A performance-enhanced DVL/SINS integrated navigation system based on data-driven approach

计算机科学 惯性导航系统 水下 海试 导航系统 无人水下航行器 稳健性(进化) 人工智能 实时计算 海洋工程 惯性参考系 地质学 工程类 物理 生物化学 海洋学 化学 量子力学 基因
作者
Kaidi Jin,Hongzhou Chai,Chuhan Su,Minzhi Xiang
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:34 (9): 095120-095120 被引量:3
标识
DOI:10.1088/1361-6501/acd9e1
摘要

Abstract With the aid of Doppler velocity logger (DVL), strapdown inertial navigation systems (SINSs) can provide continuous and accurate navigation parameters for unmanned underwater vehicles (UUVs). However, owing to the complex underwater environment, partial DVL beams may fail to be reflected by the seafloor, resulting in DVL measurement outage. In this study, a novel data-driven approach enhancing DVL/SINS integrated navigation system is proposed to improve the robustness and accuracy of UUV navigation with limited DVL beams. First, to make full use of the available beam, the velocities of DVL beams are used to assist the SINS navigation instead of the 3D velocity of DVL. Subsequently, a virtual beam predictor based on multi-output least-squares support vector regression (MLS-SVR) is built to run in parallel with the DVL/SINS integrated system. Specifically, when the DVL operates normally, all four beams can be applied for integrated navigation and stored as the training dataset. Once partial beams are missing, the available beams and the outputs of SINS and pressure sensors can train the MLS-SVR model along with the corresponding missing beams in the training set. Subsequently, the missing beams can be predicted by the trained model for integrated navigation together with the available beams. UUV sea trials indicate that the proposed system can accurately predict unavailable beams and improve the positioning accuracy of the DVL/SINS integrated navigation system.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
路向北应助ZSM911采纳,获得10
刚刚
刚刚
刚刚
hql_sdu发布了新的文献求助10
1秒前
高大风华完成签到,获得积分10
1秒前
Hiccup发布了新的文献求助10
1秒前
Hello应助无问采纳,获得10
2秒前
Lu发布了新的文献求助10
2秒前
2秒前
2秒前
碗碗完成签到,获得积分10
2秒前
huanir99发布了新的文献求助10
4秒前
ivying0209发布了新的文献求助10
4秒前
Lucian发布了新的文献求助30
5秒前
iNk应助学习中的呜哩哇啦采纳,获得20
5秒前
7秒前
刘佳完成签到,获得积分10
7秒前
纯真紫南发布了新的文献求助10
7秒前
10秒前
Hiccup完成签到,获得积分10
10秒前
共享精神应助sirius_zou采纳,获得10
10秒前
小杜发布了新的文献求助10
11秒前
劲秉应助Wsw采纳,获得10
13秒前
13秒前
小孙完成签到,获得积分10
13秒前
14秒前
14秒前
茵吹斯汀完成签到,获得积分10
15秒前
一个橙子完成签到,获得积分10
16秒前
amaoaaa完成签到,获得积分10
16秒前
16秒前
caibi发布了新的文献求助10
17秒前
清闲远放发布了新的文献求助10
17秒前
17秒前
19秒前
Pika发布了新的文献求助10
20秒前
一个橙子发布了新的文献求助10
20秒前
21秒前
纯真紫南完成签到,获得积分10
21秒前
wangya完成签到,获得积分20
21秒前
高分求助中
Earth System Geophysics 1000
Studies on the inheritance of some characters in rice Oryza sativa L 600
Medicina di laboratorio. Logica e patologia clinica 600
mTOR signalling in RPGR-associated Retinitis Pigmentosa 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Semiconductor Process Reliability in Practice 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3206078
求助须知:如何正确求助?哪些是违规求助? 2855402
关于积分的说明 8099348
捐赠科研通 2520496
什么是DOI,文献DOI怎么找? 1353397
科研通“疑难数据库(出版商)”最低求助积分说明 641741
邀请新用户注册赠送积分活动 612821