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。     

一种快速GPS/DR组合导航系统状态估计算法研究

无轨迹卡尔曼滤波(UKF)技术在非线性系统(GPS/DR车载组合导航系统)的状态估计中取得了比扩展卡尔曼滤波(EKF)更好的滤波精度和收敛速度.为了进一步减少采样点数目,提高UKF滤波实时性,一组n+2个采样点被构造用于逼近系统状态分布.蒙特卡洛仿真表明RUKF和UKF在滤波精度和收敛速度上是一致的,RUKF的计算效率好于UKF.     

基于变分贝叶斯的自适应 PF-SLAM 方法研究

针对移动机器人即时定位与地图构建中时变观测噪声及粒子位置分布对SLAM精度的影响,本文提出基于变分贝叶斯的自适应PF-SLAM算法,采用高斯混合模型对时变的观测噪声建模,并通过变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权值将粒子划分为固定粒子和优化粒子,通过粒子间的近邻拓扑位置关系调整粒子分布,处理时变观测噪声与优化粒子的位置分布,使得优化的粒子集可以更好地表示机器人位置概率分布,实现观测噪声及粒子位置分布自适应。仿真实验表明本算法对比传统PF-SLAM算法定位与地图构建误差降低了76.45%。实际实验表明本算法处理下的环境轮廓误差对比传统PF-SLAM算法的环境轮廓误差减小了61.87%。该算法有效提高了移动机器人的状态估计精度,为移动机器人即时定位与地图构建提供了新的参考。     

基于联邦式Kalman滤波的GPS／DR组合定位技术

GPS／DR组合是高性能车载导航常见的定位方法。为了得到更准确可靠、稳定连续的定位信息，需要对GPS和DR系统各自的定位结果进行数据融合。文章设计了适用于GPS／DR组合定位的联邦式Kalman滤波，并结合实例验证了滤波算法的性能。     

基于变分贝叶斯粒子滤波的航空发动机气路故障诊断方法

针对航空发动机气路故障诊断中非高斯噪声特性未知的情况,设计一种基于变分贝叶斯(VB)和核极限学习机(KELM)的边缘化粒子滤波方法.该算法采用学生t分布对非高斯噪声建模,并对噪声参数集进行边缘化处理,利用VB递推出噪声的统计特性;递推过程中采用KELM代替发动机迭代模型计算粒子的测量似然函数,显著降低了VB的计算复杂度...     

重力/惯性组合导航中的一种信息融合方法

惯性导航自主性强、隐蔽性好,但其系统误差随时间逐渐增大.如果不对其校正,就会严重影响其导航的准确性.本文给出了一种利用重力信息来校准惯性导航系统的方法.它根据重力实测数据和重力图数据,按一定的算法作相关分析,进行重力图匹配,得到最佳的位置,然后利用位置误差作为观测量进行卡尔曼滤波,得到其它运动参数的最优估计,从而对惯性导航系统的导航状态做出修正,得到最优导航状态.     

基于置信度传播的变分自适应协同导航方法

协同导航过程中先验信息的准确性是保证协同导航系统精度和可靠性的重要关键因素。针对协同导航系统在复杂环境下会因外界干扰产生未知且时变噪声问题,提出一种基于置信度传播的变分自适应协同导航方法(SWSP)。首先以置信度传播(SPBP)协同导航贝叶斯框架为基础,完成基于置信传播机制的前向滤波;随后通过IW处理过程噪声和量测噪声作为贝叶斯估计的先验信息;进而利用前向滤波值构造滑动窗口对噪声进行平滑估计,从而解决因噪声时变而造成的协同导航系统滤波精度下降问题。仿真结果表明:当噪声时变时,进行平滑操作的SWSP算法与未进行平滑操作的SPBP算法相比,位置误差降低了90%,精度更接近于最优opt SPBP算法。     

捷联惯导/天文导航/合成孔径雷达组合导航系统

设计了适用于巡航导弹的捷联惯性/天文导航/合成孔径雷达(SINS/CNS/SAR)组合导航系统,针对巡航导弹对导航系统高精度和自主性的要求以及其匀速、等高状态飞行的特性,突出工程实用性,对SINS/CNS/SAR组合导航采用非线性建模,非线性的无迹卡尔曼滤波(UKF)方法进行各子滤波器的滤波,非线性的模型和滤波方法更符合实际,因而提高了系统精度,而子滤波器之间的信息融合过程选择基于信息分配因子实时调整的联邦滤波器,大大增强了系统的容错性和实时性。提出了一种新的可观测度计算方法,简化了可观测度的计算。数字和半实物仿真实验表明组合导航系统对于巡航导弹高空长航的飞行环境具有很强适用性,该组合导航系统不但适用于巡航导弹,也适用于无人机等其他一些长航时飞行器,具有重大的工程应用价值。     

基于GPS/DR的嵌入式车载导航系统研究

基于GPS的车载导航系统的应用在近几年得到飞速发展,但单靠GPS导航也存在着不可避免的缺陷为了获得位置坐标,系统必须从4颗卫星获得信号来解算出自身的位置以实现定位和导航,一旦遇到城市高层建筑物、林荫道及涵洞隧道等时,车载GPS接收机的搜星质量会明显下降,从而无法实现定位和导航.为此,研究了以GPS和DR组合导航形式导航的新型嵌入式车载导航系统.     

