一种鲁棒自适应容积卡尔曼滤波方法及其在相对导航中的应用

针对无人机编队相对导航系统中视觉导航传感器量测噪声服从非高斯分布的问题,提出一种带噪声估计器的鲁棒自适应容积卡尔曼滤波(CKF)算法。该算法将Huber求解线性回归问题与协方差匹配方法相结合,利用残差序列实时估计,调整系统过程噪声和量测噪声的统计特性,并采用遗忘加权参数对接收到的测量数据进行加权,从而准确地估计出无人机之间的相对位置、速度和姿态信息,提高了鲁棒CKF算法的自适应能力。仿真结果表明,与标准CKF算法和鲁棒CKF算法相比,该算法对受污染的噪声统计特性有较强的自适应性,估计精度高,鲁棒性更强。     

一种考虑时钟同步问题的多AUV协同定位算法

在多自主水下航行器（multi-AUVs）协同导航系统中,领航AUVs配备高精度导航定位设备,跟随AUVs配备低精度导航设备,领航、跟随AUVs均配备水声通信设备,跟随AUVs利用领航AUVs的广播信息获得其与领航者间的距离。本文针对领航AUVs与跟随AUVs问的时钟不同步问题,给出了AUV时钟相对偏移与相对漂移模型,并将跟随AUVs的时钟偏差作为未知量,提出了一种考虑时钟同步问题的multi-AUVs协同定位算法。仿真结果表明,该算法不仅可以大幅度提高跟随AUVs的协同定位精度,而且能够随时对跟随AUVs时钟误差进行估计,有效地提高了multi-AUVs协同导航系统性能。     

基于改进粒子滤波的无人机编队协同导航

针对主从式无人机编队协同导航问题,建立主从无人机编队的运动模型,并将闪烁噪声加入到观测模型 中,使用粒子滤波算法进行仿真实验,使实验结果更具现实性。针对粒子滤波在重采样过程中出现的粒子贫化现象, 在粒子权重归一化过程中引入权重影响因子,给出理论证明,并与标准粒子滤波算法进行对比。仿真结果表明：在 闪烁噪声下,改进后的粒子滤波使主从式无人机编队导航精度明显提高,具有一定的实用价值。     

无人机空中回收视觉导航技术

针对无人机空中回收过程中的导航问题,提出一种利用深度学习进行目标检测并配合双目视觉进行位姿 估计的技术。设计空中回收视觉导航系统,通过改进原有目标检测算法YOLOv3 框架提高回收过程中的检测精度和 速度;通过双目视觉系统对特征点进行3 维位姿解算,返回无人机和回收锥套中心相对位置信息。实验结果表明： 改进后的检测算法平均精度比YOLOv3 提高了3.2%,检测速度提高到73 FPS,检测速度明显提升;双目视觉算法 的位姿解算精确度高,两者同时满足导航系统精确性和实时性的要求。     

基于平行接近法的固定翼无人机协同编队导引律

针对固定翼无人机协同编队飞行,提出了一种低速固定翼无人机协同编队导引律,旨在形成一种灵活性较高的半刚性编队。以低速固定翼无人机为对象,分析了长机-僚机在编队飞行中的纵横航向运动关系。其次根据长机追随航线,僚机追随长机的飞行任务特性和航线的一般特点,进行了直线、转弯、盘旋三种导引模式的长机导引律设计。再根据长机飞行位置,设立虚拟动态跟踪点,综合僚机位置信息,设计了基于平行接近法的协同导引律,并对导引律的响应速度和稳定性进行了验证。通过分析仿真机的半实物仿真及实测飞行的结果,验证了该导引律具有较好的制导性能和较高的机动稳定性,在特定飞行任务中能够满足对无人机编队飞行的控制需求。     

基于Matlab/Simulink的无人飞行器导航精度分析

为了给无人机飞行提供精确的导航信息,建立精度因子的Matlab/Simulink仿真模型.基于GPS全球定位系统,以无人机经过复杂山地为例,建立无人机导航精度因子数学模型,并利用Matlab/Simulink仿真工具对模型进行仿真分析.仿真结果表明:建立的精度因子模型得到的精度值较高,能够满足无人机在复杂山地下的导航需求和作战要求.     

