一种小型无人旋翼机高度信息融合方法

针对小型无人旋翼机在起降过程中由于地效、外扰作用造成的高度传感器量测信息不精确的问题,提出一种基于单目视觉信号的高度获取方法,利用改进的大津法及仿射不变矩的方法提高目标识别的准确性;并针对视觉图像受噪声干扰、气压传感器存在误差积累、GPS测量精度不精确以及超声量程有局限性的问题,提出一种基于残差信息的自适应卡尔曼滤波,将视觉信息、气压高度计、GPS和超声高度信息进行融合,以提高全量程的高度估计的精度.最后通过静态测试实验、自主悬停以及自主降落实验验证本方法的有效性.     

一种掠海无人飞行器SINS/RA/GNSS高度融合估计

研究了掠海无人飞行器SINS/RA/GNSS组合导航的高度融合估计问题。对SINS为公共参考系统的无重置式联邦融合估计方案,提出以SINS天向加速度为量测基准的高度滤波方法,并采用最小二乘估计技术解决导航设备数据更新频率不同导致的量测异步融合问题。仿真结果证明了设计方案的可行性,能够有效提高系统的精度和容错性。     

一种基于气压高度增强的BD/GLONASS星座兼容导航算法

首先给出了气压高度增强的BD/GLONASS星座兼容导航的数学模型,然后讨论了钟差、气压高度和BD/GLONASS/气压高度的卡尔曼滤波器方法,最后对实测的动态数据进行仿真.算法的目的是在GLONASS卫星可见性较差的情况下,用气压高度增强提高BD/GLONASS星座兼容导航的可靠性.     

一种基于PSO的多UAV协同航迹规划方法

本文针对多无人飞行器(UAV)协同执行任务的应用场景,提出了一种综合考虑任务分配和航迹规划因素的航迹规划算法。该算法借鉴微粒群算法(PSO)的思想,采用新的编码方式和优化策略。仿真实验验证了算法的有效性。     

一种基于树形结构融合的目标跟踪算法

针对空中机动目标,利用目标多普勒信息和红外辐射信息建立具有树形结构的红外雷达跟踪系统状态估计模型.基于无迹卡尔曼滤波方法,提出一种自适应双波段红外并行融合算法,并基于红外融合结果,采用序贯滤波融合方法,与雷达传感器实现深层交互多模型融合估计.通过仿真表明了所提出的方法具有更小的距离跟踪误差和良好的跟踪精度.     

一种针对全海深载人潜水器的异步融合组合导航算法

全海深载人潜水器(HOV)组合导航中会产生异步融合现象,传统的组合导航算法在处理时会产生较大的误差.针对这一问题,提出了一种基于机器学习和无迹卡尔曼滤波(UKF)的异步融合组合导航算法.首先建立了针对超短基线(USBL)声学定位系统预测的机器学习模型,通过USBL声学定位系统的观测数据集来训练该模型,并用得到的模型来预测更新间隔内的数据.最后使用UKF将已更新的数据集进行融合.仿真结果表明,相比传统的组合导航算法,本文的异步融合组合导航算法可以将USBL声学定位系统数据异步问题所引起的误差降低17%,有效提高了组合导航系统的精度.     

一种多源融合室内外无缝定位方法

针对室内外无缝定位中GNSS易失锁以及定位不稳定等问题,本文提出了一种航向角修正算法,使用RTK定位的绝对角度对惯导的相对角度进行修正,有效提高了航向角的精度与稳定性;提出了一种基于扩展卡尔曼滤波与置信度加权的多源融合定位算法,采用GNSS/UWB组合惯导进行定位解算,有效利用多组定位源,实现多源融合定位.测试显示,该...     

