INS/GNSS组合导航(七)-SINS的微分方程的推导

2023-11-09

(三)中对SINS的机械编排进行了初步可行性的介绍,并未对机械编排进行原理性介绍。那么在详细介绍机械编排之前,需要先对SINS的微分方程进行详细的推导。

无论是机械编排,还是后面误差方程的建立,SINS的微分方程都是其重要的基础内容。那么本文在基于严恭敏《惯性导航》的基础上,对SINS中常见的微分方程进行推导。

(二)中对INS常用的坐标系统及转换进行了介绍,同时介绍了姿态的三种表示方法,以及三种方法之间的相互转换。

1. 姿态的三种表示方法

  • 欧拉角法
    欧拉角法对应于载体坐标系的三个旋转角(roll, pitch, yaw)
  • 方向余弦矩阵法
    方向余弦矩阵(DCM)又被称为“坐标变换矩阵”,用于将矢量投影从一个坐标系变换到另一个坐标系中。
  • 四元素法
    四元数法是指有一个实数单位1和三个虚数单位i,j,k组成并具有如下形式实元的数。

下面对姿态微分方程的推导是也是基于这三种方法进行推导。

2. 姿态微分方程推导

欧拉角微分方程

欧拉角的旋转方式有很多种,常用的是ZYX旋转。这里的旋转指的是欧拉角的定义方式上的旋转。如下图所示,即为ZYX旋转。
常见的ZYX旋转方式
上面三次旋转都对应一个坐标转换矩阵,这里分别为 R ψ R_\psi Rψ R θ R_\theta Rθ R ϕ R_\phi Rϕ。其具体形式不在这里给出,感兴趣的可以自行搜索。