一种简化的SAGE-HUSA卡尔曼滤波

对无人机导航状态进行在线估计时,一般采用简化的数学模型,因此需要采用自适应卡尔曼滤波。目前工程中应用广泛的几种自适应卡尔曼滤波存在各自缺点,对进一步提高无人机导航精度以及实际应用上有不利影响。利用残差变化率在不同飞行状态下的差异,选择估计窗的大小,以此给出一种简化的SAGE-HU-SA卡尔曼滤波算法。仿真结果表明,该方法计算量小、思路清晰,适用于无人机导航的工程实践。     

面向集群协同的两点相对定位技术

无人集群节点间精确位置获取是集群协同的基础，但在复杂多变的应用环境中，全球导航卫星系统(GNSS)难以提供稳定准确的位置信息；难以部署辅助锚点；传统相对定位方法大多存在节点数量限制。针对上述3个问题，提出了一种GNSS拒止条件下的集群节点相对定位的新方法。以搭载惯性测量单元(IMU)和超宽带传感器的两个节点为例建立了相对定位模型，采用扩展卡尔曼滤波算法，融合机载IMU和机间距离信息，实现了相对位置的最优估计。仿真实验结果表明：在无人机相距200 m的范围内，所提方法可达到约1.3 m的相对定位精度，与现有多节点相对定位算法相比，提高了约4倍；在无需GNSS和辅助锚点的支持下，即可实现两个节点之间的高精度相对定位，能够为无人集群在复杂应用环境下的协同定位提供有效可行的解决方案。     

基于动态权值分配的无人机高度融合估计方法

为了提高无人机在海上低空飞行时的高度导航精度和可靠性,提出一种基于动态权值分配的高度融合估计方法。通过建立INS/GPS组合导航系统误差模型,设计了惯性/卫星/雷达高度计组合导航卡尔曼滤波器,并通过采用最优权值分配策略进行数据融合,实现低空飞行条件下的高度准确估计。仿真结果表明：该方法在低空飞行条件下的高度导航精度有明显提高,具备较强的鲁棒性,具有较大的工程应用参考价值。     

无人机雁行仿生群飞路径规划

为解决单架无人机因互相之间没有通信机制而无法独立进行路径规划的问题,提出一种仿生雁群路径航 路选择的无人机群飞路径规划。介绍算法原理,将无人机初始化为粒子后,在无人机群中确定主机、僚机。依据遗 传算法基础原理,将仿生学引入到无人机群协同编队飞行航点规划当中,使用遗传算法对组群飞行的主机航路进行 路径规划,产生需要的解或最优解;通过模仿雁群跟随的策略,设计僚机跟随主机的算法,从而实现组群飞行,并 进行了实验验证。实验结果表明,该研究对无人机群飞行控制有一定的参考价值。     

基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法.采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法.联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强.主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性.数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法.     

基于水声传播延迟的主从式多无人水下航行器协同导航定位研究

多水下无人航行器( UUV)协同导航定位技术是解决海洋中间层水下导航问题的重要途径，研究了主从式多UUV基于水声传播延迟的协同导航定位问题。主从式导航结构中，主UUV内部装备高精度导航设备，从UUV内部装备低精度导航设备，外部均装备水声装置测量相对位置关系，利用扩展卡尔曼滤波算法融合内部和外部传感器信息，对从UUV进行实时定位。研究结果表明，利用UUV的相对位置观测，可以显著提高导航定位精度。     

基于自适应滤波的惯性+多模卫星组合导航算法研究

惯性+多模卫星组合导航系统通常采用定常参数的加权最小二乘算法进行多传感器信息融合,若加权系数与实际噪声统计特性不吻合,将会对组合导航精度产生不利影响.为解决该问题,提出一种基于自适应滤波的改进信息融合算法,对惯性及卫星导航数据应用自适应Kalman滤波以估计惯性导航误差,对滤波输出进行基于加权最小二乘法的多模信息融合,并根据滤波误差方差阵的解算结果对加权系数进行实时调整以优化估计精度.仿真结果表明该算法能够在一定程度上提高组合导航系统的精度和对不同随机噪声的适应能力.     

