重力垂直梯度数据地图特征及其辅助导航

从随机过程理论出发,研究了重力垂直梯度场的主要特征参数(标准差、粗糙度、信息熵),通过选定局部窗口的滑移,计算了西太平洋海域分辨率为2’×2’的重力垂直梯度特征参数。选取不同特征区域的3条航线进行辅助导航仿真定位,并对导航能力进行统计分析,给出了重力垂直梯度特征参数与匹配成功率、定位误差的关系;在统计准则下,匹配成功率大于90%、定位精度优于1nmile,表明重力垂直梯度特征参数可以作为匹配区域选择以及航线规划的数量性依据。     

基于层次分析法的重力匹配区域选择准则

重力辅助导航在数字重力图的不同区域,其匹配效果各不相同。为了评价数字重力图各区域的重力匹配效果,给路径规划提供可靠的依据,在对地球重力场的各种特征参数进行归一化处理并且分类统计分析的基础上,运用层次分析法将重力场的局部标准差、经度方向粗糙度、纬度方向粗糙度、经度方向坡度、相关系数进行组合,给出一种新的重力匹配区域选择准则,依据此准则将数字重力图划分为重力匹配的适配区和非适配区。在数字重力图上采用均方差(MAD)和平均绝对差(MSD)算法进行重力辅助导航的重力匹配仿真计算和比较,仿真结果表明,适配区域的匹配导航效果明显优于非适配区域,定位误差小于一个重力格网。     

重力辅助导航匹配区域选择准则

通过在重力场区域中移动局部计算窗口的方法,计算了实测重力场各个局部的多种统计特征并使用填色等值线图进行了对比和分析,以局部重力场的标准差和经纬度方向相关系数作为匹配区域选择的数量指标,给出了重力匹配区经验选择准则。采用均方误差和平均绝对差算法在实测重力图上对重力辅助惯性导航系统进行了仿真研究,计算结果表明,在满足重力匹配区选择准则下进行的重力辅助导航,其导航系统定位误差小于一个重力图网格,匹配率大于90%。     

航空重力匹配定位方法

为了在重力特征显著区域内实现航空重力匹配定位,定义了匹配区重力场模糊度指标作为匹配结果可信度的度量指标,提出了一种基于Monte Carlo方法的重力匹配算法。由于航空重力仪的测量值中包含各种误差因素,使用常用的相关匹配算法估计出的匹配位置往往不是飞行器的真实位置,而是随机分布于真实位置周围。根据这个特点,将地形匹配中的均方差算法(MSD)和Monte Carlo方法结合,形成一种新的重力匹配方法。该方法根据惯性导航系统指示位置从重力图上提取参考重力数据,将重力测量数据进行若干次随机干扰后和参考重力数据使用MSD算法进行匹配,得到若干个匹配位置,取其均值作为最终匹配位置。仿真结果表明,算法在重力场特征显著区域内匹配效果优于常用的相关分析算法。     

航行过程中实时校正的重力匹配算法

由于传统重力匹配定位通常受限于特定区域，无法对惯性导航系统（INS）实现连续校正，在应用重力匹配进行辅助导航时需要周期性前往重力特征适配区进行匹配校正。针对非适配区域内匹配精度无法判定的缺陷，提出一种航行过程中实时校正的重力匹配算法。计算载体实测重力序列与匹配输出位置在相对重力图上映射序列的差，取重力差序列的方差判断匹配输出的权重值，从而有效利用全航域的适配航段。根据重力差序列的方差与匹配精度的关系建立回归模型，将可信的重力匹配输出引入INS进行误差校正。利用实船数据进行了仿真验证，仿真结果表明所提算法在400 h的连续航行期间对INS位置误差的抑制达到30%以上，位置误差在全过程没有明显发散趋势，具有更好的适用性。     

基于SPSS的重力匹配区域选择算法

为了提高重力辅助导航系统的定位精度,对重力匹配区域的选择进行了研究,提出一种基于SPSS回归分析的重力匹配区域选择方法。通过对重力数据进行回归分析,得到匹配区域的回归函数关系式,以此作为重力匹配判断准则对重力匹配区域进行选择。通过惯导/计程仪/重力组合导航系统的仿真试验,证明基于SPSS的重力匹配区域选择方法能找出重力匹配较好的区域,能提高重力辅助导航系统的定位精度。     

区域重力异常辅助导航定位的统计分析

海洋区域的重力异常变化非常复杂,在利用重力异常数据进行水下载体的辅助导航的仿真中,有些航线我们可以得到较好的匹配结果,有些航线因为辅助区域的重力异常变化较小而不能提供较好辅助定位.利用区域内均匀分布的航线进行多航线的统计分析,可以给出比较客观的区域匹配结果.本文探讨了重力异常辅助惯性导航的相关技术,利用2'×2'的卫星测高重力异常数据,在纬度25°～130°,经度130°～135°的范围对SITAN算法的区域导航能力进行了统计分析.多条航线的统计结果表明,利用SITAN算法进行的重力异常辅助导航可以满足重力辅助导航要求.     

