机器人组合导航组合定位技术。本发明首先基于SINSDVLUSBL组合导航模型分别对SINS、DVL、USBL传感器进行误差建模;再从覆盖率、准确率、实时率和可用率四个维度建立多维可检测性量化模型;最后基于建立的可检测性量化模型,将传感器可检测度纳入自适应卡尔曼滤波算法,以优化数据融合时计算资源分配问题。相比于传统可检测性方法,本发明考虑了水下环境干扰进行多维可检测性量化模型的建立,并提出相应算法动态分配计算资源,进一步提高水下航行器多源自主导航系统的精度和鲁棒性。
本发明授权水下多源自主导航系统可检测性量化模型及滤波方法在权利要求书中公布了:1.一种水下多源自主导航系统可检测性量化模型及滤波方法,该方法基于如下已知量: 捷联惯性导航系统SINS参数包括状态向量: ,其中、、分别表示导航坐标系下东、北、天向的速度误差;、、分别表示平台相对导航坐标系绕、、轴的误差;、、分别表示导航坐标系下经度、纬度、高度误差;、、分别表示陀螺仪在、、轴方向的零偏误差;、、分别表示加速度计在、、轴方向的常值零偏误差;上标T表示矩阵的转置; 多普勒测速仪DVL参数包括在自身坐标系下的速度估计、安装误差角方向余弦矩阵、刻度因子误差、杆臂误差; 超短基线USBL参数包括应答器坐标、杆臂、声基阵坐标系到载体坐标系的转换矩阵、输出坐标、校正矩阵; 环境参数包括环境干扰因子、影响系数、水流速度、温度、盐度、声传播延迟、及其权重、、、; 第个传感器可检测性量化的准确率指标权重、实时率指标权重、和可用率指标的权重; 自适应卡尔曼滤波算法参数包括状态转移矩阵、过程噪声协方差矩阵、多源传感器初始条件下的动态测量噪声协方差; 传感器数据融合的初始贡献权重; 其特征在于,该方法具体包括如下步骤: 步骤一、基于SINSDVLUSBL组合导航模型分别对SINS、DVL、USBL传感器进行误差建模; 步骤二、从覆盖率、准确率、实时率和可用率四个维度建立多维可检测性量化模型; 步骤三、基于步骤二建立的可检测性量化模型,将传感器可检测度纳入自适应卡尔曼滤波算法,以优化数据融合时计算资源分配问题; 步骤二的具体方法如下: 用可检测度作为可检测性量化指标,对SINSDVLUSBL多源传感器提出的可检测度公式如下: 其中,表示第个传感器的覆盖率指标,具体表现为工作周期内数据输出时长的占比;表示第个传感器的实时率指标,具体表现为数据更新频率;表示第个传感器的可用率指标,具体表现为有效数据采集率;、、分别为第个传感器准确率指标、实时率指标和可用率指标的权重,根据传感器工作经验确定,且满足;是固定值,取1、2、3分别对应SINS、DVL、USBL传感器;为第个传感器的准确率,表示如下: 其中,表示第个传感器的均方根误差; 覆盖率指标具体表示为: 其中,表示传感器工作周期时长,表示工作周期内数据输出时长; 实时率指标具体表示为: 其中,表示传感器标称频率;表示实际数据更新频率; 可用率指标具体表示为: 其中,表示工作周期内采集的数据总量;表示其中有效数据总量; 进一步,考虑水下环境的干扰,引入环境干扰因子及其影响系数,环境干扰因子考虑水流速度、温度、盐度、声传播延迟因素,测出其数值后通过归一化处理保持在相同量级,表示为: 其中,表示水流速度;表示温度;表示盐度;表示声传播延迟;、、、分别表示其权重,通过传感器数据拟合得出,并满足;影响系数通过敏感性分析得到,用来放大或缩小环境干扰因子; 从而得到环境修正后的可检测度: 针对SINSDVLUSBL组合的自主导航系统,将其可检测性量化为: 其中为各个传感器数据融合的初始贡献权重,且有,表示导航系统的可检测性。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人河海大学,其通讯地址为:210024 江苏省南京市鼓楼区西康路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励