基于期望模式修正的交互式多模型组合导航算法

针对复杂环境下自主水下航行器(AUV)组合导航系统中存在的模型不完全确定或者模型参数发生变化的情况,提出一种基于期望模式修正的交互式多模型(EMA-IMM)滤波算法。该算法利用滤波估计过程中所得到的模型概率完成决策。首先对固定结构的基础网格进行滤波,得到细化的修正模型集,接着对修正模型集进行滤波,得到与真实模型最为邻近的若干个修正模型网格共同构成的期望模型集,然后将系统真实的模型覆盖在精简的期望模型集范围之中,最后通过对期望模型集滤波,得到接近真实模型状态变量的估计结果。在AUV组合导航系统中的仿真结果表明,相对于传统Kalman滤波算法,改进的EMA-IMM使AUV的经度估计精度提高了97%,纬度估计精度提高了44%;相对于IMM算法,AUV的经度估计精度提高了22%,纬度估计精度提高了19%;得到的结果验证了提出的EMA-IMM算法的优越性。     

车载组合导航定位系统中传感器参数的实时校正

文中通过组合航位推算、ＧＰＳ定位信号和地图匹配算法,提出了用于车载组合导航系统传感器参数的实时校正算法,利用精确的际图道路和ＧＰＳ／ＤＲ组合后定位轨迹的相似性进行地图匹配。从而修正传感器的参数。解决了车载导航系统中传感器参数的漂移和误差积累问题。     

基于IMMPF的组合导航算法研究

为解决组合导航系统中存在的非线性、非高斯等问题,设计了一种多模型粒子滤波器,通过仿真实例验证了该算法不仅对基于伪距和伪距率的组合导航系统具有较高的滤波精度,当在导航系统上加入非高斯噪声之后依然能保持较好的收敛性,而且能在预先设定的模型集内根据模型概率正确匹配系统状态,对环境具有极强的白适应能力。     

基于ARM920T的嵌入式车载导航终端设计

文中提出GPS车载导航终端的设计方案.在选定高性能S3C2410微处理器硬件平台上,解决其与GPS接收板之间的通信、LCD液晶显示屏的拖挂,构建整个应用装置硬件平台.在该硬件平台上实现电子地图数据的加载、电子地图的显示、地理实体属性的查询、路径查询以及目标导航等功能.     

磁修正加权EKF多传感器组合导航算法研究

针对移动机器人在运动过程中定位导航误差不确定度高的问题,研究了基于惯性测量元件(IMU)、冗余磁导航传感器(MGS)以及射频识别传感器(RFID)相结合的移动机器人定位组合导航系统,提出了一种磁修正加权扩展卡尔曼滤波(EKF)的移动机器人混合式多传感器融合算法。该算法以降低定位导航系统的不确定度为目标,通过对多传感器提供的冗余数据进行融合,达到对移动机器人运动状态的估计。通过对冗余多传感器数据的仿真分析,磁修正加权EKF相比于传统的EKF,使滤波后的定位导航数据不确定度降低了42.3%,并且修正了系统的累计误差,验证了移动机器人冗余组合导航算法的可行性和有效性。     

基于嵌入式车载导航终端中GUI的应用

给出了嵌入式车载导航终端的总体设计,对软硬件做出了选择。通过比较分析目前流行的几种嵌入式GUI系统,最终选择嵌入式Qt图形界面系统作为车载导航终端的GUI开发平台,并介绍了嵌入式Qt系统在嵌入式车载导航终端平台上的建立过程。     

基于卡尔曼滤波的车辆组合导航仿真研究

针对传统车载导航系统在复杂道路环境下定位精度偏低等问题,提出了应用全球定位系统与航位推算相结合的组合导航算法,使用卡尔曼滤波进行数据处理,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最佳状态,从而提升导航系统的准确度。实验结果表明,所提方法可以提升车载导航系统的准确性和连续性,保证车辆定位曲线和车辆实际行驶路线基本吻合,但是定位误差会随着信号中断时间的延长而增大。     

基于联邦滤波的智能车辆多传感器组合导航的研究

为满足复杂环境下自主驾驶智能车辆的高可靠性导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于自适应联邦卡尔曼滤波的智能车辆SINS／CP—DGPS／双向光电测速仪组合导航方法,根据联邦滤波的分散滤波结构,分别建立了各滤波器的模型,进行了仿真试验验证。结果表明,该组合导航系统能为智能车辆提供丰富的导航信息,具有100Hz的高频输出、厘米级的导航精度和较强的容错能力,便于实现对发生故障的传感器的隔离。当GPS较长时间中断时,组合系统通过SINS／光电测速仪所构成的局部滤波器的辅助仍能为智能车辆提供可靠的导航数据。     

