[发明专利]基于RBF神经网络辅助容积卡尔曼滤波的多AUV协同定位方法有效
| 申请号： | 201910033350.0 | 申请日： | 2019-01-14 |
| 公开（公告）号： | CN109459040B | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 徐博;李盛新;李金;张勇刚;王连钊;张娇;王潇雨;张奂 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G01C21/20 | 分类号： | G01C21/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于定位技术领域，具体涉及一种基于RBF神经网络辅助容积卡尔曼滤波的多AUV协同定位方法。本发明包括以下步骤：建立多AUV协同定位状态空间模型；创建一个RBF神经网络；在基准参考位置可用时，通过CKF进行多AUV协同定位估计；收集RBF神经网络的训练数据；对RBF神经网络进行训练；基准信号中断，停止训练RBF神经网络，继续进行CKF协同定位估计；估计CKF协同定位滤波误差；补偿滤波状态更新估计值。本发明在多AUV协同定位情况下，考虑跟随AUV航向漂移误差、洋流速度影响及与距离相关的水声噪声，具有更高的实用价值；利用RBF神经网络对CKF滤波估计值进行补偿，协同定位精度和稳定性显著提高；本发明算法易于实现。 | ||
| 搜索关键词： | 基于 rbf 神经网络 辅助 容积 卡尔 滤波 auv 协同 定位 方法 | ||
【主权项】：
1.基于RBF神经网络辅助容积卡尔曼滤波的多AUV协同定位方法，其特征在于，包括以下步骤：步骤1：建立多AUV协同定位状态空间模型；步骤2：创建一个RBF神经网络；步骤3：在基准参考位置能够使用时，通过CKF进行多AUV协同定位估计；步骤4：收集RBF神经网络的训练数据；步骤5：利用步骤4收集的数据对RBF神经网络进行训练；步骤6：基准信号中断，停止训练RBF神经网络，继续进行CKF协同定位估计；步骤7：估计CKF协同定位滤波误差；步骤8：补偿步骤6的滤波状态更新估计值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910033350.0/，转载请声明来源钻瓜专利网。
