当前位置: 首页 > news >正文

高纬度、跨极区导航技术

本文是何昆鹏老师所写,在此非常感谢何老师的分享。

全球导航,特别是极区导航,一直被美俄导航领域所关注。美俄本身部分国土就处于极区,很多战略军事部署与全球航线也都处于该区域,加之其战略军事任务也都强调全球覆盖的导航能力,因此极区导航技术在美俄得到充分地发展。

上个世纪60年代,美国已经有仅依赖纯惯性导航和平台罗经跨极区航行的先例。冷战结束后,越来越多的航空公司出于较短航路的经济性考虑,开辟了跨极区的洲际航线,随着新航行体系的建立,其航路导航也对惯导的极区导航精度与性能提出了新的要求。在军用领域,值得关注的一个事件是近期美国B-2A战略轰炸机建立了极区航线,并且成功地实现了极区的精密导航。

随着极区资源勘探、开发和跨极区航行的迫切需求,研究实用的惯导系统高纬度(包括极区)导航技术迫在眉睫!

极区导航面对的问题:由于在极区经线收敛,导致在极点上航向与经度奇异,图1表示极点附近载体运动导致航向和经度急剧变化。比如,在北极时,没有北,所有的方向都指南。因此,传统的找北算法根本不能用,不能建立导航坐标系,导航也就无从谈起。

点击查看原图

在此极区效应的作用下,基于传统指北和游移方位导航坐标系的惯导力学编排会造成极区导航定位、定向误差迅速增大,甚至可能出现算法崩溃。如图2~图4所示。

点击查看原图

点击查看原图

对惯导跨极区导航问题,以国内外惯导系统教材与专著为代表的理论体系不够完整,缺乏关键理论问题的论述及其解决方法。从美俄等技术先进国家的实践看,其高精度惯导均具备该能力,但具体实施方法保密,目前我国惯导在高纬度(75°以上)的对准导航技术的理论研究不多、也不够深入,工程实现尚属空白。

解决该科学问题,主要从以下几个方面开展研究:

1)极区惯性导航方案

研究适应极区的导航坐标系和力学编排方案。主要有:

l平面导航

该方法忽略地球的曲率,认为地球表面是平面,即极点处的曲率半径是无穷大,这种假设只有在极点附近几百公里的范围内导航才有意义。以出发点(进入极区的某一点)作为坐标原点,以该点当地地理坐标系相对地球凝固而成的坐标系作为导航坐标系,地理东向、北向作为平面直角导航坐标系的和轴。导航坐标系同地球固连,跟随地球自转而转动但不随载体的运动而运动,载体以相对基准轴的距离定位,相对基准轴的方向定向,如图5所示。

点击查看原图

l横向导航

地球表面经纬度的划分在数学上是任意的,将地球自转轴同球面的交点作为地球极点很符合人们的习惯。数学上球面上任何一个大圆面都可作为赤道面,过赤道平面中心点且垂直于赤道面的直线与球面相交的两点可以看作新的地球极点,经线收敛于该极点,因此避免原极点处经线收敛的简单策略是重新描绘地球的经纬度。如过两极点的大圆面作为伪赤道,极点移到赤道纬圈构成伪极点。一种更特殊的例子,以经线圈作为伪赤道,以经线圈作为伪本初子午线,伪赤道与伪本初子午圈的交点称为伪极点,这就是伪地球坐标或者称为横向地球坐标,记为系,如图6所示,图中沿地球自转轴方向,过伪北极点指向伪北向,与、构成右手直角坐标系,即为伪地球直角坐标系。图中与伪赤道平面的夹角称为伪纬度或横向纬度,与的夹角称为伪经度或横向经度。在伪地球坐标系内,相应的东北天地理坐标系称为横向地理坐标系,记为系,其中过点与伪子午线相切指向伪北极的方向定义为伪北向,过点与当地水平面垂直指天向的方向定义为伪天方向,过点与伪经线圈相切且与、构成右手直角坐标系,方向定义为伪东向,坐标系即为伪地球坐标系定义下的伪地理坐标系或横向地理坐标系。

