列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

基于粒子滤波的GPS/DR组合导航算法研究

对于车载GPS/DR(全球定位系统/航位推算)组合导航系统的算法研究,大多采用扩展卡尔曼滤波,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差.为此将粒子滤波算法用于车载GPS/DR组合导航系统中,并建立了GPS/DR组合导航系统的状态方程和观测方程.为了检验其有效性,将两种方法分别对车载GPS/DR组合导航系统进行滤波仿真,仿真实验结果表明粒子滤波比扩展卡尔曼滤波有更好的滤波效果,更能减少定位误差.     

GPS/SINS/偏振光组合导航的模糊控制算法研究

针对在组合导航中扩展卡尔曼滤波器(EKF)会发散的问题,采用了一种基于模糊控制的自适应卡尔曼滤波算法(FAKF)方法,通过模糊控制器来计算指数加权因子,实时对量测噪声的大小进行调整,保证滤波精度,有效抑制滤波过程的发散问题;针对GPS无法提供姿态角进行组合解算的情况,使用偏振光与SINS的组合进行姿态解算;通过对GPS/SINS/偏振光组合导航系统进行仿真,将基于模糊控制的自适应卡尔曼滤波算法(FAKF)和扩展卡尔曼滤波算法(EKF)进行对比验证,东、北、天向位置上分别提升精度56.81%、65.17%、45.99%,东、北、天向速度上分别提升精度46.99%、54.01%、43.82%,俯仰角、航向角分别提升精度58.01%、53.58%,验证了该方法的优势。     

基于GPS/SINS/里程计的车载组合导航研究

GPS/SINS组合导航系统虽然能很好地解决惯导系统的误差累积问题,但当GPS信号失效时,GPS/SINS组合导航系统不能正常工作或导航能力急剧降低。为提高车载松组合导航系统的精度和完整性,提出在GPS失效时采用OD(里程计)辅助SINS实现导航,推导出所需的GPS/SINS组合导航滤波方程和OD/SINS组合导航滤波方程,并进行地面车载试验。实验结果显示在GPS短时失效时,OD/SINS组合导航具有较高导航精度。     

基于MEMS技术的车载组合导航系统研究

针对当前车载GPS导航仪实时性和可靠性差的问题,设计出一种基于MEMS技术的低成本车载GPS/MIMU/GIS组合导航系统,建立了GPS/MIMU组合系统的误差模型,对该模型进行了计算机仿真研究,并运用地图匹配算法对GPS/MIMU/GIS导航信息误差进行修正;跑车试验表明,该组合导航系统成本低、精度高,可靠性强,特别适合于军用和民用车辆的导航定位。     

基于单轴光纤陀螺的车载组合导航系统设计

针对陆上车辆导航定位设计了一种基于单轴光纤陀螺的简化惯导系统(Reduced Inertial Sensor System,RISS),该系统由一个单轴光纤陀螺、三个加速度计和一个倾角传感器组成。为获得较高精度的航向信息利用双天线GPS和RISS进行组合,构成双天线GPS/RISS组合导航系统,应用卡尔曼滤波技术实现数据融合,并进行仿真实验和跑车试验验证所设计系统的合理性。仿真实验结果证明双天线GPS/RISS组合导航系统与GPS/RISS组合导航系统相比,航向精度得到显著提升。跑车实验结果表明,设计双天线GPS/RISS组合导航系统的位置误差小于2m,航向角误差小于1°,能满足车载导航定位定向需求。     

IMU/GPS/DCM组合导航系统全组合算法研究

通过分析姿态组合算法中平台误差角与姿态误差角物理意义的不同,推导并得到了二者之间的转换关系;利用联邦滤波技术,设计了弹载IMU/GPS/DCM组合导航系统,其中IMU为战术级捷联式惯导系统,GPS为普通民用级;仿真结果表明在元器件精度很低的情况下,使用文中的算法及系统设计依然可以实现高精度导航;组合导航系统的姿态误差角可控制在10角分左右,位置精度在3 m以内,具有较高的实际应用价值。     

低成本车载组合导航在GPS失效下的算法设计

在低成本MEMS-IMU/GPS车载组合导航应用中,城市中建筑的遮挡会造成GPS失效,此时由于MEMS器件精度较低,导航精度会迅速降低甚至发散.针对此问题,引入车辆的天向和侧向速度约束作为虚拟观测,并且考虑到GPS失效时段由于低精度MEMS-IMU带来的非线性,在不做小角度近似的条件下,推导出非线性速度约束作为虚拟观测,利用非线性UKF滤波算法进行估计,以进一步改善导航性能.车载实验表明,提出的非线性速度约束算法能够有效提高GPS失效时的精度,并且在GPS信号再次有效时能够快速收敛.     

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.     

组合导航系统离线信息融合算法

获得高精度的载体实际飞行轨迹,是组合导航系统性能评测的重要手段.从组合导航系统研究出发,针对惯性导航系统、姿态(非姿态)型GPS和大气数据计算机多传感器组合导航方式,实现多传感器信息离线融合算法.同类型导航传感器数据采用加权最小二乘算法,并利用开环卡尔曼滤波实现组合导航的信息融合,在此基础上再进行最优固定区间平滑滤波.仿真实验结果表明,经过上述3步信息融合之后,得到的导航结果精度不仅高于任一个传感器精度,而且高于单独采用卡尔曼滤波的导航参数精度.     