欧拉角微分方程的推导就对应着上面三次旋转。
1)第一次旋转
绕原始坐标系Z轴旋转产生 ψ \psi ψ角,产生的旋转角速度在旋转后的临时坐标系1中的表示是绕Z轴方向,因此在1系中的表示为: ω ^ 1 = [ 0 0 ψ ˙ ] \hat \omega_1=\begin{bmatrix} 0 \\ 0 \\ \dot \psi\end{bmatrix} ω^1=00ψ˙
2)第二次旋转
绕中间坐标系1系Y轴旋转 θ \theta θ角,产生的旋转角速度在旋转后的临时坐标系2中的表示也是绕Y轴方向, 因此在2系中很好表示,但是旋转也改变了第一次旋转角速度的表示。因此前两次旋转在2系中的表示为: ω ^ 2 = [ 0 θ ˙ 0 ] + R θ ω ^ 1 = [ − ψ ˙ s i n θ θ ˙ ψ ˙ c o s θ ] \hat \omega_2=\begin{bmatrix} 0 \\ \dot \theta \\ 0\end{bmatrix}+R_\theta \hat \omega_1=\begin{bmatrix} -\dot \psi sin \theta \\ \dot \theta \\ \dot \psi cos \theta\end{bmatrix} ω^2=0θ˙0+Rθω^1=ψ˙sinθθ˙ψ˙cosθ
3)第三次旋转
绕中间坐标系2系的X轴旋转 ϕ \phi ϕ角,产生的旋转角速度在旋转后的最终坐标系中的表示也是绕X轴方向,但是同样改变了前两次旋转角速度的表示,三次旋转在最终坐标系中的表示为: ω ^ b = [ ϕ ˙ 0 0 ] + R ϕ ω ^ 2 = [ 1 0 − s i n θ 0 c o s ϕ s i n ϕ c o s θ 0 − s i n ϕ c o s ϕ c o s θ ] [ ϕ ˙ θ ˙ ψ ˙ ] \hat \omega_b=\begin{bmatrix} \dot \phi \\ 0 \\ 0\end{bmatrix}+R_\phi \hat \omega_2=\begin{bmatrix} 1&0&-sin\theta \\ 0&cos\phi&sin\phi cos\theta \\ 0 & -sin\phi & cos\phi cos\theta \end{bmatrix}\begin{bmatrix} \dot \phi \\ \dot \theta \\ \dot \psi\end{bmatrix} ω^b=ϕ˙00+Rϕω^2=1000cosϕsinϕsinθsinϕcosθcosϕcosθϕ˙θ˙ψ˙
ω ^ b = [ 1 0 − s i n θ 0 c o s ϕ s i n ϕ c o s θ 0 − s i n ϕ c o s ϕ c o s θ ] [ ϕ ˙ θ ˙ ψ ˙ ] \hat \omega_b=\begin{bmatrix} 1&0&-sin\theta \\ 0&cos\phi&sin\phi cos\theta \\ 0 & -sin\phi & cos\phi cos\theta \end{bmatrix}\begin{bmatrix} \dot \phi \\ \dot \theta \\ \dot \psi\end{bmatrix} ω^b=1000cosϕsinϕsinθsinϕcosθcosϕcosθϕ˙θ˙ψ˙
其中 ω ^ b = [ ω n b , x b ω n b , y b ω n b , z b ] \hat \omega_b =\begin{bmatrix}\omega^b_{nb,x} \\ \omega^b_{nb,y} \\ \omega^b_{nb,z} \end{bmatrix} ω^b=ωnb,xbωnb,ybωnb,zb
对矩阵求逆即可得到欧拉角微分方程。欧拉角微分方程在惯导和组合导航中用的不多。
方向余弦矩阵微分方程
欧拉角和DCM之间是可以相互转换的。上述欧拉角三次旋转是对应的旋转矩阵相乘就是DCM。即 R n b = R ψ ⋅ R θ ⋅ R ϕ = [ c o s θ c o s ψ − c o s ϕ s i n ψ + s i n ϕ s i n θ c o s ψ s i n ϕ s i n ψ + c o s ϕ s i n θ c o s ψ c o s θ s i n ψ c o s ψ c o s ϕ + s i n ψ s i n θ s i n ϕ − c o s ψ s i n ϕ + s i n ψ s i n θ c o s ϕ − s i n θ s i n ϕ c o s θ c o s θ c o s ϕ ] R^b_n=R_\psi \sdot R_\theta \sdot R_\phi=\begin{bmatrix} cos\theta cos\psi & -cos\phi sin\psi+sin\phi sin\theta