巷道掘进机多传感融合定位系统及试验研究

煤矿巷道掘进机的自主精确定位是煤矿掘进智能化发展的基础,而复杂的掘进工艺和恶劣的掘进环境使得掘进机定位存在自主性不足、精度低以及易受环境干扰等问题。为实现巷道掘进机自主精确定位,首先,基于扩展卡尔曼滤波构建了里程计辅助惯性定位系统以约束惯性定位的误差发散;其次,结合掘进机施工工艺提出柔性零速校正方法,进一步提升掘进机惯性定位精度;然后,基于误差状态卡尔曼滤波和多状态约束模型实现了惯性、视觉和里程定位的高效融合;最后,搭建了掘进机在暗环境下自主定位的样机试验系统。实验结果表明：所提柔性零速校正方法可以提升掘进机定位精度约21.64%;所提掘进机多传感融合定位系统三轴定位误差分别可达到横向0.13 m以内、前向0.17 m以内、天向0.02 m以内,相比独立惯性和视觉系统的定位精度分别提升49.62%和57.71%。实验结果验证了所提方法与系统的可行性与有效性,满足煤矿规程中巷道掘进机定位需求。     

悬臂式掘进机自主定位导航技术研究与试验

针对煤矿综掘工作面悬臂式掘进机定位系统存在的定位误差大、定位方式单一问题,在介绍悬臂式掘进机定位需求的基础上,分析基于双目视觉、捷联惯导融合的掘进机自主定位方案.在实验室搭建试验平台,完成基于双目视觉的位姿试验、基于捷联惯导的导航试验、基于双目视觉/捷联惯导融合的定位试验.结果表明:采用融合定位方案后,能够有效抑制掘进...     

协同导航不完全量测环路和积数据关联算法

协同导航技术是提升平台协作性能的重要保障和关键技术,针对复杂环境中导航信息测量数据丢包或延迟问题,提出一种协同导航滤波用不完全量测环路和积数据关联算法(IM-LSPADA),将局部节点状态与友邻节点状态进行扩维,协同节点的状态噪声联合扩维,为系统状态变量,友邻节点测距为观测量,对状态与量测噪声的后验概率密度函数进行高斯近似;量测数据随机延迟或丢包时,采用上一时刻量测量作为系统观测值,基于确定积分点进行采样的贝叶斯框架,计算预测目标节点位置,进行定位。通过无迹变换(UT)传播的sigma积分点进行IM-LSPADA估计仿真和实验结果表明,量测数据丢失时,能够完成目标网络的定位和跟踪。与未考虑量测随机延迟的SPBP算法相比,改进算法的横轴位置误差降低了76%,纵轴位置误差降低了66%,精度可达到标准的和积数据关联算法(SPADA)的精度。     

基于小波的无人潜航器航位推算算法研究

针对无人潜航器(unmanned underwater vehicle,UUV)在多普勒计程仪(Doppler velocity log,DVL)的量测噪声以及安装角偏离误差影响下,自主航行时不能满足长时间导航定位的问题,一方面基于Mallat算法的小波分解和单层重构方法对DVL量测速度进行滤波;另一方面,利用UUV湖试数据对传感器的安装偏离误差进行了校正。针对UUV在高纬度、长时间航行特点,采用地球参考椭球体作为地球几何形状的数学描述。最后对提出的导航算法进行了算法验证及自主导航控制试验,结果表明UUV的自主导航定位精度均小于0.5%,满足设计要求,并优于改进前的航位推算算法。     

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。     

基于短期数据融合的自主三维导航系统

针对室内或无GPS的环境中必须布置其他通信设备才能实现行人三维导航的问题,提出了一种基于自主式MEMS惯性组合系统,采用短期数据融合,从而实现无需外界辅助设备的行人三维导航定位的方法。根据MEMS微惯性组合原理构建误差修正方程,详述了基于零速修正的高度融合补偿过程,并通过低成本样机进行真实实验。实验结果表明,所提出的方法能够实现行人在三维运动中的准确导航定位,定位误差不大于总行程的1.1%,比传统惯性导航系统降低了74%,在工程上具有较好的应用前景。     