基于ARM的GPS/SINS组合导航系统设计

采用ARM920T内核的S3C2410X处理器为电路核心,融入GPS/SINS组合导航系统算法,并通过实验数据对比,进一步说明以ARM为核心的组合导航系统实现了系统的基本功能,可满足组合导航系统小型化、高精度和实时性的要求。     

移动平台多传感器组合导航系统设计

室内巡检用移动平台磁条导航方式存在脱轨问题,需要人为将其推回轨道上,不能完全摆脱人力的干涉。为了实现供电段智能化、自动化和无人化的巡检,设计了一种基于视觉SLAM和磁条的组合导航系统。针对ORB-SLAM2算法构建的稀疏点地图无法用于导航的问题,提出了一种改进的ORB-SLAM2算法,构建稠密点云图并转换为八叉树地图,结合ROS系统完成了室内巡检用移动平台导航系统的设计。     

里程计辅助的高精度车载GNSS/INS组合导航系统

针对城市隧道、偏远山区等复杂路况下,卫星导航系统信号被遮挡较严重或无卫星导航系统信号的场景中,车载GNSS/INS组合导航系统精度下降的问题,提出一种里程计辅助的高精度车载GNSS/INS组合导航方法。该方法中的组合滤波模式可根据载车环境变化在GNSS/INS组合模式和DR/INS组合模式间实现自适应切换,该组合导航方法将三维里程计航位推算位置误差作为状态量扩充到常规组合导航滤波器中,里程计的标度因数误差、安装角误差可通过里程计误差标定方法离线精确得到,后续使用只需将里程计误差参数装订到组合导航系统中即可。车载试验表明,7 km的信号遮挡场景下组合导航系统单个方向上的位置误差最大值也不大于8 m,整个跑车过程中位置误差在3 m以内,进一步保证了车载GNSS/INS组合导航系统复杂路况下的高精度定位。     

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。     

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。     

运载火箭上面级惯性与天文组合导航系统设计

针对运载火箭上面级惯性导航随时间累积而误差增大以至不能满足长时间工作要求的问题,对采用星敏感器和地球敏感器修正惯性导航误差的方案进行了研究。首先,导出了上面级常用坐标系定义和姿态转换矩阵。然后,根据惯性导航的误差传播特性、星敏感器测量方程和地球敏感器的模拟测量方程,给出了组合导航的状态方程和观测方程。最后,设计了基于Matlab/dSpace仿真平台的星敏感器在导航回路中的半物理仿真实验。实验结果表明,组合导航使惯性导航位置误差矢量和从1.1719×104m减小到1.0367×103m,速度误差矢量和从11.2827m/s减小到3.6626m/s,姿态误差从0.1°减小到5′,说明了该组合导航方案能够有效修正惯性导航时间累积误差,半实物仿真实验验证了惯性/天文组合导航方案的可行性与正确性。     

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% 。     

基于遗传PNN网络的组合导航故障诊断研究

针对INS/GPS组合导航系统观测信息无冗余且观测信息可能存在故障的情形,提出一种基于状态x2检验与自适应概率神经网络( APNN)相结合的组合导航故障诊断方法.该方法通过监测组合导航系统状态分量,提取故障的特征值并利用APNN确定故障的类别,从而实现故障的定位与隔离.APNN采用高斯函数作为激励函数,通过遗传算法获得模式层矢量最佳数目及匹配的平滑因子参数集,使每个神经元传递函数具有不同的平滑参数,提高了网络的泛化能力以及诊断精度.数值仿真结果表明,该算法能够有效地识别出INS/GPS组合导航系统的故障,确保了系统的安全性和可靠性.     

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。     

基于单星测量的星光惯性组合导航

为减小杂光影响,全天时星光定向仪一般采用小视场,同一时刻只能观测一颗恒星无法输出姿态信息.本文提出一种基于单星测量的星光惯性组合导航系统,首先根据惯导输出的姿态和位置信息,控制转台和星光定向仪摆镜保证星光定向仪对目标导航星的观测,之后根据惯导的误差模型建立系统状态方程,根据星光定向仪测量的导航星方向矢量建立测量方程,利...     

惯导/双目视觉位姿估计算法研究

无人飞行器自主导航系统作为无人机自主控制的核心,是制约无人机性能提升的关键因素.传统的惯导/GPS组合导航系统受其自主性、稳定性等限制无法满足无人机导航需求.在分析视觉导航特性的基础上,针对无人飞行器复杂运动特性,设计了基于非线性尺度空间的双目视觉三维位姿估计算法.在此基础上,针对双目视觉导航存在的位姿估计误差累积问题,提出了基于惯导/视觉融合的无人飞行器位置和姿态估计算法,利用卡尔曼滤波实现惯导与视觉信息的融合.通过仿真验证和实际跑车验证结果表明,提出的双目视觉位姿估计算法相比SIFT算法能够有效提高视觉图像特征检测准确度,惯导/视觉组合算法能够有效提高位姿估计精度,组合定位精度优于2.5m.