一种提高无迹卡尔曼滤波精确度的方法

无迹卡尔曼滤波是通过确定性采样,以无迹变换为基础,用卡尔曼线性滤波框架而建立起来的,对非线性系统有很好的滤波效果,但当噪声的影响较大时,精确度将会减低。为解决上述问题,提出了一种提高无迹卡尔曼滤波(UKF)精确度的方法,它将观测噪声和系统噪声引入到采样点中,对噪声进行对称采样处理,同时改进了算法过程,增加了无迹卡尔曼滤波的抗干扰性,与常规无迹卡尔曼滤波(UKF)相比,不仅保持了系统的稳定性,而且提高了精确度,最后通过仿真进行了验证。     

一种巡航导弹组合高度方案设计

针对惯性高度通道、气压高度表和雷达高度表在巡航导弹高度测量中的优缺点,根据组合高度的思想,采用卡尔曼滤波的信息融合技术,将三者有机地结合起来,取长补短,实现高度测量。仿真结果表明,气压/惯性/雷达的组合方案可以有效提高高度系统测量精度,增强巡航导弹的稳定性能。     

基于无迹卡尔曼滤波传感器信息融合的车辆导航算法

针对复杂道路条件下车辆的导航问题,将全球定位系统(GPS)与车载终端传感器系统相结合,提出了基于多传感器系统的车辆精确定位模型,并针对扩展类卡尔曼滤波易产生突发性误差而导致的安全问题,采用基于Sigma点的无迹卡尔曼滤波器(UKF)传感器信息融合算法。根据实时的道路状况和车辆自身的运动状态给出符合要求的状态估值,实验与基于多项式扩展卡尔曼滤波车辆传感器信息融合算法在精度和效率方面进行了比较,结果表明,基于UKF传感器信息融合的算法在复杂路况下的估计精度和运行效率都有显著提高,能够根据当前的路线情况和车载传感器的反馈信息快速地估计出车辆的运动状态,实时计算出动态的车辆控制输入。     

基于无迹卡尔曼滤波的无人机毫米波波束跟踪算法

针对无人机收发端相对运动导致毫米波窄波束无法实时匹配这一问题,提出一种基于无迹卡尔曼滤波的三维波束跟踪方法。该方法首先将波束的俯仰角和方位角作为系统状态向量,对其进行无迹变换,获得采样点集。而后,根据采样点集计算出状态预测值和测量预测值,并以此为基础,根据计算出的卡尔曼增益更新状态向量,获得状态向量的最优估计值。仿真结果表明,此方法满足了无人机实时波束跟踪需求,有效地提高了三维环境下毫米波窄波束的跟踪精度。     

惯性/光流/磁组合导航技术在四旋翼飞行器中的应用

微小型无人飞行器(MUAV)通常采用微惯性/GPS组合导航系统提供载体速度、位置、姿态等参数.然而GPS信号易受干扰,且面对特殊环境(如高楼林立的街道、隧道、峡谷等)易出现信号丢失情况,难以满足飞行器的自主安全飞行要求.为解决该问题,设计基于光流法辅助微惯性导航的无GPS自主导航方案,提出了一种基于无味卡尔曼滤波(UKF)的非线性融合导航方法,基于四旋翼飞行器的悬停和飞行实验进行了验证.实验结果表明:该方案具有成本低、导航自主性强、精度高的优点,具有一定的应用参考价值.     

组合导航系统在四旋翼无人机上的实现

针对无人飞行器行业的快速发展和导航系统对飞行器的重要性,提出了组合导航系统的融合方案。介绍了捷联惯导系统的原理、姿态算法。通过对惯性传感器进行误差标定和补偿,利用扩展卡尔曼滤波器建立了INS/GPS组合导航系统。仿真实验表明,组合导航系统的工作性能要优于纯惯性导航系统,能够为飞行器提供较高的导航精度。最后,将这种组合导航系统在四旋翼无人飞行器上进行了实现。     

无人机飞控/导航系统便携式测试仪设计

针对当前某型无人机飞控/导航系统现场联调发生故障时无法快速定位故障点而造成调试周期过长的问题,根据有固定航姿参数输入的飞控/导航系统会产生固定输出的原理,提出并实现了一种基于现场测试仪的快速诊断方法;基于DSP和CPLD的便携式飞控/导航系统测试仪通过实验电缆把测试仪与被测设备相连,可以方便、直观、快捷、可靠地确定出被测设备是否存在故障。     