考虑几何约束的无人机双机编队相对姿态确定方法

针对无人机常用的领航—跟随双机编队飞行控制模式,提出了一种考虑几何约束的相对姿态确定方法。利用飞行器配备的视觉传感器,获得飞行器间及飞行器到目标的视线矢量信息,该方法不需要考虑目标的位置信息,避免了由位置偏差带来的误差。同时,给出了双机编队模式下视觉传感器的测量模型,分析了传感器量测噪声的统计特性,推导了基于几何约束的确定性相对姿态求解方法。仿真结果表明,考虑几何约束的双机编队无人机相对姿态确定方法可以有效估计出飞行器间的相对姿态,估计精度较高,能够满足无人机协同编队飞行控制需求,解决了远距离编队情况下视线矢量共面不可观测问题。     

基于高阶容积卡尔曼滤波的极区惯性/重力梯度组合导航方法

针对现有的导航手段在极区应用都存在一定的缺陷这一问题,提出了一种基于惯性/重力梯度的组合导航方法。建立了组合导航系统模型,首先,考虑到传统惯导解算方法在极区存在经线收敛的问题,给出了一种基于格网坐标系的惯导解算模型;基于重力梯度仪的误差特性,建立了系统的量测模型。为提高算法的估计精度和稳定性,并解决惯性/重力梯度组合导航系统雅克比矩阵求解复杂等问题,采用高阶容积卡尔曼滤波算法,结合重力梯度图,设计了组合导航滤波器。其中,为保证四元数的归一化,采用修正的罗德里格斯参数表示姿态误差。最后进行了蒙特卡洛数学仿真,仿真结果证明了该方法可以准确地估计出飞行器的位置和速度等信息,且估计精度高于扩展卡尔曼滤波;此外,通过仿真结果分析了重力梯度仪精度、地形、飞行器高度等影响组合导航精度的关键要素。     

无人机自主着陆过程中的视觉导航技术分析

为解决目前国内外无人机难以实现自动着陆的问题,对无人机着陆过程中的视觉导航技术进行研究.介绍了飞行器的降落等级和着陆阶段,分别对无人机着陆过程中的图像处理技术和位姿估计问题进行分析,重点研究着陆过程中的图像特征提取技术和位姿估计的迭代算法.研究结果表明:将视觉导航与其他导航方式相结合,发展鲁棒性好、精度高、实时性好的组合导航位姿估计融合算法将是未来视觉导航的发展重点.     

基于立体视觉的非合作航天器超近距离相对导航

为实现空间中无法直接获取位姿信息的非合作航天器的相对导航,在充分考虑目标星在空间中做自由翻滚的前提下,提出一种基于立体视觉的超近距离非合作航天器相对导航理论。根据相对位姿动力学模型推导其状态方程,利用立体视觉系统提供观测数据,在此基础上设计扩展卡尔曼滤波器,确定目标卫星相对于追踪星的相对位置,相对速度和角速度,从而优化和引导机械臂捕获目标航天器,并通过实例进行仿真验证。仿真结果表明:该方法对相对位置的估计精度优于0.01 m,相对姿态精度优于0.02?,能有效提高超近距离非合作航天器相对导航的精度。     

单领航者相对位移测量的多自主水下航行器协同导航

针对单领航自主水下航行器(AUV)协同导航系统对定位精度和实时性的要求,提出了一种新的基于相对位移量测信息的协同导航方法.通过分析单领航AUV协同导航系统的定位原理和运动学模型,结合相邻采样时刻主、从AUV间相对位置的几何关系及航位推算信息,利用扩展的Kalman滤波(EKF)导航算法实现对从AUV的定位估计.与已有的...     

协同导航技术研究综述

协同导航技术作为提升平台协同作业性能的重要保障和关键技术,在军用和民用方面正发挥着越来越大的作用。本文首先在多平台协同作业背景下,从无人机、机器人、无人水下潜航器、导弹四个应用层面梳理了协同导航的国内外发展现状;然后在技术应用层面,从初始组网编队方式和编队保持及重构方法两方面对协同方式进行了分类分析;其次对协同导航中多传感器的组合应用及多源导航信息处理方法在提高导航精度及导航稳定性方面的研究进行了归纳总结;最后从协同导航精度、系统稳定性、发展深度等方面,讨论了未来协同导航领域的发展趋势。     

洋流影响下基于单领航者的多AUV协同导航

自主水下航行器（AUV）的协同导航是海洋工程研究中的重要问题,洋流估计是其中的主要难点之一。该文基于＂未知定常＂的洋流特性假设,结合单通信和导航辅助AUV（CNA）领航的协同定位原理,建立了洋流干扰下多AUV协同导航的定位转移损失函数。利用损失函数极小化方法给出了协同导航的定位最优估计准则,借助该准则得到了洋流误差估计和协同导航算法,实现了对AUV较为实时精确的定位。仿真结果表明,该算法能够较好地解决定常洋流作用下的多AUV协同导航问题,且定位精度较高,实时性好。研究成果有望为多AUV系统总体设计、导航路径规划及跟踪等方面提供理论基础和研究手段。