基于遗传算法的模糊卡尔曼滤波

针对常规联合卡尔曼滤波存在的缺陷,提出基于遗传优化的模糊卡尔曼滤波方法,并运用于全球定位系统(GPS)/轨迹推算系统(DR)汽车组合导航的数据融合中.采用模糊逻辑自适应控制器对联合卡尔曼滤波器的噪声方差和信息分配系数进行在线自适应调整,避免了子滤波器的发散,保持了全局估计的高精度.同时,利用改进的遗传算法来优化模糊控制器的隶属函数,避免了以往完全凭经验获取隶属函数参数的缺陷.通过对GPS/DR组合导航系统的仿真和实验,验证了上述算法的可用性和有效性.     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。     

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。     

引入系统不确定度的模糊IAE-UKF组合导航

针对车载卫星与惯性器件的组合导航系统不确定性对导航精度影响较大的问题,依据滤波新息估计量的统计特性与模糊度隶属度函数的控制特性,设计滤波方法实现对组合导航误差的抑制。考虑系统先验知识难以准确获取,首先采用新息自适应估计(Innovation Adaptive Estimation,IAE)方法对当前量测噪声方差进行在线调整;其次根据新息确定量化参数,引入平滑加权残差平方思想(Smoothed Weighted Residual Squared,SWRS)给出表示系统不确定度的权值函数,结合定义的系统不确定度构建模糊隶属度函数;最后将两种改进方法嵌入到无迹卡尔曼滤波(Unscented Kalman Filter,UKF)框架中,对系统噪声方差予以自适应调整,形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器。设计车载组合导航测试,取不同算法下的组合位置、组合速度进行精度比较。结果表明本文组合导航算法的位置精度及速度精度均得到明显改善,实现了对组合导航误差的抑制,是一种可有效克服系统模型难以准确建立问题的滤波器。     

GPS单点定位精度优化方法研究

针对GPS单点定位精度低的问题,提出了一种基于卡尔曼滤波和模糊C-均值聚类的联合定位优化方法.该方法首先对GPS采集到的经纬度数据进行卡尔曼滤波,消除较大的数据波动,然后采用模糊C-均值聚类算法确定数据中心.最后通过实验证明了这种优化方法的合理性和有效性.     

抗电磁干扰的无人机GPS/INS组合导航方法

无人机应用于电力巡线时,高压电力故障导致的异常放电可能会产生复杂而且强大的电磁场,会严重影响GPS的信号质量和定位精度,影响无人机的正常导航,因此必需考虑电磁环境对GPS信号和无人机导航性能的影响。提出一种根据GPS数据可信度进行加权的自适应卡尔曼滤波导航算法,通过GPS和内部导航系统(INS)的数据偏差幅度反映GPS数据可信度,利用模糊逻辑算法计算加权值,分配GPS在组合导航中的权重,研发出一种结合GPS和INS的模糊组合导航方法。仿真和实验结果显示,该算法在GPS数据受电磁干扰失真的情况下,调整GPS数据在组合导航中的权重,使组合导航输出的位置和速度误差控制在可行范围内,保证了组合导航的精度。     

FEKF在Hg-CEMS中的信号处理研究

针对Hg-CEMS中光电倍增管输出的电压峰信号噪声统计特性随工况的变化而变化,提出了一种模糊扩展卡尔曼滤波(FEKF)算法。该算法根据实际观测新息的均值和方差通过模糊控制器对观测噪声的理论方差阵不断调整,从而实现卡尔曼滤波器对含噪电压峰信号的自适应滤波处理。仿真结果表明,在理论噪声特性偏离实际工况时,该方法滤波效果明显优于常规扩展卡尔曼滤波算法,且具有较强的适应性。     

基于改进卡尔曼滤波在车辆组合导航中的研究

针对车辆在长时间行驶的状态中,组合导航经常会出现滤波精度不高的问题,提出一种采用遗传算法对卡尔曼滤波器进行在线调节的自适应数据融合方法,根据位置误差系数和卡尔曼滤波器的新息统计信息,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最优状态。通过MATLAB软件对该方法进行仿真试验,模拟INS/GPS组合导航系统运行情况,表明这种方法和传统卡尔曼滤波算法相比较导航精度明显提高。     