cos\psi & sin\phi sin\psi+cos\phi sin\theta cos\psi \\ cos\theta sin\psi & cos\psi cos\phi + sin\psi sin\theta sin\phi & -cos\psi sin\phi + sin\psi sin\theta cos\phi \\ -sin\theta & sin\phi cos\theta & cos\theta cos\phi \end{bmatrix} Rnb=RψRθRϕ=cosθcosψcosθsinψsinθcosϕsinψ+sinϕsinθcosψcosψcosϕ+sinψsinθsinϕsinϕcosθsinϕsinψ+cosϕsinθcosψcosψsinϕ+sinψsinθcosϕcosθcosϕ
当三个欧拉角为小角度的时候,由极限知识可得: R y x = [ 1 − ψ x y θ x y ψ x y 1 − ϕ x y − θ x y ϕ x y 1 ] = I + ( v × ) , v = [ ϕ x y θ x y ψ x y ] R^x_y=\begin{bmatrix} 1 & -\psi_{xy} & \theta_{xy} \\ \psi_{xy} & 1 & -\phi_{xy} \\ -\theta_{xy} & \phi_{xy} & 1\end{bmatrix}= I +(v \times), v=\begin{bmatrix} \phi_{xy} \\ \theta_{xy} \\ \psi_{xy} \end{bmatrix} Ryx=1ψxyθxyψxy1ϕxyθxyϕxy1=I+(v×),v=ϕxyθxyψxy
另外,需要注意的是转置存在如下关系:
C b ( t k ) b ( t j ) = I − ( Δ θ b ( t k ) b ( t j ) × ) , C b ( t j ) b ( t k ) = I + ( Δ θ b ( t k ) b ( t j ) × ) C^{b(t_j)}_{b(t_k)}=I-(\Delta \theta_{b(t_k)b(t_j)} \times), C^{b(t_k)}_{b(t_j)}=I+(\Delta \theta_{b(t_k)b(t_j)}\times) Cb(tk)b(tj)=I(Δθb(tk)b(tj)×),Cb(tj)b(tk)=I+(Δθb(tk)b(tj)×)
(1)设r为空间向量,由哥氏定理:
d r d t ∣ n = d r d t ∣ b + ω n b × r \frac{dr}{dt}|_n=\frac{dr}{dt}|_b+\omega_{nb}\times r dtdrn=dtdrb+ωnb×r
(2)上式向b系投影:
d r d t ∣ n b = d r d t ∣ b b + ( ω n b × r ) b \frac{dr}{dt}|^b_n=\frac{dr}{dt}|^b_b+(\omega_{nb}\times r)^b dtdrnb=dtdrbb+(ωnb×r)b
(3)由于:
d r d t ∣ b b = r ˙ b \frac{dr}{dt}|^b_b=\dot r^b dtdrbb=r˙b
( ω n b × r ) b = ω n b b × r b (\omega_{nb} \times r)^b=\omega^b_{nb}\times r^b (ωnb×r)b=ωnbb×rb
(4)代入到(2)式得:
r ˙ b = d r d t ∣ n b − ω n b b × r b \dot r^b=\frac{dr}{dt}|^b_n-\omega^b_{nb}\times r^b r˙b=dtdrnbωnbb×rb
(5)由于 r b = C n b r n r^b=C^b_nr^n rb=Cnbrn,对其两边求导:
r ˙ b = C ˙ n b r n + c n b r ˙ n = C ˙ n b r n + C n b d r d t ∣ n n \dot r^b=\dot C^b_n r^n+c^b_n \dot r^n=\dot C^b_n r^n+C^b_n\frac{dr}{dt}|^n_n r˙b=C˙nbrn+cnbr˙n=C˙nbrn+Cnbdtdrnn
(6)上式中 C n b d r d t ∣ n n C^b_n\frac{dr}{dt}|^n_n Cnbdtdrnn即位 d r d t ∣ n b \frac{dr}{dt}|^b_n dtdrnb,所以上式变为:
r ˙ b = C ˙ n b r n + d r d t ∣ n b \dot r^b=\dot C^b_n r^n+\frac{dr}{dt}|^b_n r˙b=C˙nbrn+dtdrnb
(7)式与(4)式对比可得:
