旋翼无人机中的多模型组合导航技术

发布时间：2017-09-25 02:41

  本文关键词：旋翼无人机中的多模型组合导航技术

  更多相关文章： 旋翼无人机 惯性导航 组合导航 多模型估计方法 卡尔曼滤波

【摘要】：旋翼无人机以其体积小、重量轻、飞行机动灵活的优势被广泛应用于民用和军用领域。随着飞行任务和飞行环境的多样性和复杂性的不断增加,在实际应用中,对旋翼无人机导航系统的精度、可靠性以及自主性等方面提出了越来越高的要求。目前旋翼无人机中常采用基于多传感器配置的单一模型组合导航方式,在无人机处于机动和环境变化情况下会带来模型误差,导致无法准确估计其导航信息。而多模型估计方法是一种新型的自适应估计方法,适用于结构或参数不确定的复杂系统,能够避免单一模型不准确带来的影响,近年来主要在目标跟踪、过程控制等领域中得到应用,但在飞行器多信息融合导航技术领域中还未完全展开深入研究与应用工作。本文以旋翼无人机为研究对象,开展多模型组合导航关键技术及应用研究,旨在有效提高无人机在复杂机动环境下导航系统的精度与可靠性。目前,应用于旋翼无人飞行器导航系统的传感器主要包括低精度MEMS传感器、GPS、气压高度计、声呐系统等,以此为基础的组合导航系统想要获得更高精度的导航信息必须对机载传感器进行误差建模与标定补偿工作。论文首先对旋翼无人飞行器机载导航传感器误差特性进行了分析,分别对机载IMU、磁强计、声呐传感器和气压高度计建立了误差模型;其次,对传感器数据进行实验分析及误差模型参数标定,实现传感器误差补偿,避免了由于传感器固定误差带来的组合导航系统误差积累。机载传感器误差特性的研究是组合导航系统模型建立的基础。旋翼无人飞行器在应用过程中由于其复杂的机动特性和环境因素,建立准确的系统数学模型存在很大的难度。因此论文对适用于时变、不确定复杂系统估计的多模型方法进行了研究。针对复杂条件下模型数量增加,模型辨识不准确的问题,提出了基于分散状态的多模型估计方法,通过状态量的分散估计,有效提高了模型辨识准确率,并减少了所需模型数量,降低了计算量;同时,针对交互多模型估计算法对模型先验概率转移矩阵的过分依赖,提出一种模型概率转移方法,有效提高了模型转移的速度和准确性,为无人机的多模型组合导航算法改进提供了理论基础。在对多模型理论研究与改进的基础上,针对旋翼无人机组合导航系统实际问题进行了多模型方法的应用与验证。由于陀螺零偏受温度影响较大,基于扩充状态的零偏估计无法消除陀螺零偏时漂及温漂带来的姿态解算误差,对此提出基于交互多模型的姿态估计算法,通过建立不同环境下陀螺零偏漂移模型,采用磁强计辅助姿态信息进行多模型融合,消除了陀螺零偏变化带来的影响,提高了无人机复杂环境应用中的系统姿态估计精度;其次,针对旋翼无人机INS/GPS/气压高度计组合导航系统量测噪声模型未知时变问题,设计了旋翼无人机有色噪声时变情况下的多模型组合导航滤波算法,根据无人机量测噪声特性构建系统模型集,采用基于非线性UKF的交互多模型估计算法实时计算各个模型的概率,以逼近实际系统模型,从而避免了单一模型的片面性,获得了准确的状态估计结果,增强了无人机导航系统的可靠性。在上述理论和方法研究的基础上,为了对旋翼无人机组合导航系统误差特性及融合方法进行验证,论文通过搭载的多导航传感器的旋翼无人机平台进行了室内、室外飞行试验验证工作,验证了论文中所设计的多模型组合导航方案的可行性和有效性。本文针对多模型组合导航算法在旋翼无人机中的应用开展了有针对性的研究工作,具有较好的工程应用参考价值。
【关键词】：旋翼无人机 惯性导航 组合导航 多模型估计方法 卡尔曼滤波
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V279
【目录】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 绪论14-23
• 1.1 论文研究背景14
• 1.2 旋翼无人机导航技术与多模型理论的发展现状14-19
• 1.2.1 旋翼无人机导航技术的发展现状14-18
• 1.2.2 多模型估计理论的发展现状18-19
• 1.3 论文研究的目的和意义19-20
• 1.4 本文的主要工作和结构安排20-23
• 第二章 旋翼无人机导航传感器误差建模及标定技术23-37
• 2.1 引言23
• 2.2 MEMS-IMU误差建模与标定23-28
• 2.2.1 MEMS惯性传感器误差建模23-24
• 2.2.2 MEMS惯性传感器误差标定24-28
• 2.3 MEMS磁强计误差建模与标定28-32
• 2.3.1 MEMS磁强计误差建模28-30
• 2.3.2 MEMS磁强计误差标定30-32
• 2.4 高度传感器误差特性分析与建模32-35
• 2.4.1 声呐传感器误差分析与测试32-33
• 2.4.2 气压高度计误差分析与测试33-35
• 2.5 本章小结35-37
• 第三章 多模型组合导航算法研究与改进37-50
• 3.1 引言37
• 3.2 多模型方法的分类及特点37-42
• 3.2.1 自适应多模型估计算法38-39
• 3.2.2 交互多模型估计算法39-40
• 3.2.3 变结构多模型估计理论40-42
• 3.3 基于分散状态的自适应多模型算法设计与验证42-45
• 3.3.1 基于分散状态的自适应多模型算法设计42-43
• 3.3.2 分散状态自适应多模型算法仿真验证43-45
• 3.4 基于模型概率转移的交互式多模型算法设计与改进45-49
• 3.4.1 模型概率转移的模糊规则设计46-47
• 3.4.2 基于模型概率转移的交互式多模型算法仿真验证47-49
• 3.5 本章小结49-50
• 第四章 多模型非线性算法在无人机组合导航系统中的应用与改进50-62
• 4.1 引言50
• 4.2 UKF算法设计50-52
• 4.3 UAV交互多模型非线性姿态算法研究52-57
• 4.3.1 基于模型概率转移的交互式多模型非线性姿态算法设计52-54
• 4.3.2 基于模型概率转移的交互式多模型非线性姿态算法仿真验证54-57
• 4.4 基于时变有色噪声的交互多模型非线性导航算法研究57-61
• 4.4.1 UKF交互多模型组合导航算法设计57-59
• 4.4.2 UKF交互多模型组合导航算法仿真验证59-61
• 4.5 本章小结61-62
• 第五章 基于旋翼无人机的多模型组合导航技术验证62-72
• 5.1 引言62
• 5.2 旋翼飞行器平台系统设计与实现62-65
• 5.2.1 旋翼飞行器导航系统硬件设计63-64
• 5.2.2 旋翼飞行器导航系统软件设计64-65
• 5.3 基于多模型组合导航算法的旋翼飞行器室内飞行试验65-68
• 5.3.1 室内运动捕捉系统65
• 5.3.2 旋翼飞行器室内动态试验验证65-68
• 5.4 基于多模型组合导航算法的旋翼飞行器室外飞行试验68-70
• 5.4.1 旋翼飞行器室外多模型组合导航系统建立68-69
• 5.4.2 旋翼飞行器室外多模型组合导航系统飞行试验69-70
• 5.5 本章小结70-72
• 第六章 总结与展望72-74
• 6.1 本文工作总结72-73
• 6.2 对未来工作的展望73-74
• 参考文献74-78
• 致谢78-79
• 在学期间的研究成果及学术论文情况79