点击查看原图

l  格网导航

在地球坐标系和横向地球坐标系的转换过程中假设地球是圆球型,这种假设给二者的转换带来了一定的误差。为了克服该问题,我们考虑采用格网导航方法,格网导航的基本思想是选择格林威治子午线作为格网北向(也可以选择任何子午线作为格网北向),平行于该子午线的平行线绘制于极地航图上。这样地理极点不再是经线的汇集点,仅是格网图上的简单普通位置点,如图7所示。通过该方式,所有的方位测量都是相对于格林威治子午线以及与之平行的平行线定义的,很明显使用该系统将会避免极区相对当地经线定向的困难并将极大的减少极区飞行航向改变的次数。

点击查看原图

图8所示是格网导航坐标系 与地理坐标系 和地球坐标系 间的相互关系,图中以载体所在地 点处平行于格林威治子午面的平面作为格网平面,以载体所在地的水平面作为切平面,格网平面与切平面的交线定义为格网北向,格网北向同真北方向的夹角为 ,格网天向同地理天向重合,格网东向在切平面内且与格网北向垂直构成右手直角坐标系,此即为格网坐标系,其单位向量记为 。可见格网坐标系是 点处的水平坐标系,当 点在地球表面移动时,格网北向始终不变。

点击查看原图

l  极区条件下扩展导航参数的计算

由于极区导航力学编排采用了新的导航坐标系和新的导航算法,因此,基于新导航坐标系和新导航算法的飞行轨迹及领航参数的表述方式与计算方法均有变化,需要研究针对极区导航参考坐标系的扩展导航参数计算方法。

2)研究极区/非极区导航算法切换方法

由于采用不同的导航坐标系和力学编排,当载体跨极区飞行时存在极区/非极区导航算法的切换问题。规范进出极区的条件、极区/非极区惯性导航信息转换方法。从各类极区导航实际执行的角度看,由于计算误差,在设置的极区圈附近会存在进出极区的振荡现象。这种振荡现象会给导航解算带来很大的麻烦,会引起导航解算程序在正常导航模式和极区平面导航模式之间来回往复切换。为避免计算引起的这种振荡现象,拟采用一种具有迟滞特性的极区导航方式转换方案。假设进入极区点的地理坐标记为,退出极区点的地理坐标记为,且,即退出极区时的极区半径比进入极区时的极区半径大对应的大圆弧长。飞机执行正常的导航模式(暂定为指北方位惯导编排模式),当导航定位纬度时由正常导航模式切换到极区导航模式。由于存在器件误差,导航定位的纬度存在振荡现象,因此在进入极区的初期导航解算的纬度在所设置的进入极区的纬度附近跳变。因为设置的退出极区的条件为,即退出极区时极区平面导航解算纬度相对设置的进入极区的纬度有的门限值,而该值又远比导航解算引起的跳变误差大,因此在进入极区和退出极区时不会存在正常导航模式和极区导航式切换的振荡现象。其执行逻辑如图9所示。

点击查看原图

上图中黑实线表示执行正常的导航模式,虚线表示执行极区平面导航模式,细实线表示两种导航模式的切换,图中箭头代表进出极区的方向。由上图可以看出,正常导航模式和极区导航模式间存在迟滞区,该迟滞区可以保证进入极区后不受计算误差的影响意外退出极区导航模式,同样可以保证退出极区后不受计算误差的影响意外进入极区导航模式。

另一方面,在进出极区时的导航参数,由于其导航坐标系不同,需进行不同坐标系的参数转换。有两种方法:一是利用两坐标系之间的对应关系 进行转换。二是利用游移方位力学编排在极区内部解算准确(只是提取导航参数存在计算溢出)的特性,在极区同时采用游移方位和格网两种力学编排,在退出极区时直接切换到游移方位方式。

