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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利无人吊舱捷联惯性参考系统动基座快速对准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：CN119666028B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411871259.3，技术领域涉及：G01C25/00；该发明授权无人吊舱捷联惯性参考系统动基座快速对准方法是由王林;刘旭烽;廖志坤;王泽锋;易博凯;阮勇;牟鹏程;杨辉;肖庆华;延炳龙;郭鸿刚设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本无人吊舱捷联惯性参考系统动基座快速对准方法在说明书摘要公布了：本发明属于导航技术领域，公开了无人吊舱捷联惯性参考系统动基座快速对准方法，适用于具有GNSS外部观测信息的捷联惯性参考系统在运动过程中进行快速初始对准。通过基于奇异值分解的优化算法获取更加精确的初始姿态，缩短误差收敛时间；通过回溯对准的方式，将捷联惯性参考系统粗对准阶段的数据用于精对准阶段，可以实现在有限的对准时间内提升对准精度，并且仅需存储少量数据即可完成上述过程，降低了对计算平台的要求，同时，通过设计不变卡尔曼滤波器解决了动态条件下系统不稳定性高导致的误差估计不准确的问题，具有重要工程实践意义。

本发明授权无人吊舱捷联惯性参考系统动基座快速对准方法在权利要求书中公布了：1.无人吊舱捷联惯性参考系统动基座快速对准方法，其特征在于，所述方法包括以下骤： 1建立基于奇异值分解的回溯粗对准方案，具体步骤为： 1.1定义投影坐标系，确定方向余弦矩阵计算方式： 根据链式法则，将载体的方向余弦矩阵分解为： 其中，n系表示导航坐标系，对应东-北-天地理坐标系g系；b系表示载体坐标系，对应载体的右-前-上轴向；表示与初始时刻导航坐标系对齐的惯性坐标系；表示与初始时刻载体坐标系对齐的惯性系；表示b系和与系之间的方向余弦矩阵；表示系与系之间的方向余弦矩阵；表示系和n系之间的方向余弦矩阵，由载体的初始位置、当前位置、地球自转角速度ωie和运动时间直接求解得到，表示为： 其中，t表示当前时刻；t0表示对准初始时刻；e系表示地球坐标系；系表示与初始时刻地球坐标系对齐的惯性坐标系；表示t时刻e系与n系之间的方向余弦矩阵；表示t0时刻e系与n系之间的方向余弦矩阵；λ表示载体所在位置处的经度；L表示载体所在位置处的纬度；表示t时刻系与e系之间的方向余弦矩阵； 1.2更新载体系相对于初始时刻载体系的方向余弦矩阵 初始时刻载体系与自身重合，即I3×3表示三行三列的单位矩阵，将其作为初值，采用四元数姿态更新算法实时更新载体系相对于初始时刻载体系的方向余弦矩阵具体步骤如下， 利用圆锥补偿算法补偿陀螺双子样输出的角度增量θ为： 其中，△θ1为前一时刻角增量，△θ2为后一时刻陀螺角增量； 构建四元数角增量矩阵Θ： 其中，θ1,θ2,θ3分别为角度增量θ三个分量； 姿态四元数更新过程为： 其中，tk表示捷联惯性参考系统双子样输出时刻，k＝0,1,2,…，tk+1与tk的间隔为△t，对应捷联惯性参考系统两次双子样输出之间的时间间隔；表示tk时刻载体系与初始时刻载体系之间的姿态四元数，并且 将tk+1时刻的姿态四元数转化为方向余弦矩阵，即得到当前时刻载体系相对于初始时刻载体系的方向余弦矩阵完成更新； 1.3计算两组投影矢量： 1.3.1定义矢量一αt和矢量二βt，分别确定其表达式为： 其中，αt和βt表示当前t时刻矢量一和矢量二的计算值；为加速度计的比力输出；为载体地速在导航系中的投影，对应GNSS系统速度输出；为当地万有引力矢量在系下的投影；表示t时刻载体相对于地心惯性系i的速度矢量在系下的投影；表示t0时刻载体相对于地心惯性系i的速度矢量在系下的投影；表示n系与系之间的方向余弦矩阵；表示地球自转角速度矢量在n系下的投影；为载体相对于地心惯性系i的位置矢量在n系中的投影，对应GNSS系统位置输出；为当地重力矢量在n系中的投影； 1.3.2更新αt和βt，更新频率为捷联惯性参考系统的双子样输出频率： 其中，αtk+1表示tk+1时刻矢量α的计算值，αtk表示tk时刻矢量α的计算值，初值为αt0；vgtk+1表示tk+1时刻万有引力引起的速度增量vg的计算值；vgtk表示tk时刻万有引力引起的速度增量vg的计算值，初值为vgt0；表示tk时刻b系与间的方向余弦矩阵；表示t时刻b系与tk时刻b系间的方向余弦矩阵； 