GPS信号自适应抗干扰系统

针对GPS卫星信号易受干扰,不稳定的问题,提出INS/GPS组合导航抗干扰的方法并用硬件电路进行实现验证。给出了惯性器件的误差模型,采用松散组合方式,设计卡尔曼滤波器,取姿态、速度、位置的误差作为状态变量。提出以INS与GPS输出的东北天向速度误差作为滤波器观测量的方案。通过计算机的仿真和实验验证,对系统的精度进行了分析,证明该方案是可行的,实现实时滤波计算,并能满足导航的精度要求。     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

低成本IMU/GPS组合导航系统设计

纯惯导数据自主性强、更新率高、实时性好,但系统误差会随时间积累。GPS将误差限制在一定范围内,但数据更新较慢,易受外界干扰。以IMU、GPS和磁航向计构成的低成本组合导航系统已成为目前研究的热点。本研究构建了低成本小型航姿系统。为了更好地满足工程需要,增强系统的实时性,考虑到时间延迟对系统的影响,设计10维卡尔曼滤波器用于导航计算,实测跑车并对数据进行仿真。初步结果表明,所构建的组合导航系统精度和稳定性均满足导航要求。     

一种旋翼无人机组合导航系统设计及应用

针对传统组合导航算法相对复杂,对系统硬件要求太高,实时性不好的缺点,设计了一种基于线性卡尔曼滤波器的简单实用组合导航算法.考虑到传统卡尔曼滤波器在系统噪声变化时滤波精度变差甚至发散以及模糊控制器计算量大的缺陷,设计了线性迭代调整观测噪声参数的方法对滤波器进行自适应改进,提高了算法的鲁棒性和实时性.利用STM32微控制器和MEMS惯性单元以及UBLOXGPS定位模块搭建硬件平台进行实验验证.结果表明:在168MHz时钟频率下,一次姿态数据读取和解算共耗时3.27ms,一次组合导航滤波耗时2.18ms,二者分别运行在100Hz和5Hz频率下.最终组合导航结果可以满足无人机在1m的精度范围内自动悬停的需求,验证了所设计的组合导航算法的可靠性和实用性.     

MEMS SINS-GPS组合导航系统设计

为实现满足中低精度要求的低成本导航系统,选用MEMS惯性传感器研制了捷联式惯性导航系统(SINS);针对MEMS惯性传感器噪声较大和惯性导航系统误差随时间迅速累积的问题,利用小波对MEMS陀螺信号进行了降噪处理,并采用SINS-GPS卡尔曼滤波组合导航系统以消除惯导系统的误差累积,输出较高精度的速度、位置信息.对SINS和组合导航系统进行了仿真实验,实验结果表明所建系统的长时间导航性能有一定改善.     

一种新型的GPS/DR组合定位系统数据融合算法

全球卫星定位系统定位和测速精度高,具有全天候、全球性且基本不受地域、时间限制,但常因为某种原因出现GPS卫星信号丢失情况,航迹推算算法正好能弥补这个问题,将两者结合可以很好地解决定位问题.传统的数据融合算法-卡尔曼滤波算法,在参数选择上要求较高,选择不当即导致较大误差,影响算法效果.建立了GPS/DR组合定位系统的模型,提出了一种新型实用的自适应扩展卡尔曼滤波算法和DR单独定位算法结合的定位算法.通过实际跑车实验,结果表明,较之传统的卡尔曼滤波定位算法,该算法实用性好,而且能很好的满足系统的定位精度及可靠性等方面的要求.     

基于cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

Estimating Vehicle State by GPS/IMU Fusion with Vehicle Dynamics

In this paper, a low-cost navigation system with high integrity and reliability is proposed. A high-integrity estimation filter is proposed to obtain a high-accuracy state estimate. The filter utilizes a vehicle velocity constraint measurement to enhance the accuracy of the estimate. Two estimation filters, the extended Kalman filter (EKF) and the extended information filter (EIF), are designed and compared to obtain the estimate of the vehicle state. An instrumentation system that consists of a microcontroller, GPS receiver, IMU, velocity encoder, and Zigbee transceiver is used. The microcontroller provides a vehicle navigation solution at 50 Hz by fusing the measurements of the IMU and GPS receiver using the proposed filter design. Extensive experimental tests are conducted to verify the accuracy of the proposed algorithm. These results are processed with and without the velocity constraints. The estimation accuracy improvement with the addition of the velocity constraints is shown. A more than 16 % reduction in the computational time is demonstrated when using the EIF in comparison to the EKF approach.     

小型无人直升机嵌入式导航系统算法与飞行试验

基于微陀螺、加速度计、磁强计以及GPS模块构建了姿态航向位置参考系统(Attitude heading position ref-erence system,AHPRS).首先,通过等效旋转矢量法由陀螺解算出估计姿态角;其次通过GPS、加速计的测量值,结合磁强计估计补偿姿态角,推导基于误差四元数的滤波方程,滤波器的周期...