基于信息融合技术的惯性/多传感器组合导航系统设计

惯性/多传感器导航系统具有高精度、高容错性能的潜力;经典的集中处理卡尔曼滤波器存在着计算量大、容错性差等缺陷,难以开发出这种潜力,目前多传感器组合导航系统中越来越多地采用联合滤波结构;总结了联合滤波器理论以及结构形式,探讨了联邦滤波器的设计方法以及信息的合理分配原则,构造了INS/GPS/CNS组合导航系统滤波结构,经过仿真证明了联合滤波器的性能及其在组合导航系统中应用的可行性.     

联邦滤波器在船舶组合导航系统中的应用

本文设计了一个基于融合-重置结构的联邦滤波器,应用于船舶组合导航系统.与传统的集中式滤波器相比,联邦滤波器结构简单,计算量少,容错性强.仿真结果表明,该联邦滤波器用在组合导航系统中是可行的,能够满足系统的精度要求.     

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。     

一种基于RBF 网络的自适应容错联邦滤波算法研究

联邦滤波的信息分配原则直接影响滤波器的容错性和精度．考虑到故障隔离后的子系统不能参与联邦滤波器的信息分配，首先给出一种基于RBF网络的联邦滤波器的故障检测方法；然后通过引入故障因子，将系统的信息分配和故障状态综合考虑，提出一种自适应的动态信息分配方法．仿真算例表明．该方法能够提高系统的容错性和滤波精度．     

自适应联合滤波模型及其在车载SINS/GPS组合导航系统中的应用

本文提出了一种自适应联合滤波模型结构及其算法,定义了联合滤波模型信息 分配系数的自适应调节准则．并设计了车载SINS/GPS组合导航系统的自适应联合滤波器,给 出了滤波算法．理论分析和实验室组合导航实验表明,引入该准则的自适应联合滤波算法大 大提高了系统容错性和定位精度．     

基于模糊自适应Kalman滤波的GPS/DR数据融合

针对标准Kalman滤波器对系统模型依赖性强、鲁棒性差,而GPS/DR系统的准确数学模型难以建立的问题,提出了一种模糊自适应联邦卡尔曼滤波器(FAFKF).首先通过模糊自适应滤波控制器监控观测量的残差理论值和实际值,并通过实时增强它们的一致性来调整各子系统观测噪声方差阵,使之更符合真实的模型,有效提高了Kalman滤波器对模型变化的适应能力.然后通过模糊自适应信息融合控制器对各子系统可信度进行模糊评判,并根据可信度自适应地计算信息分配系数来实现数据的融合.理论分析和实验数据表明该滤波器在滤波精度、容错性能上都有了很大的提高.     

联邦滤波信息分配方法研究

分析了在系统无故障和故障两种情况下,信息分配系数对各子滤波器的影响;研究了当前的几种典型动态信息分配方法在改变系统的全局融合估计和故障容错性能方面的局限性;基于提高无故障子系统的容错性考虑,提出了一种具有容错性的信息分配思想,可以改善重构后联邦滤波器的快速恢复能力.仿真结果证明了本文方法的有效性.     

具有间歇性观测的无线传感器网络分布式容错目标跟踪

针对具有随机间歇性观测的无线传感器网络, 基于多模型估计方法和一致性信息滤波器, 提出一种对观测节点故障容错的自适应分布式目标跟踪方法. 将传感器节点随机间歇性观测丢失和到达过程建模为马尔科夫切换系统, 在容积信息滤波器框架下, 估计传感器节点的观测丢失和到达的后验概率. 通过观测状态概率组合计算每个局部传感器节点的信息贡献, 基于自适应多模型估计方法, 实现对间歇性观测的容错性. 仿真结果表明了所提出算法的有效性和对间歇性观测的自适应容错性.