3)极区自对准技术

针对高纬度地区重力参考矢量和地球自转参考矢量逐渐重合,方位对准中因信噪比过低导致对准精度严重下降的问题,研究极区效应及其对惯导系统对准的影响机理,创新高纬度地区惯导方位对准精度增强的方法,建立极区初始对准方案及其力学编排,明确极区导航坐标系下存储航向和跑道航向对准方法。研究方位基准信息在极区平面坐标系、横向地理坐标系和格网坐标系等不同坐标下的表示方法;极区导航误差的传播机理、以及引入方位基准误差对极区导航误差的影响分析。

相关文章:

高纬度、跨极区导航技术

本文是何昆鹏老师所写,在此非常感谢何老师的分享。 全球导航,特别是极区导航,一直被美俄导航领域所关注。美俄本身部分国土就处于极区,很多战略军事部署与全球航线也都处于该区域,加之其战略军事任务也都强调全球覆盖…...

用AI学编程2——python学习1

一个py文件,学会所有python所有语法和特性,给出注释,给出这样的文件 Python 学习整合文件 """ Python 学习整合文件 包含 Python 的基础语法、数据结构、函数定义、面向对象编程、异常处理、文件操作、高级特性等内容 每个部…...

用数据唤醒深度好眠,时序数据库 TDengine 助力安提思脑科学研究

在智能医疗与脑科学快速发展的今天,高效的数据处理能力已成为突破创新的关键。安提思专注于睡眠监测与神经调控,基于人工智能和边缘计算,实现从生理体征监测、智能干预到效果评估的闭环。面对海量生理数据的存储与实时计算需求,安…...

Ubuntu下MySQL的安装与使用(一)

目录 用户切换 MySQL的安装 MySQL的初步使用 登录与退出 Linux和mysql中的普通用户和root用户 查看、创建与使用 简单应用 MySQL 数据库在 Linux 文件系统中的存储结构 数据库、数据库服务、数据库管理系统(宏观) 微观下的DBMS SQL语言及其分…...

步进电机软件细分算法解析与实践指南

1. 步进电机细分技术概述 步进电机是一种将电脉冲信号转换为角位移的执行机构,其基本运动单位为步距角。传统步进电机的步距角通常为 1.8(对应 200 步 / 转),但在高精度定位场景下,这种分辨率已无法满足需求。细分技术…...

pytorch retain_grad vs requires_grad

requires_grad大家都挺熟悉的,因此穿插在retain_grad的例子里进行捎带讲解就行。下面看一个代码片段: import torch# 创建一个标量 tensor,并开启梯度计算 x torch.tensor(2.0, requires_gradTrue)# 中间计算:y 依赖于 x&#x…...

RabbitMQ消息队列中间件安装部署教程(Windows)-2025最新版详细图文教程(附所需安装包)

目录 前言 一、安装Erlang环境 1、下载Erlang安装包 2、安装Erlang 3、设置环境变量 二、安装RabbitMQ环境 1、下载RabbitMQ安装包 2、安装RabbitMQ 3、设置环境变量 三、启动RabbitMQ 1、开启RabbitMQ管理插件 2、启动RabbitMQ 四、访问RabbitMQ 前言 RabbitMQ 是…...

vue-cli3+vue2+elementUI+avue升级到vite+vue3+elementPlus+avue总结

上一个新公司接手了一个vue-cli3vue2vue-router3.0elementUI2.15avue2.6的后台管理项目,因为vue2在2023年底已经不更新维护了,elementUI也只支持到vue2,然后总结了一下vue3的优势,最后批准升级成为了vitevue3vue-router4.5element…...

车载以太网测试-3【Wireshark介绍】

1 摘要 Wireshark 是一款开源的网络协议分析工具,广泛用于网络故障排查、协议分析、网络安全检测等领域。它能够捕获网络数据包,并以详细的、可读的格式显示这些数据包的内容。广泛应用于车载网络测试,是车载网络测试工程师必须掌握的工具。…...

