买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本专利涉及惯性自主导航技术领域，具体公开了一种用于矿山掘进机的打滑识别与智能补偿方法，包括，获取当前惯导系统解算的角度，速度信息与里程计的里程信息将作为输入量输入到已训练好的神经网络模型当中；所述神经网络模型被训练为根据所述输入量判断当前矿山掘进机的打滑模式；当神经网络模型输出打滑模式为0类时，不做任何处理；当打滑模式为1、2两类时，弃用里程计的数据，引入新的观测量△v与△θ进行卡尔曼滤波的方式减小打滑误差；当打滑模式为3、4两类时，通过由控制中心引入控制量的方式使其尽快脱离打滑状态。

主权项：1.一种用于矿山掘进机的打滑识别与智能补偿方法，其特征在于，包括：获取当前惯导系统解算的角度，速度信息与里程计的里程信息将作为输入量输入到已训练好的神经网络模型当中；所述神经网络模型被训练为根据所述输入量判断当前矿山掘进机的打滑模式；该神经网络模型输出0、1、2、3、4五种模式：0代表正常不打滑状态；1代表左侧打滑，右侧不打滑状态；2代表右侧打滑，左侧不打滑状态；3代表轮子不转，掘进机仍在行进；4代表轮子空转，掘进机不动；当神经网络模型输出打滑模式为0类时，不做任何处理；当打滑模式为1、2两类时，弃用里程计的数据，通过对矿山掘进机的速度变化量和方向角变化量进行卡尔曼滤波，将滤波后的速度变化量和方向角变化量作为当前时刻惯导系统输出的速度和方向角值上进行补偿；当打滑模式为3、4两类时，通过控制中心引入控制量的方式使其尽快脱离打滑状态；所述神经网络为BP神经网络，其结构一共有3层，分别是输入层、隐含层和输出层，其中输入层节点数量为三个，分别对应里程计的里程信息L，惯导解算的方位角度θ与速度信息v；隐含层节点的数量为三个；输出层节点的数量为五个，分别对应输出0、1、2、3、4五种模式；进一步的，所述卡尔曼滤波的过程如下：设当前未打滑一侧前轮的设定速度为v，打滑的当前累计持续时间为t，两轮之间的距离为1，其方位角θ可通过下式计算得到：Arctanθ＝v2*t；将该方向角θ从载体系换算为导航系，所得方位角θ同惯导解算的方位角θ作差，得到△θ，将轮子的设定速度v与惯导解算的速度信息进行作差，得到△v；选取△v，△θ和惯导解算的速度与角度作为观测量，惯导解算的速度，角度信息作为系统的状态量H；状态方程和观测方程可表示为： 式中：Xi为i时刻的系统状态变量；ΔZi＝Zi-Zi-1，Zi为i时刻的系统观测变量；Φi，i-1为系统的状态转移矩阵；Hi为系统观测矩阵；Wi-1为状态噪声方差矩阵；υi为观测噪声方差矩阵，假设Wi和υi满足以下关系： 式中：Qi为对称非正定方差矩阵；Ri为对称正定矩阵；δij为克罗内克函数：当i＝j时，δij＝1；当i≠j时，δij＝0；其中系统的状态向量为其中为新引入的观测量，ΔV＝[0，Δv，0]，εT和为惯导的惯性器件误差；具体的状态转移矩阵Φ和观测矩阵H如下： H＝[I3*3I3*303*303*3]；式中，为加速度计测量的比力转到导航系下的的值； ωie为地球自转角速度，L为当地纬度；每间隔一段时间对未打滑一侧前轮的设定速度、惯导解算的方向角和速度信息进行采样，并进行递推，递推过程中，协方差预测，卡尔曼增益计算，状态更新，协方差更新的公式如下所示：PK|K-1＝ΦPK-1|K-1ΦTG＝PK|K-1HTHPK|K-1HT+RXK|K＝XK|K-1+GZK-HXK|K-1PK|K＝1-GHPK|K-1；其中K代表当前采样时刻，K-1代表上一采样时刻，G代表卡尔曼增益，Φ为状态转移矩阵，H为观测矩阵；根据独立增量随机过程原理可知，ΔZi和ΔZi-1之间具有更强的相互独立性，设定初始的值x0为4*4的零矩阵，递推期间，每一采样时刻均利用所述神经网络判断当前的打滑模式，如当前打滑模式为0、3或4，则停止递推过程；递推得到的状态变量Xi在i时刻的最优估计值从中取出预测得到的Δθ与Δv的值，作为新的辅助信息补偿值累加到当前时刻惯导输出的方向角和速度信息值上。

全文数据：

权利要求：

百度查询： 重庆大学 一种用于矿山掘进机的打滑识别与智能补偿方法