     

联合H∞滤波算法及其在组合导航系统中的应用研究

针对联合卡尔曼滤波器对系统模型和系统噪声先验知识依赖性过强的局限性，基于H∞滤波对系统模型和噪声等不确定性因素具有极强的鲁棒性能的特点，介绍了一种H∞滤波的分散化技术，并在此基础上提出了联合H∞滤波算法，给出了信息分配方式，并对其性能作了详细的分析．指出该算法能有效解决局部滤波器测量更新之间的相关性问题。对MIMU／GPS／HMR组合导航系统进行了计算机仿真，仿真结果表明，该联合H。滤波算法虽然不是最优的，但是其状态估计精度仍然要优于分散H∞滤波器的估计精度。     

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。     

SINS/GNSS/CNS组合导航自适应容错联邦滤波方法

针对子系统发生缓变故障会影响联邦滤波器精度的问题,分析了信息分配因子对子滤波器精度和鲁棒性、全局估计精度以及故障检测效率的影响.在此基础上,研究了一种自适应容错联邦滤波方案.通过对量测噪声阵进行自适应调节来降低未检测出来的故障信息对故障子滤波器和全局估计精度的影响,进而提升无故障子滤波器的精度和系统重构能力;根据子滤波器故障检测函数值来动态调节信息分配因子,可进一步提升故障检测效率.仿真结果表明,相比于传统的容错联邦滤波,该方法能有效降低故障信息对滤波精度的影响,具有较高的全局估计精度.     

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。     

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。     

车载GPS／DR／地图匹配组合导航系统的自适应联合卡尔曼滤波模型

首次设计了实现车载ＧＰＳ／ＤＲ／地图匹配组合导航系统最优综合的联合卡尔曼滤波器,给出了滤波算法,并提出一种自适应联合卡尔曼滤波器结构及其算法。理论分析及计算机仿真结果均表明,应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ／地图匹配组合导航系统的定位精度及容错能力。     

基于环境信息的自适应卡尔曼滤波器在GPS/IMU组合导航中的应用*

提出了一种基于环境信息的模糊逻辑控制器来在线调节联合卡尔曼滤波器的自适应数据融合方法,并着重研究了在GPS/IMU组合导航中的应用。根据子系统的新息序列构造各传感器的环境信息,采用模糊逻辑控制器实现信息分配系数的计算,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。仿真结果证明这种方法提高了数据融合的可靠性和精度。     

基于融合EKF的航空发动机气路性能健康预测

针对集中式滤波算法存在计算效率不高、容错性差,引入融合滤波的思想,提出采用非线性融合的联邦式扩展卡尔曼滤波器进行发动机气路健康性能预测.子滤波器根据量测参数完成发动机部分健康性能的局部估计,主滤波根据子滤波器估计参数完成融合滤波估计,并将状态估计值和协方差反馈至子滤波器用于下一步健康预测.通过某型涡扇发动机仿真表明:融合EKF滤波器能准确地预测发动机的健康状态,估计稳定收敛时间短、计算时间短、效率高.     

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.     

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。     

一种基于LS-SVM 的联邦滤波故障检测方法

针对Х^2检验法在组合导航系统联邦滤波故障检测中的不足,提出一种基于最小二乘支持向量机（LS—SVM）的故障检测方法,即在LS-SVM对子滤波器新息进行预测的基础上构造故障检测量．以捷联惯导,卫星,天文组合导航系统为应用平台,采用无重置的联邦滤波对子系统突变和渐变两种故障的检测进行了仿真分析．仿真结果表明,所提出的LS-SVM检测法比残差Х^2检验法具有更好的故障检测能力,由此验证了方法的有效性．     

残差χ~2检验法在联邦滤波中的应用

在研究基于残差的故障统计检验原理的基础上,深入分析了残差χ2检验法应用于联邦滤波器时存在的问题。针对联邦滤波器结构的特殊性,提出了双"状态传播器"的改进算法。该算法能有效地改善局部估计次优性和信息分配策略对故障检测灵敏度的影响。仿真分析结果证明了该方法的有效性和正确性。