基于视觉惯性里程计与语义信息的无人机SLAM方法研究

室内环境中存在丰富的语义信息,可以使机器人更好地理解环境,提高机器人位姿估计的准确性。虽然语义信息在机器人同时定位与地图构建(SLAM)领域得到了深入研究和广泛应用,但是在环境准确感知、语义特征提取和语义信息利用等方面还存在着很多困难。针对上述难点,提出了一种基于视觉惯性里程计算法与语义信息相结合的新方法,该方法通过视觉惯性里程计来估计机器人的状态,通过校正估计,构建从语义检测中提取的几何表面的稀疏语义地图;通过将检测到的语义对象的几何信息与先前映射的语义信息相关联来解决视觉惯性里程计和惯性测量单元的累积误差问题。在室内环境中对装备RGB-D深度视觉和激光雷达的无人机进行验证实验,结果表明,该方法比视觉惯性里程计算法取得了更好的结果。应用结合语义信息和视觉惯性里程计的SLAM算法表现出很好的鲁棒性和准确性,该方法能提高无人机导航精度,实现无人机智能自主导航。     

改进PSO算法及在无人机路径规划中的应用

在无人机路径规划问题中,传统算法存在计算复杂与收敛慢等缺点,粒子群优化算法(PSO)得益于其算法原理简单、通用性强、搜索全面等特性,现多用于无人机航路规划.然而,常规PSO算法容易陷入局部最优,本文在优化调整自适应参数的基础上综合引入全局极值变异与加速度项,以平衡全局和局部搜索效率,避免种群陷入“早熟”.对基准测试函数进行测试的结果表明,本文所提改进PSO算法收敛速度更快,精度更高.在实例验证部分,首先提取飞行场景特征,结合无人机性能约束,进行环境建模;然后将多项运行约束和期望的最小化飞行时间均转化为罚函数,以最小化罚函数作为目标,构建无人机飞行任务场景下的航路规划模型,并利用本文所提改进粒子群算法进行求解,最后通过对比仿真验证了改进粒子群算法的高效性和实用性.     

A*初始化的变异灰狼优化的无人机路径规划

无人机(unmanned aerial vehicle,UAV)路径规划问题是无人机任务规划系统的重要组成部分,需要在一个存在威胁区的搜索空间中获得最优路径.为解决灰狼优化算法存在收敛速度慢、容易陷入局部最优等问题,提出了一种基于A*初始化的变异灰狼优化算法.该算法首先将模型离散化,进而使用A*算法进行头狼的初始化,使...     

无人机集群网络资源优化综述

无人机集群以其灵活性、低成本和可搭载各类传感器等优势,已成为执行复杂任务的关键设备,其应用依赖于及时高效的通信,因此针对无人机集群网络的研究近年来也得到了广泛关注。无人机集群高移动性、高信息交互量和低能源存储量等固有特性,使其通信资源的管理面临各种严峻的挑战。本文首先综述了无人机集群网络的应用场景、优势及其特点,并结合信道接入控制体制,对无人机集群的无线资源优化问题进行分类,提炼出资源优化所面临的挑战。随后从策略与方法的角度对现有的网络资源优化方案进行了总结归纳,梳理了大规模集群场景下的通信性能提升、高动态环境下的及时决策更新,以及多元异构需求下的通信满意度提升等技术难点。最后,依据研究现状与潜在机遇,结合新兴技术的应用优势,对无人机集群网络的技术方向和发展前景进行了展望。     

旋翼无人机变速下的多图像目标监测仿真

旋翼无人机在变速状态下的多图像目标识别对飞行性能有着重要的影响.旋翼无人机变速状态下,采集的多目标图像受到飞行不定速度的影响,造成采集的识别目标图像之间会出现可识别特征叠加、特征纯正缝隙和重叠等问题,造成可识别图像特征不连续.利用传统算法识别飞机变速下采集的多目标图像特征,无法对不联系的图像特征进行建模,一旦发生飞行速度变化,会造成无人机多目标识别结果出现较大偏差.提出采用经验模态分解算法的旋翼无人机多目标识别方法.根据旋翼无人机采集的不同目标的航拍图像,进行经验模态分解,针对分解结果进行重构,实现变速下多目标航拍图像融合.将融合处理后的结果,进行特征点提取和空间位置计算,实现旋翼无人机的多目标识别.实验结果表明,利用改进算法进行旋翼无人机的多目标识别,能够提高变速下多图像目标识别的准确性.