基于高斯混合容积卡尔曼滤波的UUV自主导航定位算法

针对过程噪声为非理想高斯分布时无人水下航行器(UUV)自主导航定位存在噪声模型失配的问题,将高斯混合密度模型与容积卡尔曼滤波(CKF)相结合,设计了基于高斯混合容积卡尔曼滤波(GM-CKF)的UUV导航定位算法。建立了UUV运动模型及观测模型,利用CKF完成各高斯分量的预测更新,并将更新结果进行融合缩减与加权求和,从而实现UUV自主导航定位。通过与EKF、UKF和CKF算法仿真对比实验,验证了GM-CKF可以提高估计精度;通过UUV湖试试验,验证了基于GM-CKF的UUV自主导航定位精度和稳定性优于传统算法,其计算时间满足实时导航定位的要求。     

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% 。     

掘进机智能导航及定向掘进安全控制技术的研究

针对煤矿井下掘进机掘进作业过程中定位精度差，影响巷道掘进效率和质量的问题，提出一种新的掘进机智能导航及定向掘进安全控制技术，其通过单目视觉测量和激光定位方式实现掘进机掘进作业过程中的精确导航及定位。通过煤矿井下的实际应用表明，该掘进技术能够将掘进机的掘进定位精度控制在±20 mm以内，显著提升了掘进机的掘进定位精度和可靠性。     

基于MEMS/GNSS的多机协同无源定位

为了对多机协同定位算法进行研究,使用采集到的某款较高精度的MEMS惯组的噪声数据替代仿真噪声数据,模拟采用MEMS/GNSS组合导航算法的载机平台,使得定位算法的使用条件更加接近真实应用水平,并对在仅有视线角测量情况下的无源定位算法进行了精度分析和改进.以MEMS惯组真实数据为依据设置组合导航算法的参数,并在模拟载机的过程中加入真实惯组噪声,通过组合导航解算获得载机的位置坐标.建立仅有视线角量测的无源定位算法数学模型,在组合导航定位的计算结果稳定之后,利用获得的自身位置数据,基于扩展卡尔曼滤波估计目标的位置及速度信息.最后,利用联邦滤波算法,将该定位算法扩展为多机协同定位算法,进一步提高定位系统的容错性能.通过分析对比双机定位模型的几何精度误差与双机协同定位算法的表现,可知文中算法能够将定位精度从100 m量级降到10 m量级,实现了仅有视线角测量情况下的多机协同定位,定位精度高,且分析结果更符合实际情况.     

基于 UWB 系统的采煤工作面端头采煤机 自主定位方法研究

采煤机自主定位装置的长期定位精度是煤矿智能开采的关键。 针对当前采煤机定位精度难以满足自动开采的需求,提 出了采煤工作面端头自动校准惯性导航定位系统的方法,构建了基于 UWB 系统的井下局部定位系统,对采煤机位置进行修正 纠偏,能实现采煤机长期循环自主定位的策略。 考虑 UWB 系统在非视距(NLOS)环境下的定位精度较低,提出了基于不等式 约束的平方根无迹卡尔曼滤波(CSRUKF)定位算法;为了进一步消减 NLOS 误差的干扰,提出了基于考虑运动速度的抗差泰勒 级数(VRTS)算法对定位结果进行优化,提升最终的定位精度。 以 UWB 定位系统和移动平台为基础,开展了模拟端头定位的 实验。 实验结果表明,CSRUKF-VRTS 方法能够减小定位误差,提高 NLOS 环境下的定位精度,x 轴、y 轴和 z 轴的平均误差分别 由 0. 332、0. 404 和 0. 306 m 降低到 0. 266、0. 212 和 0. 159 m,对应的平均精度分别提升了 17. 4% 、47. 5% 和 48. 1% 。 所提的采煤 工作面端头循环定位策略为采煤机实现长期自主定位提供新的思路,为非视距环境下的定位提供参考。     

