mems捷联惯性导航系统辅助的管道检测定位技术研究

《mems捷联惯性导航系统辅助的管道检测定位技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：工学博士学位论文MEMS捷联惯性导航系统辅助的管道检测定位技术研究博士研究生：管练武指导教师：高延滨教授学科、专业：导航、制导与控制哈尔滨工程大学2016年10月万方数据万方数据分类号：密级：UDC：编号：工学博士学位论文MEMS捷联惯性导航系统辅助的管道检测定位技术研究博士研究生：管练武指导教师：高延滨教授学位级别：工学博士学科、专业：导航、制导与控制所在单位：自动化学院论文提交日期：2016年10月论文答辩日期：2016年11月学位授予单位：哈尔滨工程大学万方数据万方数据ClassifiedIndex:U.D.C:ADissertationfortheDegr

2、eeofD.EngResearchonMEMSStrapdownInertialNavigationSystemAidedPipelineInspectionandLocationTechniquesCandidate:GuanLianwuSupervisor:Prof.GaoYanbinAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:Navigation,GuidanceandControlDateofSubmission:October,2016DateofOralExamination:November,2016Univers

3、ity:HarbinEngineeringUniversity万方数据万方数据哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈

4、尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日万方数据万方数据MEMS捷联惯性导航系统辅助的管道检测定位技术研究摘要管道以其快捷、经济可靠等优点作为油、气、水及化学

5、物质等资源运输的一种重要工具而被广泛应用。管道运输安全是保障各类资源安全抵达目的地的重要前提，管道运行超过设计寿命，自然灾害，人为破坏等是影响管道运输安全的重要原因。定期采用管道内检测装置（PipelineInspectionGauge,PIG）对管道裂纹、凹槽等缺陷进行检测，并对缺陷进行精确定位及维修能确保管道运行安全率达99.99%。惯性导航系统（InertialNavigationSystem,INS）辅助的管道检测定位技术因管道缺陷定位精度高且可靠性好，不受管道材质影响，能提供精确的管道3D坐标信息等特点在管道缺陷定位中起着举足轻重的地位。因管道直径及周边环境的限制，小径管道（D<3

6、0cm）和复杂海洋环境中的管道检测定位精度还无法达到工程上需求的指标。因此，本课题研究了一种微机电系统（Micro-Electro-MechanicalSystem，MEMS）为基础的捷联惯性导航系统（StrapdownINS,SINS）辅助管道检测定位技术，拟达到对小径管道缺陷的精确定位。同时，相关研究技术可用于海底复杂环境中管道检测定位技术的研究和应用中。课题首先全面介绍了SINS辅助的管道检测定位系统。主要对管道检测定位相关的捷联惯性导航技术，以及对管道内检测中管道检测定位用捷联惯性导航信息辅助技术分别进行了详细介绍。为课题重点内容的深入研究起到良好的开端。针对低成本MEMS惯性测量单

7、元（InertialMeasurementUnit,IMU）误差参数易受温度等环境因素的影响而变化，提出了基于新型人工鱼群算法（NovelArtificialFishSwarmAlgorithm,NAFSA）的MEMSIMU误差参数现场辨识技术。新型人工鱼群算法在优化人工鱼群算法（OptimalAFSA,OAFSA）的基础上对算法执行的速度和精度都有所提高，增强了人工鱼群算法在IMU误差参数辨识中的适应性。新