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/GPS/地磁组合导航系统的研究

为了应对航天、航海和车辆导航对导航系统的精度,提出了基于DSP的捷联惯性导航系统(SINS)/全球定位系统(GPS)/地磁组合导航系统。介绍了该组合导航的系统结构与基本原理,采用无迹卡尔曼滤波(UKF)算法完成对组合导航信息的融合,并对组合导航样机进行车载实验。试验结果表明,该组合导航系统提高了精度、计算速度和稳定性。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

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.     

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。     

GPS/SINS综合定位系统仿真实验研究

设计了一个基于位置/速度组合的集中卡尔曼滤波器,整合来自所有传感器的数据以提供精确的和可靠的定位数据.分别对GPS和SINS进行误差分析并建立相应的误差模型.运用卡尔曼滤波对系统误差进行最优估计,将校正后的SINS数据作为综合定位系统的输出.为验证论文中采用的整合方法和数据融合算法的有效性,对GPS/SINS综合定位系统进行了计算机仿真.仿真结果表明该GPS/SINS位置/速度组合可以提高系统精度,特别是位置和速度的精度有明显的提高.     

故障修复增强的抗差滤波 PDR/ GNSS 行人导航方法

针对复杂环境下智能手机卫星信号容易受到干扰而引起组合导航精度降低的问题,提出一种基于故障修复的抗差滤波 行人导航方法。 该法首先利用等价权因子实时调整观测权值,以有效地减少观测粗差对组合导航精度的影响。 其次,针对松组 合系统没有观测冗余的模型局限性,将抗差扩展卡尔曼滤波检测区间分为无故障、偏离和异常 3 段。 无故障时,不做处理;出现 偏离时,对观测值进行降权处理;异常情况下,利用预测新息对故障进行幅值修复,进而修正观测值。 实际实验结果表明,当 GNSS 出现单历元故障时,经典的抗差滤波方法能够有效提高智能手机 PDR/ GNSS 组合导航定位精度,其北向最大误差由 7. 27 m 减小为 3. 20 m,东向最大位置误差由 24. 01 m 减小为 6. 60 m;在 GNSS 出现多历元连续故障时,所提出的故障修复增强 的抗差滤波方法相比经典的抗差滤波方法的平均定位误差下降了 50% 以上。     

管道地理坐标测量系统SINS安装误差标定

针对捷联惯性导航系统(SINS)的安装误差影响管道地理坐标测量精度的问题,提出SINS安装误差标定算法,推导了SINS安装误差动态传递模型,将SINS的俯仰角和航向角安装误差作为状态变量,建立一种新的SINS/里程仪/管道磁标点GPS组合导航模型,利用容积卡尔曼滤波实现俯仰角和航向角安装误差的标定。实验结果表明,该方法安装误差的估计精度为0.2'~0.6'。经误差补偿后,1 km长程管道地理坐标高度测量精度为1.59E-3,水平测量精度可达1.07E-3,能够满足长距离管道地理位置测量精度的工程需要,具有一定的实用性。     

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。     

无迹信息滤波耦合交互式多模型的多传感器机器人轨迹控制

为了实现对包装运输过程中机器人的轨迹跟踪,基于无迹信息滤波技术(UIF)和交互式多模型技术(IMM),提出了一种新的多传感器数据融合算法(UIF-IMM),融合了单个IMM滤波器、每个UIF的信息状态贡献和信息矩阵等信息.通过对机器人轨迹跟踪可知:在4种轨迹跟踪算法中,提出的算法跟踪效果最好,均方根位置误差和角度误差均最小,分别为0.047和0.9.在分布式传感器节点(UIF-IMM 2)中,采用模型似然函数组合的多传感器融合算法,其位置精度和角度精度均优于不进行组合的多传感器融合算法(UIF-IMM 1).提出的滤波方法可以很好地解决分布式多传感器环境下机器人的跟踪问题,在机动目标定位领域具有一定的参考价值.     

二维里程辅助的掘进机自主导航方法研究

针对掘进工作面恶劣的环境以及掘进机时常发生滑移运动造成掘进机导航参数不能精准获取的难题,提出了基于二维 里程辅助的掘进机自主导航方法。 研制了二维里程测量装置,搭建了二维里程辅助的掘进机自主导航系统;建立了二维里程测 量装置和捷联惯导误差方程,推导了二维里程辅助的组合导航算法。 为了应对量测噪声统计特性时变导致系统估计误差变大 的问题,提出了基于模糊理论的数据融合算法,实时在线调整噪声协方差矩阵。 仿真实验结果表明模糊融合算法相对于传统融 合算法将航向角误差降低了 34. 78% ;3 个方向的定位误差分别降低了 44. 33% 、41. 82% 和 42. 26% 。 进行了掘进机导航定位实 验,实现了 0. 052 m 的定位精度,满足无人掘进工作面对掘进机自主导航的要求。     

基于多基站IMMKF-DOA辅助车辆协同定位算法研究

针对传统卡尔曼滤波算法在进行车辆实时运动过程中难以精准定位问题,提出一种基于运动状态自适应的交互多模型卡尔曼滤波(Interacting multiple model Kalman filter,IMMKF)与多基站到达方向(Direction-of-arrival,DOA)相融合进行车辆位置实时估计算法。基于无偏估计器对测量噪声协方差进行实时更新并将其嵌入标准卡尔曼滤波算法中实现自适应交互多模型卡尔曼滤波。针对车辆不同运动状态及动态行驶环境对车辆定位估计精度的影响,构建自适应交互多模型卡尔曼滤波器与多基站信息融合算法进行车辆位置实时估计,考虑不同车速与不同基站数等行驶工况下车辆定位精度的变化趋势,实现车辆实时位置的准确估计。利用PreScan-Simulink联合仿真平台进行虚拟仿真验证和实车试验验证。结果表明,基于交互多模型卡尔曼滤波与到达方向角的融合算法相对标准的卡尔曼滤波估计精度高,较好地改善了传统单一模型的卡尔曼滤波算法在进行车辆实时运动状态估计过程中精准定位问题,实车试验验证了提出算法对车辆定位精度较传统卡尔曼滤波算法的精度提高了一个数量级,实现了更精确的车辆位置估计。     

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.     

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。     

结合零速检测的微惯性系统混合滤波研究

针对车载系统在运动过程中运行时间长、动态性能变化频繁、车载导航系统不同的非线性特点,本文提出通过零速检测方法确定其动态特性,针对检测结果提出了混合滤波算法,根据车载导航系统不同的动态特性采用本文提出的滤波方法有效的降低了载体在不同动态特性下的误差影响,特别在GPS缺失的情况下。实验表明该方法能有效提高车载系统动态定位,改善由非线性误差导致车载系统误差积累造成的影响。     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。