【参考文献】

中国期刊全文数据库 前10条

1 宋宇;翁新武;郭昕刚;;基于四元数EKF算法的小型无人机姿态估计[J];吉林大学学报(理学版);2015年03期

2 毛征;孟凡刚;孟灿;赵齐月;龚萍;;基于高机动目标跟踪的改进变结构IMM算法[J];北京工业大学学报;2015年03期

3 熊凯;魏春岭;;基于多模型自适应估计的航天器相对导航[J];系统科学与数学;2014年07期

4 刘建业;贾文峰;赖际舟;吕品;;微小型四旋翼飞行器多信息非线性融合导航方法及实现[J];南京航空航天大学学报;2013年05期

5 雷旭升;李晶晶;郭克信;杜玉虎;;一种小型无人旋翼机高度信息融合方法[J];机器人;2012年04期

6 崔先强;杨元喜;张晓东;;导航解算中的有色噪声及其协方差矩阵自适应拟合[J];空间科学学报;2012年04期

7 刘庆刚;陈林元;;一种新的针对模型误差所致滤波发散的补偿方法[J];指挥控制与仿真;2012年03期

8 王小旭;梁彦;潘泉;赵春晖;李汉舟;;带有色量测噪声的非线性系统Unscented卡尔曼滤波器[J];自动化学报;2012年06期

9 钱华明;陈亮;杨峻巍;;改进的模型集自适应变结构多模型算法[J];探测与控制学报;2012年02期

10 周健;王新民;魏宏s，

本文编号：914914