自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应联邦滤波算法。其主要思想是以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。     

捷联惯性组合导航系统联合自适应滤波器设计磁

为了保证SINS／GPS组合导航系统具有较高的定位精度和抗干扰能力,需要良好的数据处理方法。论文设计了SINS／GPS组合导航系统的联合自适应卡尔曼滤波器。研究了其在舰船组合导航系统随机数据处理中的应用。针对系统噪声和量测噪声未知的情况,采用联合自适应滤波处理组合导航系统较采用基本联合Kalman滤波方法具有更好地稳定性。理论分析与仿真结果表明,该联合自适应卡尔曼滤波器的设计合理,能够加快计算速度,实现实时滤波计算,提高系统的导航精度和容错能力,取得了很好的估计效果。     

基于信息补偿的自适应联邦滤波算法

针对采用标准卡尔曼滤波器必须知道系统噪声统计特性的局限性，研究了一类系统噪声未知情况下的自适应联邦滤波方法，指出了自适应滤波方法应用于联邦结构时应当注意的问题，提出了一种基于信息补偿的自适应联邦滤波算法。SINS／BDS／GPS组合导航系统的仿真结果表明，该方法可以有效抑制系统噪声未知情况下的滤波发散现象，提高了滤波的稳定性和估计性能。     

基于GPS/SINS/里程计的车载组合导航研究

GPS/SINS组合导航系统虽然能很好地解决惯导系统的误差累积问题,但当GPS信号失效时,GPS/SINS组合导航系统不能正常工作或导航能力急剧降低。为提高车载松组合导航系统的精度和完整性,提出在GPS失效时采用OD(里程计)辅助SINS实现导航,推导出所需的GPS/SINS组合导航滤波方程和OD/SINS组合导航滤波方程,并进行地面车载试验。实验结果显示在GPS短时失效时,OD/SINS组合导航具有较高导航精度。     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

一种改进的联合滤波方法在车载SINS/GPS中的应用

提出了一种改进的联合滤波方法，即通过滤波器的方差值和故障检测函数，调节局部滤波器的信息分配，来改善总的滤波效果；通过设计牟载SINS／GPS组合导航系统最优综合的联合卡尔曼滤波器，给出其滤波算法，对其进行理论分析及计算机仿真，结果表明，应用该改进的联合滤波方法可大大提高车载SINS／GPS组合导航系统的定位精度及容错能力。     

DSS/SINS组合导航实时滤波仿真

北斗双星定位系统的定位原理决定了其存在导航定位实时性较差的缺点。为了解决双星定位实时性差的问题，提出了一种新的北斗双星／SINS组合导航实时滤波方法，即对双星定位的静态误差进行建模，将静态误差模型作为其动态误差的残差模型与双星定位时间延迟随机常数一起扩充为组合导航滤波器的状态变量，然后对北斗双星／SINS组合导航系统进行状态估计的滤波方法。通过计算机仿真，结果表明该实时滤波方法能够更好地解决北斗双星／SINS组合导航在实际工程应用中定位实时性较差的缺点，从而提高了组合系统的导航精度，对北斗双星／SINS组合导航系统的实际应用有重要的参考价值。     

GPS/SINS/Odometer组合导航系统的研究

针对全球定位系统(GPS)和捷联惯性导航系统(SINS)组成的车载导航系统在GPS失效时精度会快速下降的问题,提出了GPS/SINS/Odometer(里程计)组合导航定位系统,采用联邦卡尔曼滤波对SINS进行误差估计并作反馈校正。当GPS无效时,就可以使用里程计辅助SINS。实验结果表明,在GPS失效的时间段内,该组合系统可以有效地抑制SINS的误差发散,并将其误差限制在较低的水平,保证了组合导航系统的精度与可靠性。     

SINS/GPS/CNS组合导航在高超声速巡航飞行器上的应用

本文简单介绍了高超声速飞行器,并通过分析目前应用较为普遍组合导航方式,提出了采用SINS/GPS/CNS组合导航作为高超声速巡航导弹的中段制导方案。本文采用四元数法进行SINS计算,并运用联邦滤波的方法对组合导航进行了仿真。仿真程序是在轨迹发生器产生高超声速巡航飞行器飞行轨迹及相关参数的基础上进行的,仿真结果表明了高超声速巡航飞行器中制导采用SINS/GPS/CNS组合导航系统的可行性。     

SINS/GPS/CNS组合导航在高超声速巡航飞行器上的应用

本文简单介绍了高超声速飞行器,并通过分析目前应用较为普遍组合导航方式,提出了采用SINS/GPS/CNS组合导航作为高超声速巡航导弹的中段制导方案.本文采用四元数法进行SINS计算,并运用联邦滤波的方法对组合导航进行了仿真.仿真程序是在轨迹发生器产生高超声速巡航飞行器飞行轨迹及相关参数的基础上进行的,仿真结果表明了高超声速巡航飞行器中制导采用SINS/GPS/CNS组合导航系统的可行性.     

GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。     

自适应闭环H1滤波在组合导航系统中的实现研究

针对常规H∞滤波在组合导航系统中滤波精度不高的问题,采用闭环反馈的方法对滤波加以改进;并在闭环H∞滤波迭代方程中引入遗忘因子,利用量测噪声的变化自适应调整滤波增益,构成自适应闭环H∞滤波.理论分析表明,该改进的滤波算法降低了噪声十扰,但不影响H∞滤波本身的鲁棒性.无源北斗/SINS组合导航系统跑车数据的半物理仿真进一步表明,自适应闭环H∞滤波下的组合导航精度明显优于采用开环H∞滤波或不带有遗忘因子的闭环H∞滤波算法的导航精度,从而验证了改进滤波算法的有效性.     

联邦滤波车载组合导航系统算法改进研究

精度和可靠性为车载组合导航系统重要的性能指标,基于输出校正的无重置联邦滤波算法在航位推算/惯性导航/GPS(DR/INS/GPS)车载导航系统中具有最高的容错性能,但长时间导航误差发散。采用局部反馈对无重置滤波算法进行改进,研究改进算法的主滤波器权值矩阵构造问题,两局部滤波器相互独立,可以实现容错性能最佳,局部反馈则可提高车载导航系统的子滤波器精度。三组车载导航试验结果证明,改进算法长时间导航精度优于基于输出校正的无重置联邦滤波算法。     

基于联邦UKF算法的移动机器人自主组合导航

组合导航技术是解决地面机器人自主导航的一个有效途径,其中GPS/DR是一种典型的组合方式。常用的卡尔曼滤波主要用于处理线性问题,针对该导航系统非线性的特点,对Unscented卡尔曼滤波（UKF）与分散式滤波技术相结合的方法进行了研究,建立了用于GPS/DR导航系统的联邦UKF算法。数值仿真实验表明,联邦UKF比联邦EKF有更好的滤波精度,同时有更高的稳定性和容错性,是一种理想的GPS/DR导航非线性滤波方法。     

高动态GPS/INS组合导航中时间延迟软硬件 补偿算法研究

为了解决高动态条件下GPS/INS组合导航中由于两种导航系统时间异步,卫星导航信息滞后导致导航精度下降的问题,分别提出了利用GPS串口延迟时间段内SINS解算出的导航信息变化量来补偿延迟段内误差的硬件补偿方案和基于卡尔曼滤波对SINS频漂进行估计,采用多项式拟合得到融合点处的SINS计算伪距的软件补偿方案.通过建立模型完成了对SINS频漂量及其他误差量的闭环滤波估计及修正.设计了高动态飞行仿真试验,试验结果表明:补偿后的组合导航系统水平位置精度达到±0.12′;速度稳定后精度达到0.45 m/s.该方法缩短了误差的收敛时间,抑制了飞行状态突变的情况下滤波结果出现跳变剧烈等不利现象的发生,提高了组合导航系统的精度和性能.     

基于ARM的移动机器人组合导航系统设计与实现

为了实现室外自主移动机器人的导航定位需求,利用微惯性测量单元(MIMU)和全球卫星定位系统(GPS)接收机,设计并实现了一种基于ARM Cortex M4内核的SINS/GPS组合导航系统。详细介绍了系统硬件组成、软件结构,并在此基础上实现了Kalman滤波的SINS/GPS组合导航算法。将该组合导航系统安装于旅行者II移动机器人,采用差分GPS对组合导航系统性能进行评估。实验结果表明:该系统具有较高的精度,达到了设计要求,具有良好的实用性。     

双重自适应联邦滤波在SINS-卫星组合中的应用研究

针对常规联邦卡尔曼滤波需要确切已知系统噪声统计特性的局限性,结合多信息组合导航中惯性导航系统噪声难以确切感知和卫星导航系统测量噪声不断变化的特点,提出了一种新的双重自适应联邦滤波算法。该算法不必知道系统噪声统计特性而能对测量噪声进行在线自适应调节,同时信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节。通过SINS-GPS-Galileo-北斗组合导航系统将该算法与常规联邦滤波算法进行仿真比较,结果表明:该方法有效提高了组合导航系统的精度和可靠性,更适用于系统噪声未知和测量噪声不断变化的多信息组合导航系统。     

卫星信号失效条件下SINS/GPS不同组合方式的性能比较

为了研究卫星信号失效对SINS/GPS松组合导航系统和紧组合导航系统导航性能的影响,在分析惯导系统误差方程的基础上,给出了基于卡尔曼滤波的松组合和紧组合数学模型,构建了两种组合方式的仿真平台。仿真结果显示,SINS/GPS紧组合导航系统的精度要明显优于松组合导航系统,且在卫星信号失效导致可见星数目少于4颗甚至仅有1颗时,SINS/GPS紧组合依然能够保持组合模式,并可提供高于单一惯性导航系统的导航精度,说明了SINS/GPS紧组合方式具有较高的精度和可靠性。