移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

基于粗差检验理论的单频周跳探测和修复方法

周跳的探测与修复是高精度全球卫星导航系统(global navigation satellite system,GNSS)应用的前提.相位观测数据的连续性被周跳破坏而以粗差的形式存在,因此可采用粗差检验理论进行周跳的探测和修复.首先对相位观测值进行多项式建模,进而通过对多项式建模残差进行粗差探测以进行周跳检测,并对粗差的大小进行准确估计以用于周跳修复.通过与经典单频周跳探测算法性能对比分析,证明了该方法的优越性.最后通过该方法在静、动态实测数据试验中的应用表明该方法可用于单频小周跳的探测和修复.     

基于抗差方差分量的伪距/多普勒联合测速方法

为充分利用单频全球导航卫星系统(GNSS)接收机的卫星观测数据,提出基于单频码伪距和多普勒两类不同精度的观测值,联合解算接收机速度的方法,同时为平衡不同精度观测值之间的权重比例,抑制不良观测值对平差模型的影响,采用抗差等价权与方差分量估计相结合的方式建立适配的平差随机模型。通过大量的实验数据解算表明,所提出的联合测速方法使得码伪距和多普勒观测值得到更为充分有效的利用,并且在一定程度上提升了平差结果的鲁棒性、无偏性以及有效性。     

基于半参数均值漂移模型的BDS卫星钟差异常探测与修复

BDS卫星钟在轨运行过程中,由于空间环境干扰及信号异常等情况,获取的钟差数据中经常会包含异常值。为了有效探测与修复异常值,提出了一种基于半参数均值漂移模型的算法处理钟差数据中的异常。首先,考虑到钟差数据中存在的系统误差,构建了更加符合钟差序列实际变化特点的半参数钟差模型;然后在此基础上引入了半参数均值漂移模型,利用Score统计量对该模型的假设检验进行求解,实现了异常值的定位,对异常定位后的钟差数据进行分组,进而推导出了异常值估值的表达式。最后采用国际GNSS监测评估系统的BDS精密钟差产品,进行单天和多天数据的试验分析,结果表明该算法可以自动准确的探测出钟差数据中的异常并能够精确估计出异常值的大小,异常值估值的平均误差小于0.071 ns,从而实现了适时有效地对异常历元进行修复;同时该算法处理钟差数据异常的效果优于传统MAD法,其预处理后的数据对QP钟差模型和Semi-Com钟差模型的拟合精度分别达到0.612 6和0.034 92 ns。     

基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法

复杂环境下的量测粗差和时变噪声严重影响了状态估计的精度和可靠性,对此提出了一种基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法。首先,基于先验和后验两阶段更新将变分贝叶斯推断引入因子图优化框架中,以估计时变量测噪声协方差;其次,利用相邻帧间的平均新息构造量测协方差预测值,作为粗差判据来实现稳健估计。基于INS/GNSS组合导航的仿真和现场实验评估表明,所提方法能在粗差干扰的情况下有效估计时变量测噪声,相比M估计和滑动窗口自适应因子图优化算法的水平定位误差分别减小了26.7%和39.8%,兼顾了估计精度和抗差性能,具有较好的复杂环境适应性。     

鲁棒渐消CKF及其在SINS初始对准中的应用

惯性导航系统正常工作前需进行初始对准,容积卡尔曼滤波(CKF)是常用的非线性初始对准算法。针对在滤波模型失准和非高斯观测噪声干扰情况下常规CKF出现精度下降甚至发散的问题,提出了鲁棒渐消CKF算法。引入多重渐消因子对观测噪声协方差阵或状态预测协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态卡方检验方法,检测滤波器状态并自主确定渐消因子的引入方式,使渐消因子的引入更加合理。试验结果表明,算法在系统建模失准及异常量测噪声的干扰下能够保持较强的鲁棒性和自适应性,其姿态失准角误差约为0.01°,航向失准角误差小于0.1°。     

工程测量数据中的粗差诊断和处理技术

从测量数据序列的时-频特征出发,借助频谱图识别测量数据中的粗差的位置和性质。采用加权的均方误差准则来优化估计模型的参数,实现对测量序列的抗扰最佳估计。实例表明利用频谱图进行粗差诊断准确可靠,采用加权误差能量函数的小波神经网络估计模型具有逼近性能好、收敛速度快的优点,并能够有效地消除粗差对估计结果的影响。     

航空遥感SINS/GNSS组合导航系统的可观测度分析

开展了基于15维滤波模型的航空遥感SINS/GNSS组合导航系统可观测度分析的研究,运用基于奇异值分解的分段线性定常系统可观测性分析理论,分析SINS/GNSS组合导航系统可观测度和载体机动的关系,得出最佳载体机动方案。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。     

面向变化场景的 LiDAR 鲁棒定位与地图维护方法

无人车在工业场景自主运行时,通常基于先验地图匹配对自身进行定位,然而场景变化会影响其定位精度。针对于此,本文提出了一种面向变化场景的激光雷达鲁棒定位与地图维护架构,其包括地图匹配、定位优化、地图维护模块。在该架构中,提出了一种基于变化检测的匹配算法,降低了变化场景引起的匹配误差;设计了基于激光雷达里程计与先验地图匹配的因子图融合模式,提高了定位解算鲁棒性;提出了一种基于最近点搜索的误检测点滤波方法,提高了变化点检测准确性。最后,通过仿真与试验搭建了变化场景验证环境,对基于Loam的匹配算法与本文算法进行了对比验证。结果表明,本文算法可以有效抑制场景变化引起的匹配误差,在实际场景中定位均方根误差优于3 cm,定位精度相较于传统算法提高67.4%。     