C ˙ n b = − ω n b b × r b = − ω n b b × C n b r n = − ω n b b k C n b r n \dot C^b_n=-\omega^b_{nb}\times r^b=-\omega^b_{nb}\times C^b_n r^n=-\omega^{bk}_{nb}C^b_nr^n C˙nb=ωnbb×rb=ωnbb×Cnbrn=ωnbbkCnbrn
(8)最终得:
C ˙ n b = − ω n b b k C n b \dot C^b_n=-\omega^{bk}_{nb}C^b_n C˙nb=ωnbbkCnb
转置得:
C ˙ b n = C b n ω n b b k \dot C^n_b=C^n_b\omega^{bk}_{nb} C˙bn=Cbnωnbbk
其中, ω n b b k \omega^{bk}_{nb} ωnbbk为旋转欧拉角向量的反对称矩阵。
四元素微分方程
(1)定义b系到n系的四元素为Q,则用欧拉角表示为
Q = c o s θ 2 + μ R s i n θ 2 Q=cos\frac{\theta}{2}+\mu^Rsin\frac{\theta}{2} Q=cos2θ+μRsin2θ
(2)对上式两边求导:
d Q d t = − θ ˙ 2 s i n θ 2 + μ R θ ˙ 2 c o s θ 2 + s i n θ 2 d μ R d t \frac{dQ}{dt}=-\frac{\dot \theta}{2}sin \frac{\theta}{2}+\mu^R\frac{\dot \theta}{2}cos\frac{\theta}{2}+sin\frac{\theta}{2}\frac{d\mu^R}{dt} dtdQ=2θ˙sin2θ+μR2θ˙cos2θ+sin2θdtdμR
(3)由哥氏定理:
d μ R d t = C b R d μ b d t + ω R b R × μ R \frac{d\mu^R}{dt}=C^R_b\frac{d\mu^b}{dt}+\omega^R_{Rb}\times \mu^R dtdμR=CbRdtdμb+ωRbR×μR
(4)其中: d μ b d t = 0 \frac{d\mu^b}{dt}=0 dtdμb=0,且 ω R b R = θ ˙ μ R \omega^R_{Rb}=\dot \theta \mu^R ωRbR=θ˙μR,故 d μ R d t = 0 \frac{d\mu^R}{dt}=0 dtdμR=0
(5)则(2)式变为:
d Q d t = − θ ˙ 2 s i n θ 2 + μ R θ ˙ 2 c o s θ 2 \frac{dQ}{dt}=-\frac{\dot \theta}{2}sin \frac{\theta}{2}+\mu^R\frac{\dot \theta}{2}cos\frac{\theta}{2} dtdQ=2θ˙sin2θ+μR2θ˙cos2θ
(6)对(1)式两边乘 θ ˙ 2 μ R \frac{\dot \theta}{2}\mu^R 2θ˙μR得:
θ ˙ 2 μ R ⊗ Q = θ ˙ 2 μ R ⊗ ( c o s θ 2 + μ R s i n θ 2 ) = θ ˙ 2 μ R c o s θ 2 + μ R ⊗ μ R s i n θ 2 = θ ˙ 2 μ R c o s θ 2 − s i n θ 2 \frac{\dot\theta}{2}\mu^R\otimes Q=\frac{\dot\theta}{2}\mu^R\otimes( cos\frac{\theta}{2}+\mu^Rsin\frac{\theta}{2})=\frac{\dot\theta}{2}\mu^R cos\frac{\theta}{2}+\mu^R \otimes \mu^R sin\frac{\theta}{2}=\frac{\dot \theta}{2} \mu^Rcos\frac{\theta}{2}-sin\frac{\theta}{2} 2θ˙μRQ=2θ˙μR(cos2θ+μRsin2θ)=2θ˙μRcos2θ+μRμRsin2θ=2θ˙μRcos2θsin2θ
(7) 则(5)与(6)相比即有:
d Q d t = θ ˙ 2 μ R ⊗ Q = 1 2 ω R b R ⊗ Q = 1 2 Q ⊗ ω R b b = 1 2 W Q \frac{dQ}{dt}=\frac{\dot \theta}{2} \mu^R \otimes Q=\frac{1}{2}\omega^R_{Rb}\otimes Q=\frac{1}{2}Q\otimes \omega^b_{Rb}=\frac{1}{2}WQ dtdQ=2θ˙μRQ=21ωRbRQ=21QωRbb=21WQ
上式即为四元素微分方程。其中w为欧拉角向量的反对称矩阵。
速度微分方程