1.3.3假设GNSS数据在tK时刻更新，K＝0,1,2…，tK+1与tK的间隔为△τ，对应GNSS系统两次输出之间的时间间隔，时间间隔△τ大于捷联惯性参考系统输出间隔△t；按照GNSS数据更新频率对tK时刻速度位置和积分结果αtK、βtK、vgtK进行存储，用于回溯精对准过程的卡尔曼滤波，其中除为3×3矩阵外，其余存储变量均为三维列向量； 1.4使用基于奇异值分解的优化方法求解 在步骤1.3存储的αtK，βtK计算结果中交叉选取N个时间间隔△Ti,i＝1,2,3,…,N；其中，△Ti表示第i个时间间隔，对应从tm时刻到tn时刻的时间间隔，满足m,n∈K且mn； 定义其中αtm表示tm时刻矢量α的计算值；αtn表示tn时刻矢量α的计算值；βtm表示tm时刻矢量β的计算值；βtn表示tn时刻矢量β的计算值； 构建变量M，表达式如下： 对M进行奇异值分解得到： M＝UDVT； 其中，U和V是正交矩阵，满足UUT＝VVT＝I3×3，D是由M的特征值构成的对角矩阵； 令， 则计算得到捷联惯性参考系统初始时刻的方向余弦矩阵为： 2利用回溯粗对准计算得到的系统初始时刻的方向余弦矩阵和步骤1.3.3中存储的αtK、βtK和vgtK，建立基于不变卡尔曼滤波器的回溯精对准方案，具体步骤为： 2.1利用回溯粗对准阶段存储的数据更新系统状态和 2.1.1建立惯性系下姿态、速度和位置微分方程： 确定导航信息更新微分方程组为： 其中，为载体系与惯性系之间的方向余弦矩阵；为角速度真值；为载体系相对于惯性系i的位置在惯性系中的投影； 2.1.2离散化更新载体在惯性系下的导航信息： 按照回溯粗对准存储数据的周期△τ更新载体的速度、位置和姿态： 其中，vgtK+1、vgtK、αtK+1、αtK、均为所述步骤1.3.3中储存的结果；表示速度在tK时刻的计算值；表示速度在tK+1时刻的计算值；表示t0时刻载体相对于地心惯性系i的位置矢量在系下的投影；表示载体相对于地心惯性系i的位置矢量在系下的投影在tK时刻的计算值；表示载体相对于地心惯性系i的位置矢量在系下的投影在tK+1时刻的计算值；为捷联惯性参考系统b系相对于系的姿态方向余弦矩阵计算值； 2.2确定非线性误差及其误差传递微分方程： 2.2.1传感器误差建模： 将陀螺组件和加速度计组件的输出表示为： 其中，和分别表示陀螺和加速度计实际输出；和分别表示陀螺和加速度计测量真值；和分别表示陀螺和加速度计测量误差；wg和wa分别表示陀螺和加速度计的高斯白噪声；εb和为陀螺和加速度计组件的常值零偏，即 2.2.2导航误差建模： 根据2.2.1中确定的传感器误差模型，对步骤2.1.1所述的惯性系下的导航信息更新方程进行扰动分析，确定惯性系下的误差微分方程为： 其中，表示载体系b系与惯性系系的姿态误差角；表示线性速度误差；表示线性位置误差；表示由于位置误差引起的万有引力误差；表示速度的计算值，表示位置计算值； 2.2.3定义非线性误差模型： 根据李群相关理论，建立右不变误差矩阵ηR： 其中，χ表示系统状态矩阵真值；表示系统状态矩阵计算值；表示方向余弦矩阵计算值；表示非线性速度误差；表示非线性位置误差； 根据步骤2.2.2中建立的线性误差模型微分方程确定非线性误差模型的微分方程为： 2.3确定滤波状态方程： 其中，X为系统误差状态，F为状态转移矩阵，G为噪声驱动矩阵，W为系统噪声矩阵，表示为： W＝[wgTwaT]T； ·×表示·矢量对应的反对称矩阵；0m×n表示m行n列的零矩阵； 2.4确定状态观测方程： 利用GNSS输出的速度和位置信息对步骤2.2中的非线性误差进行观测： 其中，Z表示观测向量；V表示观测噪声向量；H表示观测矩阵；为捷联惯性参考系统输出的速度矢量在惯性系中的投影；为捷联惯性参考系统输出的位置矢量在惯性系中的投影；为GNSS系统输出的速度矢量在惯性系中的投影；为GNSS系统输出的位置矢量在惯性系中的投影；υv表示GNSS系统速度观测噪声；υr表示GNSS系统位置观测噪声； 2.5确定滤波器初始时刻系统协方差矩阵： 利用陀螺组件和加速度计组件噪声特性，以及GNSS系统观测噪声特性，确定滤波器初始时刻协方差矩阵P,Q,R： 其中，P表示误差协方差矩阵；Q表示测量噪声协方差矩阵；R表示观测噪声协方差矩阵；σφ表示初始姿态误差标准差；σv表示初始速度误差标准差；σr表示初始位置误差标准差；σε表示陀螺零偏标准差；表示加速度计零偏标准差；表示陀螺噪声标准差；表示加速度计噪声标准差；表示速度观测标准差；表示位置观测标准差； 2.6建立开环卡尔曼滤波过程： 利用步骤2.1.2所述的导航信息更新方式和步骤2.3、2.4和2.5建立的滤波状态方程、状态观测方程和滤波协方差矩阵，构建卡尔曼滤波器对导航信息中的误差进行估计，并在对准阶段结束后，将误差一次性补偿到导航信息中，实现开环卡尔曼滤波过程。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。