扫雷雷雷雷雷雷雷

大家好啊,我是小象٩(๑ω๑)۶ 我的博客:Xiao Xiangζั͡ޓއއ 很高兴见到大家,希望能够和大家一起交流学习,共同进步。 这一节课我们不学习新的知识,我们来做一个扫雷小游戏 目录 扫雷小游戏概述一、扫雷游戏分析…...

图片分类实战:食物分类问题(含半监督)

食物分类问题 simple_class 1. 导入必要的库和模块 import random import torch import torch.nn as nn import numpy as np import os from PIL import Image #读取图片数据 from torch.utils.data import Dataset, DataLoader from tqdm import tqdm from torchvision impo…...

RuoYi框架添加自己的模块(学生管理系统CRUD)

RuoYi框架添加自己的模块(学生管理系统) 框架顺利运行 首先肯定要顺利运行框架了,这个我不多说了 设计数据库表 在ry数据库中添加表tb_student 表字段如图所示 如图所示 注意id字段是自增的 注释部分是后面成功后前端要展示的部分 导入…...

机器学习在地图制图学中的应用

原文链接:https://www.tandfonline.com/doi/full/10.1080/15230406.2023.2295948#abstract CSDN/2025/Machine learning in cartography.pdf at main keykeywu2048/CSDN GitHub 核心内容 本文是《制图学与地理信息科学》特刊的扩展评论,系统探讨了机…...

【JAVA架构师成长之路】【电商系统实战】第9集:订单超时关闭实战(Kafka延时队列 + 定时任务补偿)

30分钟课程:订单超时关闭实战(Kafka延时队列 定时任务补偿) 课程目标 理解订单超时关闭的业务场景与核心需求。掌握基于 Kafka 延时队列与定时任务的关单方案设计。实现高并发场景下的可靠关单逻辑(防重复、幂等性)。…...

《探秘课程蒸馏体系“三阶训练法”:解锁知识层级递进式迁移的密码》

在人工智能与教育科技深度融合的时代,如何高效地实现知识传递与能力提升,成为众多学者、教育工作者以及技术专家共同探索的课题。课程蒸馏体系中的“三阶训练法”,作为一种创新的知识迁移模式,正逐渐崭露头角,为解决这…...

K8s 1.27.1 实战系列(六)Pod

一、Pod介绍 1、Pod 的定义与核心设计 Pod 是 Kubernetes 的最小调度单元,由一个或多个容器组成,这些容器共享网络、存储、进程命名空间等资源,形成紧密协作的应用单元。Pod 的设计灵感来源于“豌豆荚”模型,容器如同豆子,共享同一环境但保持隔离性。其核心设计目标包括…...

Java CountDownLatch 用法和源码解析

🧑 博主简介:CSDN博客专家,历代文学网(PC端可以访问:https://literature.sinhy.com/#/literature?__c1000,移动端可微信小程序搜索“历代文学”)总架构师,15年工作经验,…...

Unity引擎使用HybridCLR(华佗)热更新

大家好,我是阿赵。   阿赵我做手机游戏已经有十几年时间了。记得刚开始从做页游的公司转到去做手游的公司,在面试的时候很重要的一个点,就是会不会用Lua。使用Lua的原因很简单,就是为了热更新。   热更新游戏内容很重要。如果…...

深度学习进阶:神经网络优化技术全解析

文章目录 前言一、优化问题的本质1.1 目标1.2 挑战 二、梯度下降优化算法2.1 基础SGD2.2 动量法2.3 Adam优化器 三、正则化技术3.1 L2正则化3.2 Dropout 四、学习率调度4.1 为什么要调度?4.2 指数衰减4.3 ReduceLROnPlateau 五、实战优化:MNIST案例5.1 完…...