水下潜航器的惯导/超短基线/多普勒测速信息融合及容错验证

针对水下潜航器惯导系统的定位误差积累和容错性差等问题,分析了水声超短基线的相位差定位方法,推导了基于惯导提供实时位置、姿态误差角信息的惯导/超短基线(INS/USBL)导航解算过程及其坐标转换。结合惯导/多普勒测速(INS/DVL)滤波器,给出INS/USBL/DVL组合导航联邦滤波在3种信息融合算法下的应用。通过MATLAB仿真对导航算法进行了验证,结果表明该导航算法能够抑制惯导系统误差随时间发散的问题,能充分利用了3种导航系统提供的参数信息,且状态维数低,滤波收敛速度快,其中基于精度因子信息分配方法的导航系统误差最小。容错性验证结果显示,当超短基线出现故障时,重构后的组合导航系统在较高航速情况下依旧能提供有效的导航参数。所提出的INS/USBL/DVL组合导航联邦滤波方法能够精确地提供水下潜航器的各位导航参数信息,且具有较高的容错性和稳定性。     

面向掘进机的超宽带位姿检测系统精度分析

为实现悬臂式掘进机的无人化作业,提出了一种基于超宽带(UWB)测距技术的位姿检测方法;通过分析悬臂式掘进机工况环境及局域定位技术原理,设计了UWB位姿检测系统,该系统利用4个搭载UWB模块的移动基站机器人对机身节点进行测距,经过解算测距信息得到掘进机位姿参数;并开展了狭长封闭巷道中的UWB测距精度验证实验,仿真分析了基于直接解析法和基于Caffery算法的系统位姿精度。研究表明UWB模块在狭长封闭巷道中的测距精度可达2 cm,系统三轴定位精度在10~95 m的狭长封闭空间中从4 mm~3 cm呈线性增加,系统航向角、俯仰角、横滚角精度从0.2°~1.5°呈线性增加,满足悬臂式掘进机位姿检测精度要求,为掘进机自主巡航的实现提供了基础。     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

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。     

基于原子干涉技术的水下重力辅助导航研究展望

重力辅助惯性导航是当前水下潜航器导航定位研究的热点和前沿问题,有望成为下一代水下高精度导航系统发展的重要方向。首先,介绍了水下重力信息对于校正惯导系统误差的重要性,阐述了水下重力辅助惯性导航的基本原理与技术内涵;然后,从无图匹配、有图匹配等不同发展阶段,总结了基于传统相对重力仪的水下重力辅助导航的研究现状及发展趋势;进一步分析了下一代水下自主导航系统对高精度绝对重力测量技术的需求,梳理并讨论了基于原子干涉重力测量技术的最新发展及应用状况,展望了原子干涉重力测量技术在水下惯性导航领域的应用前景并总结了仍需解决的关键技术;最后,给出了我国重力辅助导航研究存在的不足及发展建议。     

Improving ultrasonic-based seamless navigation for indoor mobile robots utilizing EKF and LS-SVM

The ultrasonic positioning system is able to provide centimeter-level location information. However, the signal of the system is easy to be disturbed and the outages of the positioning system appear. Inertial measuring units (IMUs) is a self-contained device and can provide long-term navigation information independently, but it has the drawback of error drift. In order to obtain accurate and continuous location information indoors for indoor mobile robots, this work proposed a seamless integrated navigation utilizing extended Kalman filter (EKF) and Least Squares Support Vector Machine (LS-SVM). In this mode, the EKF estimates the position and the velocity of the robot while the signals of ultrasonic positioning system are available. Meanwhile, the compensation model is trained by LS-SVM with corresponding filter states. Once the signals of ultrasonic positioning system are outages, the model is able to correct inertial navigation system (INS) solution as filter does. A prototype of the system has been worked in a real scenario. The results show that the performance of EKF is robust, and the prediction of LS-SVM is able to work as EKF does during the outages.