基于融合算法的组合导航方法研究

发布时间：2017-04-14 12:09

  本文关键词：基于融合算法的组合导航方法研究，由笔耕文化传播整理发布。

【摘要】：使用单一传感器进行导航，特别是使用低成本传感器时，导航精度有限且容错性能不佳，这就需要同时使用多个传感器进行导航测量，并对测量数据进行基于特定算法的融合，使各传感器的误差得到抑制，并且相互之间能够优势互补，这种导航方法也就是组合导航。为了获得较好的组合导航效果，本文主要进行了以下几个方面的工作： 1分析了捷联惯导系统（SINS）的导航原理，探索了SINS的误差来源及分布。讨论了基于GPS的伪距导航定位原理，并初步阐述了载波相位观测的关键技术。之后讨论了天文导航定位原理和地磁导航定姿方法，并分析了地磁导航的误差来源。 2基于最小二乘滤波理论，分析了卡尔曼滤波的数学原理和滤波递推方法，然后讨论了扩展卡尔曼滤波的实现过程和优缺点，，在此基础上研究了无迹滤波算法的滤波过程，随后讨论了自适应滤波方法以及强跟踪滤波方法在非理想环境下的优越性。之后引入了一种新兴的滤波方法，即容积卡尔曼滤波，并对其数学原理进行了比较详细的介绍。在此基础上，利用泰勒公式推导并比较了容积卡尔曼滤波和无迹卡尔曼滤波的数值稳定性及滤波精度，并通过仿真比较了无迹卡尔曼滤波和容积卡尔曼滤波的解算量的大小。基于强跟踪原理并结合容积滤波的特性，提出了一种改进的强跟踪容积滤波方法。之后，研究了粒子滤波的非线性递推过程，并提出了一种基于群优化原理的粒子群改进粒子滤波方法。 3为了对导航传感器的输出数据进行精确的融合，研究了应用比较广泛的联邦滤波融合方法。在使用多传感器测量的情况下，分析了状态可观测性对融合结果的影响，讨论了基于矢量原理的因子分配过程，初步分析了基于矢量分配的合理性。为了更适合实际应用，使用了一种基于改进的乔列斯基分解的逆矩阵求解方法。 4基于计算机仿真，验证了本文提出的改进型联邦滤波融合的精确性，得到了比传统联邦滤波组合方法更高的估计精度。 5初步探索了基于神经网络的INS/GPS组合导航方法，在神经网络的学习方法上，使用了粒子群优化算法。之后对比了在GPS短期失效时有神经网络辅助和无神经网络辅助的精度差别，结果显示基于神经网络的方法可以在一定程度上减小导航定位误差。 6回顾了本文的主要工作，对文中没有深入探索和没有进行有效处理的问题进行了简要的总结，同时对融合算法和组合导航的应用前景和发展方向进行了初步的展望。
【关键词】：组合导航 卡尔曼滤波 非线性滤波 联邦滤波融合 神经网络
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN96.2
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-15
• 1.1 组合导航的研究意义10-11
• 1.2 组合导航系统国内外发展概况11-14
• 1.3 论文的内容与结构14-15
• 2 自主导航原理15-26
• 2.1 惯性导航15-18
• 2.2 卫星导航18-21
• 2.3 天文导航21-23
• 2.4 地磁导航23-26
• 3 导航滤波理论26-53
• 3.1 卡尔曼滤波27-30
• 3.2 扩展卡尔曼滤波30-32
• 3.3 无迹卡尔曼滤波32-36
• 3.4 自适应滤波36-37
• 3.5 强跟踪滤波37-38
• 3.6 容积卡尔曼滤波38-43
• 3.7 容积滤波的优缺点讨论43-44
• 3.8 一种改进的容积卡尔曼滤波44-45
• 3.9 粒子滤波45-49
• 3.10 粒子滤波的改进49-53
• 4 联邦滤波融合理论53-59
• 4.1 联邦滤波融合算法53-56
• 4.2 基于矢量跟踪的分配因子优化56
• 4.3 一种快速联邦滤波算法56-59
• 5 基于联邦滤波的 CNS/INS/GPS 组合导航59-63
• 5.1 导航传感器选取59
• 5.2 融合算法选取59-60
• 5.3 仿真与分析60-63
• 6 基于人工智能算法的组合导航方法63-71
• 6.1 神经网络原理63-65
• 6.2 基于神经网络的组合导航原理65-68
• 6.3 PSO 训练方法68-69
• 6.4 仿真验证69-71
• 7 总结与展望71-72
• 参考文献72-77
• 硕士期间的成果及获奖77-78
• 致谢78-79

【参考文献】

中国期刊全文数据库 前10条

1 邓建辉;刘国燕;;基于神经网络的联合智能滤波在导航系统中的应用[J];传感技术学报;2006年01期

2 高艳丽;刘诗斌;;基于PSO的神经网络在传感器数据融合中的应用[J];传感技术学报;2006年04期

3 李春艳;李怀锋;孙才红;;高精度星敏感器天文标定方法及观测分析[J];光学精密工程;2006年04期

4 周锐,申功勋,房建成,祝世平;多传感器融合目标跟踪[J];航空学报;1998年05期

5 方正;佟国峰;徐心和;;基于粒子群优化的粒子滤波定位方法[J];控制理论与应用;2008年03期

6 向礼;刘雨;苏宝库;;一种新的粒子滤波算法在INS/GPS组合导航系统中的应用[J];控制理论与应用;2010年02期

7 吕娜;冯祖仁;;非线性交互粒子滤波算法[J];控制与决策;2007年04期

8 顾启泰;方靖;;广义联邦滤波器的全局最优性(英文)[J];自动化学报;2009年10期

9 刘国良;强文义;;基于粗神经网络的图像融合算法的研究[J];模式识别与人工智能;2003年03期

10 林孝工;徐树生;谢业海;;基于自适应平方根 CKF 的多传感器混合融合算法(英文)[J];Journal of Marine Science and Application;2013年01期

  本文关键词：基于融合算法的组合导航方法研究，由笔耕文化传播整理发布。

本文编号：305956