一种基于因子分析的重力适配区域选取方法

为了综合分析各类特征值对于适配区选取的影响,提出了一种通过因子分析,将多种特征值综合为少数几个因子,以此确定影响适配区选取参数的方法。首先将整个区域划分为15个子区域,计算每个子区域的各类特征值,利用因子分析的方法统计各区域得分。然后,根据得分情况确定适配区选择顺序。最后,对比验证基于因子分析选出的适配区匹配定位精度。仿真结果显示,基于因子分析选取的适配区总体定位精度为0.45 n mlie,优于传统的主成分分析法,表明利用因子分析来选取重力适配区是一种可行的方法。     

惯性/重力匹配组合导航系统与可视化仿真

根据惯性/重力匹配组合导航系统的工作原理和特点,提出了基于 RANSA 思想的重力图匹配方法,采用此方法实现了重力图的鲁棒匹配。通过建立组合导航系统的数学模型,采用最优滤波技术实现了组合导航系统的信息融合。在此基础上,采用多种高级语言混合编程,设计实现了一套可视化的仿真软件,对该系统进行了可视化仿真研究。仿真实验结果表明,惯性/重力匹配组合系统相对于无辅助的惯性导航系统,其定位精度、速度精度均有较大的提高,也就是说采用重力匹配方法达到了校正惯导系统,实现高精度导航的目的。     

基于熵值法赋权灰色关联决策的地形辅助导航适配区选择

传统地形辅助导航适配区选择主要根据某一个地形特征参数的大小决定,因此不可避免地存在对地形适配性评判的不全面性。为了克服传统方法的缺点,提出了一种基于熵值法赋权灰色关联决策的地形辅助导航适配区选择方法,该方法综合考虑了地形标准差、粗糙度、地形高度熵及相关系数对适配区选择的影响。首先,利用计算得到的各特征参数值构建灰色决策矩阵;其次,对决策矩阵进行极差变换以及归一化处理得到灰色关联判断矩阵;最后,采用熵值赋权法客观计算各决策属性的权重,得到地形适配性综合评价指标。仿真结果表明,在评价值高的区域进行地形辅助导航,其匹配误差将更小。     

直线段的重力场匹配水下导航新方法

针对当前重力场匹配算法在实时性和可用性上存在的不足,考虑到潜艇水下航行轨迹在短时间内为一条直线的特点,提出了一种基于直线段方式进行重力图形匹配的新方法。该方法通过以初始概略点位为中心的旋转搜索,选取满足在一条直线段上与测量点的重力误差在一定范围内的点集作为最终匹配点,并以实测海区数据为基础进行了实验验证。实验结果表明,这种基于直线段的重力场匹配新方法可以在一定程度上克服由于重力测量精度不够带来的匹配失效问题,能够获得很好的匹配效果,同时也解决了当前其它匹配算法在实时性上存在的突出问题。匹配算法在实时性和可用性上具有一定创新。     

重力匹配导航的影响模式分析

从重力场匹配导航的改进TERCOM算法入手,针对采样长度、采样间隔以及重力测量误差对匹配结果的影响进行了系统分析,并在此基础上利用海洋年度重力测量数据设计了准实时仿真试验,结果表明:(1)采样长度对匹配结果有重要的影响,采样长度与重力基准图的分辨率比值在10~20之间时,能够获得较好的匹配效果;(2)适当增加采样间隔可以在一定程度上提高匹配的整体精度,但增加了匹配失效的风险,实际应用中采样间隔以2~4 min为宜;(3)重力测量白噪声误差对匹配结果影响相对较大,过大的误差将不能得到有效匹配,水下重力测量误差最好能控制在2 mGal以内。     

重力图形匹配技术在水下导航中的应用

以国外有关文献为依据,对重力图形匹配技术的基本原理和关键技术进行了分析,介绍了重力图形匹配技术应用于水下导航的研究现状,探讨了未来的发展方向,为国内相关领域的研究人员提供参考。     

基于压力传感器的汽车重心实时监测力学模型

介绍了传统车辆重心测定的方法，提出了基于压力传感器的汽车重心实时监测机理的力学模型．利用该模型能实时监测汽车的整车重量、重心位置，提供安全装载和安全车速监测与报警，可为汽车安全系统提供可靠的重心计算力学模型，为研制汽车重心实时监测系统提供了必要参数与依据．     

一种新的实时相关极值匹配算法设计与仿真

对传统相关极值匹配算法局限性进行了分析,并利用二维高斯样条函数张量积方法对局部重力异常离散格网基准图进行逼近以获取该局部基准图的连续解析表达式,在此基础上对相关极值匹配算法进行重新建模并采用拟牛顿BFGS非线性寻优方法对该模型进行解算。考虑到相关极值算法存在实时性差的缺点,采用固定初始序列长度的方式对初始序列采样结构进行改善,推导出了刚性变换中心从序列质心到原点的转换公式,最终完成能够实现单点迭代的基于局部重力异常基准图实时相关极值匹配算法设计,该匹配算法突破了传统离散匹配算法受限于基准图分辨率的局限。最后在2′×2′卫星测高反演重力异常数据基础上进行了两组仿真实验进行对比分析,实验结果表明,在重力测量噪声和初始定位误差较大的情况下,通过该匹配算法获得的匹配定位仍能以较高的精度实时跟踪真实航迹。     

基于并行卷积神经网络的地磁方向适配性分析

针对地磁方向适配性分析时人工特征提取主观性较强、所取特征难以表达深层的结构性特征的问题,并为了进一步提高方向适配性分析的准确率,提出了一种基于并行卷积神经网络的地磁方向适配性分析方法。首先,从不同角度建立了地磁场在6个代表方向上的适配性分析图;然后,从同一磁场的不同角度出发,利用卷积神经网络自动完成了特征学习,得到了更为全面的方向适配性特征描述;最后,在并行卷积神经网络所得特征的基础上,利用BP网络建立了地磁方向适配性的分析模型。仿真结果证明,该方法可以有效避免人工特征提取和计算等复杂步骤,实现了地磁方向适配性分析的自动化,而且可以获得优于传统网络和单路卷积神经网络的准确率。