肿瘤检测新突破:用随机森林分类器助力医学诊断

前言 你有没有想过,科技能不能在肿瘤检测中发挥巨大的作用?别着急,今天我们将带你走进一个“聪明”的世界,通过随机森林分类器进行肿瘤检测。对,你没听错,机器学习可以帮助医生更快、更准确地判断肿瘤是良性还是恶性,就像医生口袋里的“超级助手”一样,随时准备提供帮…...

第19节 Node.js Express 框架

Express 是一个为Node.js设计的web开发框架,它基于nodejs平台。 Express 简介 Express是一个简洁而灵活的node.js Web应用框架, 提供了一系列强大特性帮助你创建各种Web应用,和丰富的HTTP工具。 使用Express可以快速地搭建一个完整功能的网站。 Expre…...

CTF show Web 红包题第六弹

提示 1.不是SQL注入 2.需要找关键源码 思路 进入页面发现是一个登录框,很难让人不联想到SQL注入,但提示都说了不是SQL注入,所以就不往这方面想了 ​ 先查看一下网页源码,发现一段JavaScript代码,有一个关键类ctfs…...

Python:操作 Excel 折叠

💖亲爱的技术爱好者们,热烈欢迎来到 Kant2048 的博客!我是 Thomas Kant,很开心能在CSDN上与你们相遇~💖 本博客的精华专栏: 【自动化测试】 【测试经验】 【人工智能】 【Python】 Python 操作 Excel 系列 读取单元格数据按行写入设置行高和列宽自动调整行高和列宽水平…...

2025盘古石杯决赛【手机取证】

前言 第三届盘古石杯国际电子数据取证大赛决赛 最后一题没有解出来,实在找不到,希望有大佬教一下我。 还有就会议时间,我感觉不是图片时间,因为在电脑看到是其他时间用老会议系统开的会。 手机取证 1、分析鸿蒙手机检材&#x…...

HashMap中的put方法执行流程(流程图)

1 put操作整体流程 HashMap 的 put 操作是其最核心的功能之一。在 JDK 1.8 及以后版本中,其主要逻辑封装在 putVal 这个内部方法中。整个过程大致如下: 初始判断与哈希计算: 首先,putVal 方法会检查当前的 table(也就…...

20个超级好用的 CSS 动画库

分享 20 个最佳 CSS 动画库。 它们中的大多数将生成纯 CSS 代码,而不需要任何外部库。 1.Animate.css 一个开箱即用型的跨浏览器动画库,可供你在项目中使用。 2.Magic Animations CSS3 一组简单的动画,可以包含在你的网页或应用项目中。 3.An…...

BLEU评分:机器翻译质量评估的黄金标准

BLEU评分:机器翻译质量评估的黄金标准 1. 引言 在自然语言处理(NLP)领域,衡量一个机器翻译模型的性能至关重要。BLEU (Bilingual Evaluation Understudy) 作为一种自动化评估指标,自2002年由IBM的Kishore Papineni等人提出以来,…...

Scrapy-Redis分布式爬虫架构的可扩展性与容错性增强:基于微服务与容器化的解决方案

在大数据时代,海量数据的采集与处理成为企业和研究机构获取信息的关键环节。Scrapy-Redis作为一种经典的分布式爬虫架构,在处理大规模数据抓取任务时展现出强大的能力。然而,随着业务规模的不断扩大和数据抓取需求的日益复杂,传统…...

【Elasticsearch】Elasticsearch 在大数据生态圈的地位 实践经验

Elasticsearch 在大数据生态圈的地位 & 实践经验 1.Elasticsearch 的优势1.1 Elasticsearch 解决的核心问题1.1.1 传统方案的短板1.1.2 Elasticsearch 的解决方案 1.2 与大数据组件的对比优势1.3 关键优势技术支撑1.4 Elasticsearch 的竞品1.4.1 全文搜索领域1.4.2 日志分析…...

数据结构:递归的种类(Types of Recursion)

目录 尾递归(Tail Recursion) 什么是 Loop(循环)? 复杂度分析 头递归(Head Recursion) 树形递归(Tree Recursion) 线性递归(Linear Recursion)…...