  • 地速: d r d t ∣ e = v e \frac{dr}{dt}|_e=ve dtdre=ve
  • 哥氏方程: d r d t ∣ a = d r d t b + ω a b × r \frac{dr}{dt}|_a=\frac{dr}{dt}_b+\omega_{ab}\times r dtdra=dtdrb+ωab×r
  • 导航方程: d 2 r d t 2 ∣ i = f + g \frac{d^2r}{d t^2}|_i=f+g dt2d2ri=f+g

(1)由哥氏方程和地速定义(i 系):
d r d t ∣ i = d r d t ∣ e + ω i e × r = v e + ω i e × r \frac{dr}{dt}|_i=\frac{dr}{dt}|_e+\omega_{ie}\times r=v_e+\omega_{ie}\times r dtdri=dtdre+ωie×r=ve+ωie×r
(2)在i系下求导:
d 2 r d t 2 = d v e d t ∣ i + d d t ( ω i e × r ) ∣ i \frac{d^2 r}{dt^2}=\frac{dv_e}{dt}|_i+\frac{d}{dt}(\omega_{ie}\times r)|_i dt2d2r=dtdvei+dtd(ωie×r)i
(3)利用导航方程整理可得:
d v e d t ∣ i = f + g − d ω i e d t ∣ i × r − ω i e × d r d t ∣ i = f + g − ω i e × ( v e + ω i e × r ) = f − ω i e × v e + ( g − ω i e × ( ω i e × r ) ) = f − ω i e × v e + g l \frac{dv_e}{dt}|_i=f+g-\frac{d\omega_{ie}}{dt}|_i\times r-\omega_{ie}\times \frac{dr}{dt}|_i=f+g-\omega_{ie}\times(v_e+\omega_{ie}\times r)=f-\omega_{ie}\times v_e+(g-\omega_{ie}\times(\omega_{ie}\times r))=f-\omega_{ie}\times v_e+g_l dtdvei=f+gdtdωiei×rωie×dtdri=f+gωie×(ve+ωie×r)=fωie×ve+(gωie×(ωie×r))=fωie×ve+gl
投影到i系:
= C b i f b − ω i e i × v e i + g l i =C^i_bf^b-\omega^i_{ie}\times v^i_e + g^i_l =Cbifbωiei×vei+gli
上式即为速度微分方程。
位置微分方程
在INS中位置是由速度确定,因此其微分方方程也较为简单,在各种书籍论文中常用的位置微分方程如下所示:
r ˙ n = [ ϕ ˙ λ ˙ h ˙ ] = [ 1 R M + h 0 0 0 1 ( R N + h ) c o s ϕ 0 0 0 − 1 ] [ v N v E v D ] = D − 1 v n \dot r^n=\begin{bmatrix} \dot \phi \\ \dot \lambda \\ \dot h\end{bmatrix}=\begin{bmatrix} \frac{1}{R_M+h} & 0 & 0 \\ 0 & \frac{1}{(R_N+h)cos\phi}&0 \\ 0 & 0 & -1\end{bmatrix}\begin{bmatrix}v_N \\ v_E \\ v_D\end{bmatrix}=D^{-1}v^n r˙n=ϕ˙λ˙h˙=RM+h1000(RN+h)cosϕ10001vNvEvD=D1vn

