基于平方根容积卡尔曼滤波的水面无人艇导航定位算法

发布时间：2021-02-12 12:57

　　针对不含GPS/北斗等外部传感器的水面无人艇自主定位问题,论文提出一种基于平方根容积卡尔曼滤波（square-root cubature kalman filter, SCKF）的水面无人艇定位算法。该算法利用数值拟合获取的给定电机电压和水面无人艇稳态速度（U-u）的非线性函数关系,将其作为系统的观测方程,融合无人艇的线性状态方程实现导航定位。为提升定位精度,在SCKF的观测方程中引入低通滤波器。最后通过试验验证了算法的有效性。 

【文章来源】：中国造船. 2020,61(S1)北大核心

【文章页数】：10 页

【部分图文】：

惯性坐标系和载体坐标系定义onynyby

，通过数值拟合的方法获取U和u之间的非线性关系。为了避免单次测量数据的随机性，针对每次的设定电压，测量5次稳态速度取平均后得到最后的稳态速度。测量数据见表1。表1设定电压U和对应稳态速度u的测量值参数第1组第2组第3组第4组第5组第6组第7组U10.1000.2000.3000.3330.4000.4670.567u/(m/s)20.0000.2550.3970.4330.5000.5680.650表1中，U的数值采用标幺值，基准电压值按电池电压计算，实际测量时，假定电池电压基本保持定值。数值拟合结果如图2所示。-0.200.20.40.60.8u/(m/s)0.60.50.40.30.20.10U·测量点—拟合曲线图2给定设定电压U和稳态速度u的关系采用二次函数拟合给定设定电压U和稳态速度u的关系，由图2可知拟合效果较好。不考虑水面无人艇向后运动的情况，可得到设定电压U和稳态速度u的函数关系为20.8550.1660.100,0()0,0uuuUUuu<（5）

xx（16）式中，n为系统状态维度，iξ和i取值如下：1==11,2,,22iiininn，，（17）由上可知，CKF选取2n个同等权重的cubature点来计算高斯权重积分，通过系统状态方程的时间更新和测量方程的测量更新得到CKF算法。但在计算过程中由于每次迭代过程都需要对估计值的后验协方差2σ进行开方操作，增加了算法的不稳定性。SCKF和CKF相比，直接传播估计值的协方差的平方根kS，避免了开方操作，和CKF相比稳定性有所提升。SCKF滤波器的算法如图3所示：测量更新11i1112111T111T11111T11T111//TriaTriai,kkkkkki,kkkknkkii,kkixz,kkkkkkkxz,kkzz,kkzz,kkkkkkkkkkkkkkkkkkR,kzz.kkkkR,kXSXZhXZZPWPSSXXWZZSWWSSS时间更新1111111112111111Triai,kkkkikk*i,kki,kkn*kkii,kki*kkkkQ,kXSXXfXXXSXS图3平方根容积卡尔曼滤波算法流程


本文编号：3030897