基于地形辅助的深海长航时ARV自主导航技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61773116
  • 项目类别：
    面上项目
  • 资助金额：
    16.0万
  • 负责人：
    程向红
  • 依托单位：
    东南大学
  • 学科分类：
    F0303.系统建模理论与仿真技术
  • 结题年份：
    2018
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2018-12-31

项目摘要

SINS/TAN integrated navigation is an important way for deep-sea ARV to achieve high-precision remote autonomous navigation. Although loose integrated navigation technology is mature at present, the precision requires to be improved, so the study on terrain-aided navigation technology is of great significance. This research proposal intends to study a deep-sea long-term tight integrated navigation system based on terrain-aided SINS and build a verification system. Based on the existing research, the proposed research project includes the study on navigation and positioning of SINS/TAN tight combination using Gaussian sum particle filter. The water depth data, which is used as the observation input of the filter, is obtained by using the pressure sensor and depth sounder. The position, attitude and water depth value are combined closely to make ARV terrain auxiliary navigation achieve high precision. With this research project, the positioning accuracy and reliability of ARV integrated navigation system will be effectively improved, and practical solutions and theoretical guidance for ARV high-precision long-endurance autonomous navigation
SINS/TAN组合导航是深海ARV实现远程高精度自主导航的重要方式，松组合导航技术较为成熟，但精度有待提高。本项目拟开展基于地形辅助SINS的深海长航时紧组合方法研究，并搭建仿真平台进行验证。在用高斯过程回归准确建立低分辨率海图的基础上，具体研究基于高斯和粒子滤波器的SINS/TAN紧组合导航定位方式。利用ARV装备的压力传感器和测深仪获得水深数据，并直接作为滤波器的观测输入，将ARV位置、姿态与水深值紧密结合，使ARV紧组合导航实现高精度。本项目能有效提高ARV组合导航的定位精度和可靠性，为实现ARV长航时高精度自主导航提供解决方案和理论指导。

结项摘要

自主遥控水下机器人（ARV）作为深海探测和深海作业的重要工具，其导航定位精度直接影响探测结果的准确性。本项目针对基于地形辅助的深海长航时ARV自主导航技术开展研究，并取得了一系列成果。建立SINS/TAN紧组合系统离散非线性状态方程，引入高斯过程进行低分辨率海图下的海底地形建模，搭建基于高斯过程-高斯和粒子滤波的SINS/TAN紧组合导航仿真平台，利用ARV装备的压力传感器和测深仪获得水深数据，并直接作为滤波器的观测输入量，将ARV位置、姿态与水深值紧密结合，仿真表明，本框架下的紧组合导航定位误差优于一个海图分辨率。针对水下复杂环境中导航传感器输出异常和组合导航精度低的问题，提出一种自适应补偿H无穷滤波算法。该算法抑制了水下动态干扰环境下的滤波发散程度，同时建立了水下复杂环境变化与滤波器参数值的关系，有效提高状态估计的精度。半物理试验表明，所提出的自适应补偿H无穷滤波器的收敛速度和估计值均优于Kalman滤波器和H无穷滤波器。设计了基于改进粒子群优化的组合导航算法，在线性递减权重粒子群优化算法的基础上，引入收敛因子对粒子的飞行速度和位置进行约束更新，仿真表明，改进PSO算法的定位精度和匹配速度均明显优于传统地形匹配算法。通过本项目关于SINS/TAN紧组合技术、多源信息融合技术、水下地形匹配技术的研究，基于地形辅助的ARV自主导航定位精度得以提升，系统可靠性加强，为ARV进行深海作业提供保障。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（1）
会议论文数量（0）
专利数量（3）
弹载SINS精确导航的双欧拉全姿态方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    上海航天
  • 影响因子：
    --
  • 作者：
    吕维维;程向红;邱伟
  • 通讯作者：
    邱伟
组合导航系统中异步多传感器信息融合算法
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    东南大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    朱倚娴;程向红;周玲;刘全
  • 通讯作者：
    刘全

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

单轴旋转SINS轴向陀螺漂移精确标校方法
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    系统工程与电子技术
  • 影响因子：
    --
  • 作者：
    胡杰;程向红;朱倚娴
  • 通讯作者：
    朱倚娴
基于期望模式修正的交互式多模型组合导航算法
  • DOI：
    10.3788/ope.20142203.0737
  • 发表时间：
    2014
  • 期刊：
    光学精密工程
  • 影响因子：
    --
  • 作者：
    王磊;程向红
  • 通讯作者：
    程向红
基于约束粒子群优化的海底地形辅助惯性导航定位方法
  • DOI：
    10.13695/j.cnki.12-1222/o3.2015.03.016
  • 发表时间：
    2015
  • 期刊：
    中国惯性技术学报
  • 影响因子：
    --
  • 作者：
    周玲;程向红
  • 通讯作者：
    程向红
基于Gauss-Hermite求积分卡尔曼滤波的SINS非线性初始对准方法
  • DOI：
    10.3969/j.issn.1001-0505.2014.02.008
  • 发表时间：
    2014
  • 期刊：
    东南大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    冉昌艳;程向红;王海鹏
  • 通讯作者：
    王海鹏
基于Allan方差解耦自适应滤波的旋转SINS精对准方法
  • DOI：
    10.13695/j.cnki.12-1222/o3.2017.02.004
  • 发表时间：
    2017
  • 期刊：
    中国惯性技术学报
  • 影响因子：
    --
  • 作者：
    胡杰;程向红;朱倚娴
  • 通讯作者：
    朱倚娴

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

程向红的其他基金

基于惯性/视觉/激光雷达的无人机地下空间高精度导航定位技术研究
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    54 万元
  • 项目类别：
    面上项目
基于惯性/视觉/激光雷达的无人机地下空间高精度导航定位技术研究
  • 批准号：
    62273091
  • 批准年份：
    2022
  • 资助金额：
    54.00 万元
  • 项目类别：
    面上项目
基于动力学模型辅助的自主增强型深海AUV组合导航技术研究
  • 批准号：
    61374215
  • 批准年份：
    2013
  • 资助金额：
    76.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码