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

INS/GNSS组合导航(七)-SINS的微分方程的推导 的相关文章

  • ROS学习(一):Navigation中GNSS与IMU数据融合定位

    1 参考博客 主要参考以下博客 感谢各位博主的分享 link https blog csdn net qinqinxiansheng article details 107108475 utm medium 61 distribute pc
  • GNSS说第(七)讲---自适应动态导航定位(四)---Kalman滤波

    GNSS说第 七 讲 自适应动态导航定位 四 Kalman滤波 Kalman滤波 Kalman滤波的显著特点是对状态空间进行估计 而状态空间估计一般是动态估计 Kalman滤波采用递推算法 即由参数的验前估值和新的观测数据进行状态参数的更新
  • 多IMU车载GNSS/INS数据集及介绍

    文章目录 前言非常棒的GINS数据集采集轨迹采集时间MEMS IMU详细信息IMU测量值方程及相关误差建模参考噪声参数 安装参数文件格式描述 前言 本文作者感谢武汉大学多源智能导航实验室和牛小骥教授提供了本文所需的GNSS INS数据集 本
  • 【3】IMU模块:PA-IMU-460 ROS驱动 + 与GNSS时间同步

    一 模块介绍 惯性测量单元 IMU 产品展示 西安精准测控有限责任公司 说明 这是一款国产的IMU模块 之所以选择这个是因为同等精度的产品价格8500元 这个只要2500元 缺点是 担心国产的模块性能不好 参数需要自己标定 二 程序运行 c
  • 【GNSS高精度定位应用】

    GNSS定位技术具有全天候 高精度 覆盖全球 自动化程度高 实时服务能力强等优点 xff0c 已经广泛应用于交通 军事 农业等领域 xff0c 例如车辆自主导航 自然灾害监测 紧急事故安全救援 精确制导武器 精准农业 建筑物结构安全监测等
  • 定位——GNSS

    GNSS GNSS 即全球导航卫星系统 xff08 Global Navigation Satellite System xff09 是所有导航定位卫星的总称 xff0c 凡是可以通过捕获跟踪其卫星信号实现定位的系统 xff0c 均可纳入G
  • GNSS定位(SPP、RTK、PPP)位置坐标系

    欢迎关注个人公众号 xff1a 导航员学习札记 文章目录 一 前言二 单点定位三 差分定位四 PPP 一 前言 最近研究不同FTP的基站数据 xff0c 发现它们坐标系都不一致 xff0c 因此研究了下GNSS定位结果的坐标系 参考了一些文
  • (3)GNSS在ROS中数据获取与解析

    1 在ubuntu16 04中安装串口工具minicom 输入sudo minicom s进行串口配置 xff1a 弹出如下设置界面 xff1a 使用方向键 选择 Serial port setup xff0c 按Enter键 xff0c
  • GNSS PPP和PPK区别

    01 PPP PPP全称Precise Point Positioning xff0c 译为精密单点定位 xff0c 属于单点定位也叫绝对定位 xff0c 精密单点定位是指利用载波相位观测值以及由IGS等组织提供的高精度的卫星星历及卫星钟差
  • IRI-2016 Matlab 使用教程

    IRI2016在线计算模型 https ccmc gsfc nasa gov modelweb models iri2016 vitmo php 同时IRI2016还有Matlab和Fortran版本 其中的Matlab也是通过在线的接口进
  • 讲一点点自动驾驶技术(2)自动驾驶定位系统 part 1 GNSS和激光雷达部分

    最近又有点时间了 来唠一唠自动驾驶技术的第一个部分 定位系统吧 对于一辆自动驾驶的车辆来说 定位技术是关键技术之一 在这一篇小Q来说一说不同的定位技术 这里面包括GNSS全球导航卫星系统 激光雷达 LiDAR 高精度地图 视觉里程计和其他的
  • INS/GNSS组合导航(二)-INS常用的坐标系统及转换

    一 常用坐标系 由于INS是一种完全自主的导航系统 不与外界发生联系 但是我们又想知道物体的的位置 尤其是其与GNSS组合时需要知道其与GNSS在同一坐标系下的位置信息 这就牵扯到了INS的几个导航系统之间的转换 笼统的讲 INS输出的是载
  • GNSS精密单点定位(PPP)基本原理(进阶篇)

    上节介绍了精密单点定位的基本原理 本文继续在精密单点定位的基础上进行更深层次的介绍 一 精密单点定位的函数模型 上节说过 在精密单点定位之前 也有一种绝对定位技术 那就是伪距单点定位 伪距单点定位靠的伪距进行单点定位 但是伪距的精度较差 主
  • INS/GNSS组合导航(七)-SINS的微分方程的推导

    三 中对SINS的机械编排进行了初步可行性的介绍 并未对机械编排进行原理性介绍 那么在详细介绍机械编排之前 需要先对SINS的微分方程进行详细的推导 无论是机械编排 还是后面误差方程的建立 SINS的微分方程都是其重要的基础内容 那么本文在
  • (20181206)在线计算GPS周、北斗周、周内日、年积日、简化儒略日