基于GA优化的电渣重熔炉模糊PID控制研究

针对电渣重熔炉电极进给控制系统中存在的非线性、抗干扰性能差等难点问题,提出了一种基于遗传算法优化的模糊自整定PID控制方法。首先通过分析电极进给控制系统的组成及运行机理,建立了控制系统的仿真平台,然后采用模糊控制器与传统PID控制器相结合的策略,设计出一种具有自调整功能的模糊自整定PID控制器,最后应用遗传算法对模糊自整定PID控制器的隶属度函数进行动态优化,克服了隶属度函数选取的主观性和盲目性,进一步提高控制系统的自适应能力。仿真结果表明,优化后的模糊自整定PID控制器具有很好的快速性和较强的鲁棒性,满足了系统高精度的控制要求。     

基于遗传算法的模糊控制器设计与仿真

模糊控制中隶属度函数的正确选择是模糊控制器设计的关键，它决定了模糊控制系统的动态、静态性能和控制效果。针对传统的获取隶属度函数方法的不足，提出了在一个待优化模糊控制器的基础上，采用改进的遗传算法优化其隶属度函数，从而使经过优化所获得的隶属度函数更加合理。最后对优化后的模糊控制器进行仿真比较研究，结果表明隶属度函数经过优化后的模糊控制器的控制品质有较大的改善和提高。     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

GPS/SINS组合导航系统中卡尔曼滤波器的应用

在现代生活中,GPS/SINS组合导航系统得到了越来越多的应用.文中介绍了卡尔曼滤波器在处理多个导航系统传来的数据中的应用,并且能够自动校正系统,以达到更高精度的要求.     

基于信息质量的脉冲星导航自适应滤波算法

针对脉冲星导航过程中观测脉冲星的可见性问题,提出了一种基于信息质量的自适应滤波算法。通过分析观测脉冲星的数目及信息质量,确定观测矩阵维数,实时生成观测矩阵,设计了适应观测信息变化的改进型Kalman滤波器。对观测信息质量重新做了定义,并据此构造滤波方程提高了脉冲星导航的精度及适应性;运用四阶龙格库塔方法对带有J2摄动的二体动力学方程进行线性离散化,提高了滤波器状态方程的线性离散化精度。进行了仿真实验,对改进型Kalman滤波算法进行了验证。结果显示,对初始偏差校正后,在10 000s内观测一颗或两颗脉冲星,导航位置精度可达40m,速度精度可达0.019m/s。得到的结果验证了提出算法的有效性和可行性。     

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。



     

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.     

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。     

车辆组合导航系统中多传感器信息的自适应融合

首先介绍了车辆组合导航系统的工作原理及系统间的相互校正和切换问题,然后研究了联合卡尔曼滤波技术的应用,最后提出了一种自适应信息融合方法,实现了ＧＰＳ定位系统和航位推算系统间的最优综合校正。     

非同步量测特性的惯性/星光/卫星组合算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段.在分析惯性、星光、卫星导航工作特性的基础上,提出了基于集中滤波器结构的捷联惯性/星光/卫星信息融合导航方案.针对多传感器信息融合中非等间隔量测特性,设计了时间更新和量测更新分离的异步集中卡尔曼滤波算法,设计了基于外推法的卫星信息补偿算法,有效解决了多传感器非等间隔信息融合问题;针对垂直机动研究了惯性/星光姿态组合模型.仿真结果表明,算法可以有效实现对捷联惯导、星光、卫星导航信息的融合,组合精度提高1倍,具有重要的实际应用价值.     

An adaptive navigation method for a small unmanned aerial rotorcraft under complex environment

Focusing on low navigation performance of small unmanned aerial rotorcraft under complex environment, a composite navigation method combined with adaptive Kalman filtering and radial basis function neural network prediction method is proposed to improve navigation performance during GPS outages. When the GPS signal is available, an adaptive Kalman filter based on covariance scaling is introduced to deal with the process noise in real time. Meanwhile, a radial basis function neural network is trained on line to construct the projection among input (output of the inertial measurement unit, attitude and GPS losing time) and output (position error and velocity error). During GPS outages, the radial basis function neural network can provide high performance error estimation for position and velocity to improve state information. Finally, a land vehicle test and a flight test have confirmed that the proposed method can improve the navigation performance largely under complex environment.