基于多传感器融合的车载定位系统及轨迹跟踪控制研究
发布时间：2021-12-28 01:19
多传感器融合技术的出现大大地促进了车载定位技术的发展,过去单独使用GPS或者惯导系统来进行定位的时候已经过去,在无人驾驶这个领域中,将GPS和惯性导航设备进行数据融合可以极大地提高定位精度。有很多数据融合的方法,本文采用卡尔曼滤波,因其传递性、时效性和准确性强,而被广泛采用,基于GPS/IMU组合定位滤波算法就是在此基础上成熟起来的。而此滤波算法有多种耦合方式,如松组合、紧组合和深组合,本文采用的是松组合,基本思路是将GPS和惯导两个定位系统分别作为子系统,二者单独工作,分别将各自的解算后的定位结果传到卡尔曼滤波器,取二者之差,后由误差模型将惯导系统的误差解算出来,最后把修正后的惯导输出结果当做整个系统的输出,使得结果最优化。之后以改装的智能车为载体,采集GPS和惯导的数据,处理后进行仿真实验,最后基于扩展卡尔曼滤波算法进行实车实验,仿真实验结果表明,融合后的定位误差比单独使用GPS在x、y、z方向上误差分别有所降低,在实车实验中,经纬度误差基本控制在厘米级,说明在组合导航定位系统中,卡尔曼滤波算法有效的降低了平面坐标中三个方向的误差。对于轨迹跟踪控制研究,主要是通过控制车辆的驱动和转...
【文章来源】： 山东理工大学山东省
【文章页数】：76 页
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 GPS/IMU组合定位研究现状
1.2.2 卡尔曼滤波研究现状
1.2.3 模型预测控制研究现状
1.3 本文研究内容及思路
第二章 GPS/IMU定位系统的位姿解算
2.1 GPS定位系统的位姿解算
2.1.1 GPS定位原理
2.1.2 GPS特点及误差源分析
2.1.3 GPS相关协议
2.2 基于捷联惯导的IMU定位系统
2.2.1 惯性导航定位
2.2.2 惯性测量单元的误差分析
2.3 坐标变换处理
2.3.1 坐标系介绍
2.3.2 坐标转换
2.4 数据采集及可视化
2.5 本章小结
第三章 基于卡尔曼滤波融合算法的组合定位及实验验证
3.1 数据融合技术
3.1.1 数据融合定义
3.1.2 多传感器数据融合技术
3.2 GPS/IMU组合导航定位方式
3.3 卡尔曼滤波算法及其研究
3.3.1 卡尔曼滤波介绍
3.3.2 融合算法的实现
3.4 仿真及实车试验
3.4.1 仿真实验
3.4.2 实车试验
3.5 本章小结
第四章 基于模型预测控制的轨迹跟踪
4.1 MPC的理论介绍
4.2 基于MPC控制算法开发
4.2.1 车辆运动学模型建立
4.2.2 非线性的模型预测控制
4.2.3 基于MPC线性时变控制器开发
4.3 MPC控制器的求解及理论分析
4.4 MPC轨迹跟踪控制算法仿真实验分析
4.4.1 不同预测时域对系统输出影响
4.4.2 不同控制时域对系统输出的影响
4.4.3 轨迹跟踪仿真实验
4.5 控制算法实车试验
4.6 本章小结
第五章 全文总结与展望
5.1 总结
5.2 展望
参考文献
在读期间公开发表的论文
致谢
【参考文献】：
期刊论文
[1]基于模型预测控制的智能车轨迹跟踪控制研究 [J]. 牛亚明,邵金菊,沈刚,李训意,魏国. 汽车实用技术. 2020(06)
[2]一种基于自适应卡尔曼的数据滤波方法 [J]. 张一帆. 科技风. 2019(01)
[3]INS/GPS组合导航的混合式滤波算法 [J]. 韩斌子,胡柏青. 电子技术与软件工程. 2018(24)
[4]改进的扩展卡尔曼滤波算法研究 [J]. 贺军义,李男男,安葳鹏. 测控技术. 2018(12)
[5]一种新型模糊卡尔曼滤波数据融合算法 [J]. 肖力铭,屈济坤,齐海生,岳振军. 指挥控制与仿真. 2018(06)
[6]一种基于卡尔曼滤波的定位解算性能评估新方法 [J]. 王勋,左启耀,洪诗聘,陈亮,杨晓昆. 导航定位与授时. 2018(05)
[7]无人驾驶商用车发展前景及应用 [J]. 崔冬. 中国物流与采购. 2018(19)
[8]GPS/IMU/DMI组合导航方法研究 [J]. 高扬,高逦,乌萌,王成宾. 西北工业大学学报. 2018(02)
[9]基于模型预测控制的智能网联汽车路径跟踪控制器设计 [J]. 王艺,蔡英凤,陈龙,王海,何友国,李健. 机械工程学报. 2019(08)
[10]基于模型预测控制的智能汽车目标路径跟踪方法研究 [J]. 段建民,田晓生,夏天,宋志雪. 汽车技术. 2017(08)
硕士论文
[1]无迹卡尔曼滤波的改进算法及其在GPS/INS组合导航中的应用研究[D]. 洪志强.东华理工大学. 2019
[2]基于LSTM和STCL3d网络的城市短时交通流预测研究[D]. 唐浩雲.西南交通大学. 2019
[3]基于模型预测控制的智能车辆横向运动控制研究[D]. 王艺.江苏大学. 2018
[4]智能车辆的路径跟踪及底层控制研究[D]. 赵洁.吉林大学. 2018
