专利交易市场

本发明涉及组合导航与信息融合领域，具体公开了一种基于鲁棒容积点更新框架的组合导航数据融合方法，该方法基于最大似然准则和通过不重新生成新容积点来近似似然函数的方式构造一种鲁棒的容积点更新框架，采用最大似然估计提高数据融合方法的鲁棒性，并提出使用实例化点逼近似然函数并直接更新后验容积点，将上述容积点更新策略融入到高斯滤波框架中，实现基于新型容积点更新框架的组合导航鲁棒数据融合。提高在系统模型存在过程不确定度以及量测信息丢失情况下的组合导航数据融合精度。

本发明公开的一种卫导拒止环境下的轨道车组合导航方法及装置,通过惯性导航误差模型和惯性器件零偏的马尔科夫模型,构建卡尔曼模型状态方程;获取所有观测量,将所述观测量进行整合,得到观测向量,根据所述观测向量,构建卡尔曼模型观测方程;基于所述卡尔曼模型状态方程和所述卡尔曼模型观测方程,得到卡尔曼模型,基于所述卡尔曼模型对状态变量进行实时估算和输出校正,得到组合导航算法;该组合导航算法需要的外界量测信息少,大多数观测量为惯性运动本身的特征量,因此,本发明的技术方案可以提高导航精度的量测信息,鲁棒性较好。

本发明公开了一种基于集成神经网络的INS/GPS组合导航故障检测与诊断方法。本发明提供的方法是：首先，通过仿真得到组合导航的INS和GPS故障数据；接着，采用核Fisher判别式分析(KFDA)进行数据处理，实现模式数据的平衡；然后，对数据进行One‑Class SVM模型训练，并运用核技巧以检测非线性数据的故障情况；最后，利用D‑S证据理论将BP神经网络和改进的动态粒子群优化(PSO)BP神经网络的故障诊断结果进行融合，实现INS/GPS组合导航的故障检测与诊断。本方法可以有效地对小样本组合导航系统的突变故障与缓变故障进行检测，故障检测率均达到90％以上，有效地减少了故障检测的误差率，得到了精确的综合决策结果。

本发明是关于一种采用动态积分卡尔曼滤波的混合高度测量方法。其首先采用SiA200 MEMS加速度传感器，测量载体加速度并两次积分得到惯性高度信息；采用FYC‑LG24‑800型无线电高度表，测量载体无线电高度信息；采用GPS设备测量GPS高度信息载体；再设计了一种二阶开方非线性平滑滤波器，得到三种测量高度信号的平滑信号；然后设计了一种基于组合后卡尔曼滤波后的高度误差以及非线性积分来调节方差信息的动态积分卡尔曼滤波器，从而求解三种高度平滑信号的两两卡尔曼滤波信号；最终采用误差信号叠加其非线性积分信号，实时生成动态组合加权因子，对三种卡尔曼滤波高度进行优化组合后得到最终高度输出总信号。