基于GPS/DR的嵌入式车载导航系统研究

基于GPS的车载导航系统的应用在近几年得到飞速发展,但单靠GPS导航也存在着不可避免的缺陷:为了获得位置坐标,系统必须从4颗卫星获得信号来解算出自身的位置以实现定位和导航,一旦遇到城市高层建筑物、林荫道及涵洞隧道等时,车载GPS接收机的搜星质量会明显下降,从而无法实现定位和导航.为此,研究了以GPS和DR组合导航形式导航的新型嵌入式车载导航系统.     

基于SINS/DR组合导航和地图匹配技术的地铁定位方法研究

随着轨道交通的发展,地铁在人们日常生活中扮演着越来越重要的角色,地铁的定位技术也是移动闭塞实现的关键.本文针对地铁无法使用GPS且地面设备复杂,成本高的缺点,提出了一种基于惯性测量单元(IMU)和速度传感器辅以轨道电子地图的自主定位方法,在抑制捷联惯导系统(SINS)的误差发散的同时,减少了航迹推算(DR)由于姿态角误差造成的累计误差.根据铁路线路的特殊性,提出了运用最小二乘进行地图匹配的方法校正组合定位带来的误差,极大提高了定位的精度,同时减少了对轨旁设备的依赖性,降低了造价和维护成本.     

水面多传感器组合导航系统技术研究

研究了INS、GPS、Doppler计程仪组成的水面多传感器组合导航技术,给出了设计方案;介绍了一种修正的自适应卡尔曼滤波算法,并应用于组合导航系统.仿真结果表明,该算法可以有效的抑制滤波发散,提高了组合导航系统的精度.     

多目视觉与激光组合导航AGV精确定位技术研究

为进一步提高自动导引车(AGV)的定位精度,提出了一种多目视觉与激光组合导航的精确定位方法。该方法首先提出了一种基于双目视觉实时测量的AGV位姿控制技术,通过多目视觉系统来识别导引线侧的多个圆形标识点完成前瞻预判与精准定姿。采用基于代数距离方差校验的改进型最小二乘拟合椭圆算法来确定各标识中心坐标,结合激光扫描与视觉定位信息,采用无迹卡尔曼滤波算法进行多传感器信息融合,最终实现精确定位。实验结果表明:使用该方法后定位精度明显得到提高,控制曲线更为平滑,定位鲁棒性更好,姿态调整精度可达±0.5°,停车定位精度可达±1 mm。     

SINS/LBL组合导航序贯滤波方法

在长基线水声定位系统(LBL)实际应用过程中,由于信标作用距离限制、障碍物遮挡等多种原因,使得水下无人航行器(UUV)可能无法接收到所有信标的应答信号而产生量测更新延迟问题。对UUV在无法接收到所有信标信号时的导航滤波算法进行了研究;结合捷联惯性导航系统(SINS)误差模型和声速误差,建立了SINS/LBL组合导航模型,并将异步量测序贯处理方法引入该模型,实现了SINS/LBL组合导航滤波算法的实时量测更新;通过湖上试验数据分析,对比了SINS/LBL组合导航序贯滤波方法与常规方法的位置误差。结果表明,该方法即使在应答信号有缺失的情况下,仍然能够利用有限的应答信号量测值进行实时量测更新,保障了组合导航的精度。     

复杂坏境下基于SINS/UWB的容错组合定位技术研究

针对超宽带无线定位系统在复杂坏境中出现的定位数据丢失以及粗大误差等导致SINS/UWB组合系统定位精度下降的问题,提出了一种基于超宽带定位系统容错判断的组合定位方法。首先根据捷联惯导测量值进行基于中值滤波的运动载体静止状态检测,进而利用最小二乘法实现静止状态下捷联惯导量测偏差矫正;然后在建立SINS/UWB组合定位模型的基础上,引入决策树容错判断机制,对超宽带定位系统在复杂环境中由于信号干扰以及非视距导致的测量数据丢失以及粗大定位误差进行实时评估,进而应用卡尔曼滤波算法,实现容错组合定位系统的构建。在搭建的SINS/UWB组合定位实验平台中进行模型验证,结果表明容错组合定位系统能够有效检测出UWB定位系统出现的定位数据丢失以及粗大定位误差,并且在UWB粗大误差状态持续6 s的情况下,容错组合定位系统仍然能够保持较高的定位精度。     

基于双通道 Residual-LSTM 的 SINS / GNSS 组合导航算法

针对全球导航卫星系统信号中断情况下 SINS / GNSS 组合导航系统无法持续进行误差校正的问题,提出一种基于双通 道 Residual-LSTM 的 SINS / GNSS 组合导航算法。 首先,考虑到 SINS 经度、纬度误差传播特性不同所导致的模型输入、输出信息 之间的非线性相关性差异化,构建具有不同权重系数的双通道长短期记忆神经网络模型结构,并引入遗忘信息共享机制自适应 地利用历史导航数据对经度、纬度信息进行拟合预测。 其次,针对深层神经网络存在的模型退化和梯度消失问题,在多层双通 道 LSTM 网络之间建立残差高速通道形成 Residual-LSTM 模型结构,以增加不同网络层次之间的信息传播路径。 最后,通过实 船数据验证本文所提算法的有效性。 实验结果表明,与基于常规智能方法的 SINS / GNSS 组合导航算法相比,所提组合导航算 法在 GNSS 信号中断期间经度误差降低了 51. 97% ,纬度误差降低了 31. 45% 。