[5]基于数据融合滤波的组合惯性导航系统研究与实现[D]. 刘海亮.武汉理工大学. 2018
[6]无人驾驶汽车路径跟踪控制研究[D]. 奉山森.湖南大学. 2018
[7]卡尔曼滤波在车载组合导航中的应用研究[D]. 张华倩.信息科学与工程学院. 2017
[8]无人驾驶汽车转向控制方法及研究[D]. 刘果.重庆交通大学. 2017
[9]无人驾驶车辆的自动转向控制[D]. 余如.吉林大学. 2016
[10]基于模型预测控制的无人驾驶车辆轨迹跟踪控制算法研究[D]. 孙银健.北京理工大学. 2015
本文编号：3553118
【文章来源】： 山东理工大学山东省
【文章页数】：76 页
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 GPS/IMU组合定位研究现状
1.2.2 卡尔曼滤波研究现状
1.2.3 模型预测控制研究现状
1.3 本文研究内容及思路
第二章 GPS/IMU定位系统的位姿解算
2.1 GPS定位系统的位姿解算
2.1.1 GPS定位原理
2.1.2 GPS特点及误差源分析
2.1.3 GPS相关协议
2.2 基于捷联惯导的IMU定位系统
2.2.1 惯性导航定位
2.2.2 惯性测量单元的误差分析
2.3 坐标变换处理
2.3.1 坐标系介绍
2.3.2 坐标转换
2.4 数据采集及可视化
2.5 本章小结
第三章 基于卡尔曼滤波融合算法的组合定位及实验验证
3.1 数据融合技术
3.1.1 数据融合定义
3.1.2 多传感器数据融合技术
3.2 GPS/IMU组合导航定位方式
3.3 卡尔曼滤波算法及其研究
3.3.1 卡尔曼滤波介绍
3.3.2 融合算法的实现
3.4 仿真及实车试验
3.4.1 仿真实验
3.4.2 实车试验
3.5 本章小结
第四章 基于模型预测控制的轨迹跟踪
4.1 MPC的理论介绍
4.2 基于MPC控制算法开发
4.2.1 车辆运动学模型建立
4.2.2 非线性的模型预测控制
4.2.3 基于MPC线性时变控制器开发
4.3 MPC控制器的求解及理论分析
4.4 MPC轨迹跟踪控制算法仿真实验分析
4.4.1 不同预测时域对系统输出影响
4.4.2 不同控制时域对系统输出的影响
4.4.3 轨迹跟踪仿真实验
4.5 控制算法实车试验
4.6 本章小结
第五章 全文总结与展望
5.1 总结
5.2 展望
参考文献
在读期间公开发表的论文
致谢
【参考文献】：
期刊论文
[1]基于模型预测控制的智能车轨迹跟踪控制研究 [J]. 牛亚明,邵金菊,沈刚,李训意,魏国. 汽车实用技术. 2020(06)
[2]一种基于自适应卡尔曼的数据滤波方法 [J]. 张一帆. 科技风. 2019(01)
[3]INS/GPS组合导航的混合式滤波算法 [J]. 韩斌子,胡柏青. 电子技术与软件工程. 2018(24)
[4]改进的扩展卡尔曼滤波算法研究 [J]. 贺军义,李男男,安葳鹏. 测控技术. 2018(12)
[5]一种新型模糊卡尔曼滤波数据融合算法 [J]. 肖力铭,屈济坤,齐海生,岳振军. 指挥控制与仿真. 2018(06)
[6]一种基于卡尔曼滤波的定位解算性能评估新方法 [J]. 王勋,左启耀,洪诗聘,陈亮,杨晓昆. 导航定位与授时. 2018(05)
[7]无人驾驶商用车发展前景及应用 [J]. 崔冬. 中国物流与采购. 2018(19)
[8]GPS/IMU/DMI组合导航方法研究 [J]. 高扬,高逦,乌萌,王成宾. 西北工业大学学报. 2018(02)
[9]基于模型预测控制的智能网联汽车路径跟踪控制器设计 [J]. 王艺,蔡英凤,陈龙,王海,何友国,李健. 机械工程学报. 2019(08)
[10]基于模型预测控制的智能汽车目标路径跟踪方法研究 [J]. 段建民,田晓生,夏天,宋志雪. 汽车技术. 2017(08)
硕士论文
[1]无迹卡尔曼滤波的改进算法及其在GPS/INS组合导航中的应用研究[D]. 洪志强.东华理工大学. 2019
[2]基于LSTM和STCL3d网络的城市短时交通流预测研究[D]. 唐浩雲.西南交通大学. 2019
[3]基于模型预测控制的智能车辆横向运动控制研究[D]. 王艺.江苏大学. 2018
[4]智能车辆的路径跟踪及底层控制研究[D]. 赵洁.吉林大学. 2018
[5]基于数据融合滤波的组合惯性导航系统研究与实现[D]. 刘海亮.武汉理工大学. 2018
[6]无人驾驶汽车路径跟踪控制研究[D]. 奉山森.湖南大学. 2018
[7]卡尔曼滤波在车载组合导航中的应用研究[D]. 张华倩.信息科学与工程学院. 2017
[8]无人驾驶汽车转向控制方法及研究[D]. 刘果.重庆交通大学. 2017
[9]无人驾驶车辆的自动转向控制[D]. 余如.吉林大学. 2016
[10]基于模型预测控制的无人驾驶车辆轨迹跟踪控制算法研究[D]. 孙银健.北京理工大学. 2015
本文编号：3553118
本文链接：https://www.wllwen.com/kejilunwen/qiche/3553118.html