    介绍两个用于在线计算GPS周 周内日 年积日 简化儒略日的网站 网站一 http www gnsscalendar com 使用说明 网站二 http webapp geod nrcan gc ca geod tools outils ca
  • 小白如何学习GNSS(三)- 如何阅读rtklib源码

    总览 和前两篇一样 都是画重点 而不会去解读代码 只会告诉你哪些代码需要阅读 而哪些可以稍后阅读 哪些基本不需要关注 首先给一个总览 即 输入 gt 处理 gt 输出 输入的观测文件 o文件 和星历文件 p文件 都是rinex格式 建议初步
  • 汽车 Automotive > T-BOX GNSS高精定位测试相关知识

    参考 https en wikipedia org wiki Global Positioning System GPS和GNSS的关系 GPS Global Positioning System 全球定位系统是美国军民两用的导航定位卫星系
  • 什么是Ntrip?Ntrip协议简介

    文章目录 Ntrip通讯协议1 0 Ntrip是什么 Ntrip系统组成 NtripServer NtripClient 4 1 获取源列表 4 2 获取差分数据 其他资料 Ntrip通讯协议1 0 Ntrip是什么 NTRIP是在互联网上
  • rtklib源码 rtk差分解算,rtkpos和replos函数流程梳理

    rtklib源码 rtk差分解算 rtkpos和replos函数流程梳理 rtkpos函数梳理 总体流程 replos函数梳理 replos总体流程 1 通过satposs函数计算卫星的位置 速度等参数 2 通过zdres函数计算基站伪距和
  • RTK、PPP与RTK-PPP?一文带您认识高精定位及如何进行高精定位GNSS测试!(一)

    来源 德思特测试测量 德思特干货丨RTK PPP与RTK PPP 一文带您认识高精定位及如何进行高精定位GNSS测试 一 原文链接 https mp weixin qq com s 6Jb3DuJEhRGqFPrH3CX8xQ 欢迎关注虹科

随机推荐

  • Chrome浏览器的跨域设置

    做前后端分离的开发的时候 出于一些原因往往需要将浏览器设置成支持跨域的模式 而且chrome浏览器支持可跨域的设置 但是新版本的chrome浏览器提高了跨域设置的门槛 原来的方法不再适用了 其实网上也有很多大神总结的chrome跨域设置教程
  • 去耦电容的选择举例

    在高速时钟电路中 尤其要注意元件的RF去耦问题 究其原因 主要是因为元件会把一部分能量耦合到电源 地系统之中 这些能量以共模或差模RF的形式传播到其他部件中 陶瓷片电容需要比时钟电路要求的自激频率更大的频率 这样可选择一个自激频率在10 3
  • JavaWeb酒店管理系统

    酒店管理系统 一 项目介绍 1 项目用到的技术栈 开发工具 idea 语言 java js html ajax 数据库 MySQL 服务器 Tomcat 框架 mybatis jQuery 2 项目实现功能 管理员和用户登录和退出功能以及用
  • ParameterizedType应用,java反射,获取参数化类型的class实例

    ParameterizedType是一个接口 这个类可以用来检验泛型是否被参数化 比如 class Dao
  • python https RecursionError详解

    RecursionError maximum recursion depth exceeded while calling a Python object File root miniconda3 envs devops lib pytho
  • Ubuntu下安装Pytorch

    安装CPU版本 https www cnblogs com wangqinze p 13407610 html 完成后检验是否有误 python import torch import torchvision 若没有报错则完成 安装GPU版
  • CMake I 设置语言标准

    目录 一
  • docker基础篇-docker的安装、配置、卸载,自定义镜像和搭建公有和私有镜像仓库

    本篇主要是docker的安装 配置 卸载 自定义镜像和搭建公有和私有镜像仓库 以及常规软件安装示例 mysql主从 redis主从搭建 Dockerfile解析及docker compose编排等见另一篇文章 docker高级篇 mysql
  • python之正则表达式:匹配ip地址