基于 EM 估计的多模型车载组合导航算法

针对行车过程中车载全球卫星导航系统受遮挡产生多径效应、可见星数量少等影响,造成的定位精度差的问题,提出了 一种基于期望最大化(EM)的交互式多模型车载组合导航算法。 本文采用了混合高斯分布模型描述 GNSS 多径效应误差分布, 提出了基于 EM 的 SINS / GNSS 子系统组合导航信息融合方法,实现多径效应偏置误差的估计。 建立了基于零速约束的 SINS / OD 组合导航模型,同时利用交互式多模型算法实现了在 GNSS 信号丢失情况下的导航模型交互融合,提高了车载组合导航系 统精度。 车载实验结果表明在 GNSS 多径效应及信息丢失条件下,本文所提出算法能有效提高导航精度,多径效应的混合高斯 模型偏置为 10 m 条件下,偏置估计误差小于 0. 5 m,水平最大定位误差为 2 m,比传统交互式多模型算法定位误差降低 84. 62% 。     

基于改进IGG3权函数距离误差模型的工业机器人标定

在工业机器人的标定过程中,测量粗差数据会对标定结果精度产生影响,为此,提出了一种基于改进IGG3权函数距离误差模型的工业机器人标定方法,将改进的IGG3权函数最小二乘辨识算法用于工业机器人距离误差标定中,以进一步提高工业机器人的标定精度。以SR4C型工业机器人为研究对象,建立了机器人距离误差数学模型,进行了IGG3权函数最小二乘辨识算法的理论研究。构建了机器人标定实验系统,进行了基于改进IGG3权函数距离误差模型的工业机器人标定实验,实验结果表明,所提方法可有效减小粗差数据对标定精度的影响。该方法可用于工业机器人标定和校准领域,以提高工业机器人定位精度。     

Job Shop调度问题的Minimax模型及双空间协同遗传算法

针对工序加工时间不确定环境下的Job Shop调度问题,为了预估最差调度工况及其对应的调度性能指标边界,采用一类保守、稳健的Minimax分析方法,建立了基于提前/拖期惩罚成本的Minimax调度模型;为了解决传统基于遍历或枚举方法存在的搜索空间巨大的问题,提出并证明了给定调度顺序条件下,关于内层Max优化过程的凸函数定理,并依此定理提出了一种工序加工时间搜索空间过滤机制。针对Minimax调度问题存在的双空间寻优特性,在分析调度顺序种群和工序加工时间种群的交替进化机制的基础上,设计了一种高效的双空间协同遗传算法。最后通过仿真算例验证了该过滤机制和双空间协同遗传算法的有效性。     

采用核相关滤波器的自适应尺度目标跟踪

由于现存的大多数基于检测的跟踪器都没有解决尺度变化问题,本文在传统的基于检测的目标跟踪框架下设计了一种尺度估计策略,并给出了基于核相关滤波器的自适应尺度目标跟踪算法。该算法利用核函数对正则化最小二乘分类器求解获得核相关滤波器,通过对核相关滤波器的在线学习完成目标位置和尺度的检测,并在线更新核相关滤波器。为了验证本文算法的有效性,选取了10组场景复杂的视频序列进行测试,并与其它5种优秀跟踪方法进行了对比。结果表明,本文提出的方法比上述5种优秀跟踪方法中的最优者的平均距离精度提高了6.9%,且在目标发生尺度变化、光照变化、部分遮挡、姿态变化、旋转、快速运动等复杂场景下有较强的鲁棒性。     

一种新的LMS算法及其在明渠流量计中的应用

针对变步长LMS(least mean square)自适应滤波算法存在收敛速度慢和稳态误差比较大的问题,根据变步长滤波算法步长调整原理,提出了一种新的基于多项式的非线性变步长LMS算法,通过MATLAB仿真分析研究新算法中各参数对收敛速度和稳态误差的影响,并和已有的变步长LMS算法进行对比,结果表明该算法比已有的算法收敛速度快4倍,且稳态误差小。将新算法应用于明渠流量计回波信号的滤波处理,结果表明在低信噪比下,明渠流量计滤波性能良好,抗干扰能力强。     

船用天然气发动机电子节气门自适应高阶滑模控制

针对船用天然气发动机电子节气门非线性控制问题以及高阶滑模控制存在的边界难以估计问题,提出了一种基于高阶 滑模理论的节气门自适应控制算法,设计了基于系统相平面轨迹收敛过程的自适应策略,为了增加控制算法的实用性,在自适 应策略的基础上设计了检测区域,通过判断系统状态与该区域的相对位置双向调节控制增益,以防止增益过大而导致控制精度 降低、控制能量浪费的问题;同时,采用鲁棒微分估计器,对不可观测量进行估计;最后,设计 3 种测试方案,将该算法与传统高 阶滑模算法进行实验对比。 实验结果表明:在阶跃信号下,该算法使系统响应速度提高 35% ,稳态误差均方根减小 37. 5% ;在正 弦信号下,系统最大稳态误差和稳态误差均方根分别减小 30% 和 22% 。