    首先分析ip地址的特征 255 255 255 255 1位 0 9 0 9 d 2位 10 99 1 9 d 2位以内 1 9 d 3位 100 199 1 d 2 3位 200 249 2 0 4 d 3位 250 255 25 0 5
  • 如何让opencv成为MATLAB中的一个工具箱

    如何让opencv成为MATLAB中的一个工具箱 前言 谈到图像处理的编程工具 MATLAB和opencv是最经常提到的 两者各有优缺点 比如 MATLAB的数据可视化做得很好 而且还有其它可以方便调用的工具箱 但是在图像的处理上面 不如o
  • IDEA快速生成方法

    快捷键 Alt Insert 按下快捷键之后会弹出如下界面 依次是Constructor方法 Getter方法 Setter方法 Getter 和Setter方法 equa 和 hashCode 方法 toString方法 Override
  • 三大通信协议(3)SPI——寄存器配置

    目录 一 SPI通信协议简介 二 SPI通信时序 1 主从通信 2 模式选择 三 实例 总结 一 SPI通信协议简介 SPI是串行外设接口 Serial Peripheral Interface 的缩写 是 Motorola 公司推出的一种
  • windows下expect使用小结

    最近因为学习tcl脚本语言 需要用到expect扩展包 结合网上的资料和自己的学习情况做一下整理 expect是一种基于TCL的解释型脚本语言 能够实现自动和交互式任务进行通信 而无需人的干预 expect由一系列expect send对组
  • SpringBoot结合MyBatis实现多数据源配置

    SpringBoot结合MyBatis实现多数据源配置 一 前提条件 1 1 环境准备 SpringBoot框架实现多数据源操作 首先需要搭建Mybatis的运行环境 由于是多数据源 也就是要有多个数据库 所以 我们创建两个测试数据库 分别
  • Unity【LayerMask】层级关系以及代码对层级的控制

    LayerMask的存储 LayerMask的每一个层级都是一个二进制数字 实际上LayerMash是32位的二进制记录的 每一个层级对应一个二进制位置 所以理论上Unity最多能有32个层级关系 为了方便解释以下列表假设只有5位二进制数据
  • Qt:FTP 与 QFtp 实现文件传输(C++: ftplib)

    目录 C 与 FTP 1 1 简介 1 2 工作原理 1 2 1 独特优势 1 2 2 基本模型 1 3 用户与传输 1 3 1 用户分类 1 3 2 传输方式 1 3 3 传输模式 1 4 控制命令 实现方式 2 1 QFtp 2 2 Q
  • eml文件是什么格式的文件?怎么打开?怎么导出eml文件?

    eml格式文件是一个电子邮件文件 其格式名由来是E mail 电子邮件 的缩写形式 一个eml文件打开后就是一封电子邮件 E mail 它是电子邮件导出后的格式 163 QQ等使用较多的邮件服务商都有邮件导出功能 导出后的文件就是eml格式
  • cmake的add_subdirectory

    命令格式 add subdirectory source dir binary dir EXCLUDE FROM ALL 添加一个子目录并构建该子目录 如果想同时编译多个CmakeLists txt 可以使用add subdirectory
  • cmakelist的作用及使用

    cmakelist的作用及使用 cpp平常的运行方式 cpp为编译型语言 需要把cpp文件编译成可执行文件 然后执行可执行文件 gcc main cpp o main 执行该可执行文件 main 但由于一些依赖错综复杂 且需要大量指令依次执
  • INS/GNSS组合导航(七)-SINS的微分方程的推导

    三 中对SINS的机械编排进行了初步可行性的介绍 并未对机械编排进行原理性介绍 那么在详细介绍机械编排之前 需要先对SINS的微分方程进行详细的推导 无论是机械编排 还是后面误差方程的建立 SINS的微分方程都是其重要的基础内容 那么本文在