基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

微小型飞行器的MIMU系统结构设计方法

针对微小型飞行器安装空间小、承载能力弱的特点,提出一种“T”型结构的微惯性测量单元（MIMU）系统设计方法,采用基于微机电系统（MEMS）技术的新一代微型惯性器件,在深入分析MIMU结构设计基本原则和方法的基础上,设计加工了“T”型支撑结构并组成了实际系统。该MIMU系统充分利用了空间,大大地减小了体积和重量。有限元分析表明：该MIMU力学性能较高,所研制的实际系统实现了微小型飞行器的自主飞行,各性能参数满足要求,是一款适用于微小型飞行器的MIMU。     

超小型无人机GPS／MIMU组合导航定位系统研究

在考虑超小型无人机特点及其对导航定位需求的基础上,研究了利用微型惯性测量单元(MIMU)和GPS-OEM板,设计出一种低成本、轻小型的GPS/MIMU组合导航定位系统。为了验证该系统的性能,利用MIMU和GPS观测数据对该组合系统进行了仿真。仿真结果表明,组合导航系统在精度和可靠性方面,较单一的导航系统都有明显的改善。     

INS/SAR组合定位技术研究

主要研究了INS/SAR组合对运动目标的定位算法。首先,建立了INS/SAR组合定位系统数学模型;其次,基于卡尔曼滤波方法和alpha-beta滤波方法完成了INS/SAR组合定位算法设计;最后,考虑组合导航系统误差及导引头测量误差,对定位算法进行了数字仿真及性能分析。仿真结果表明,所设计的INS/SAR组合定位算法在远距对运动目标具有较高的定位精度。     

基于联邦滤波的多传感器管道定位方法CSCD

由低成本微惯性测量单元(MIMU)和里程轮组合的管道定位系统在里程轮出现打滑情况下,组合定位误差将快速发散。为解决里程轮打滑时量测信息失效的问题,采用光电测速传感器作为冗余测速传感器,利用联邦滤波对MIMU、里程轮和光电测速传感器多源信息进行融合,并基于预测残差设计了自适应信息分配因子,实现了不同特性传感器的最优融合。仿真实验结果表明,提出的多传感器管道定位方法可以降低里程轮打滑导致的管道定位误差,对于120m长的仿真管道,定位误差为管线长度的0.015%。     

复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法

针对微小型飞行器在巡检、探测和地图构建等应用中关键的自主导航技术,提出了一种基于惯性辅助的激光雷达Robust-SLAM方法用于微小型飞行器自主导航。相对于传统的激光雷达SLAM方法,该方法在SLAM框架中引入了感知环境突变检测方法,并且加强了惯性与SLAM的组合程度,有效地解决了高程方向感知环境发生突变时激光雷达SLAM定位误差大的问题。室内车库实际飞行实验结果表明,该方法能够实现微小型飞行器在三维空间中实时可靠的自主导航,具有较好的工程应用价值。     

微小型飞行器惯性组合姿态确定与航路导航研究

构建了微小型飞行器(MAV)导航、制导与控制(GNC)系统。研究了微惯性导航测量单元零偏的温度建模及非正交误差的多位置标定补偿方法,提出微小型飞行器导航、制导与控制系统闭环条件下,利用导航、制导与控制回路的飞行状态特征信息的微惯性组合导航系统滤波算法,根据微小型飞行器飞行状态实时调整卡尔曼滤波器的观测噪声方差,有效提高了动态过程中姿态测量精度和微小型飞行器的飞行平稳度。完成了组合导航系统滤波算法验证飞行试验及自主姿态稳定和航路飞行试验。飞行试验表明:微小型飞行器实现了自主姿态稳定与长距离超视距航路点导航飞行,航路点导航误差小于30 m,惯性组合姿态确定与航路导航系统及算法满足微小型飞行器自主飞行对导航系统的需求。     

基于气动模型辅助的四旋翼飞行器室内自主导航方法

 惯性/卫星/磁传感器/气压高度计组合导航系统是四旋翼飞行器常用的导航方案。但在室内飞行时,由于卫星导航系统不可用,该导航方案的测速及定位精度难以满足四旋翼飞行器的自主飞行需求,从而制约了其室内自主飞行能力。为解决该问题,在利用四旋翼飞行器气动模型的基础上,提出了惯性/磁传感器/声纳传感器/气动模型组合导航方案。通过分析四旋翼飞行器的气动模型特性,揭示了气动模型辅助自主导航的内在机理;提出了气动模型辅助导航算法,并设计了具体的实施流程。最后,结合OS4型四旋翼飞行器的气动模型特点,搭建了气动模型辅助导航方案的验证平台,对四旋翼飞行器的室内悬停与机动飞行进行了仿真模拟。仿真结果表明,气动模型辅助导航方案可以显著提高室内飞行时的测速与定位精度。该方案无需增加其他传感器,具有自主性强、成本低和零载重的优点,在四旋翼飞行器室内导航中具有较好的应用价值。     

小型无人机的导航与制导仿真系统研究

研究了基于飞行器动力学模型的小型无人机的惯性组合导航与制导系统仿真技术,组合导航系统嵌入了飞行器的轨迹和姿态控制回路,建立了基于MATLAB/AEROSIM的组合导航计算机仿真系统,仿真系统包括惯性组合导航仿真模块、传感器仿真支持模块、飞行器6自由度动力学模型模块、飞行器轨迹生成、轨迹控制与姿态控制模块、导航仿真评估模块。基于该仿真系统,目前已开展惯性/卫星深组合、惯性/大气数据融合等理论算法和技术研究。     

GPS/INU/MM车辆定位导航系统研究

根据分段、特征提取等地图匹配关键技术探讨了地图匹配的一般原理。提出了基于航向信息的INU(Inertial Navigation Unit) /MM(Map Matching)算法、以及基于卡尔曼滤波的GPS/INU/MM组合导航算法,仿真结果表明上述方法是行之有效的。     

惯性组合导航系统的实时多级景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求，提出一种实时多级景象匹配算法。算法分为两级，第一级粗匹配中提出了中心点4邻域的抗变形算法，能抗旋转和小尺度变化的影响，使定位精度达到像素级；第二级精匹配中提出了基于分支特征点，应用最小二乘法原理精确匹配定位出两幅图像间的最优相似变换参数，即飞行器的精确位置和航向偏差的算法。仿真分析表明，提出的实时多级算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求。     

基于MEMS技术的低成本组合导航系统

针对某型航空炸弹对低成本、高精度导航系统的需求,采用已逐渐成熟并在实际中得到应用的微惯性测量组合(MIMU)与高精度、高数据更新率的GPS接收机进行数据融合,组成优势互补的低成本组合导航系统.最后对其进行了半实物仿真实验,结果表明这种低成本的组合导航系统具有精度高、成本低、性价比高的优良指标.     

基于组合导航定位结果的车辆里程统计应用研究

基于出租车计价器检定背景,研究了低成本MIMU/DGNSS松组合导航模块在车辆里程统计结果及计价器移动检定中的应用。由于传统计价器检定方法过于繁琐,提出了利用低成本MIMU/DGNSS松组合算法处理后的导航定位结果统计车辆行驶里程,实现计价器的在线移动检定,并通过将其与高精度差分GNSS接收机计算的基准里程进行比对,验证低成本MIMU/DGNSS松组合模块里程统计精度。同时,提出了分段里程比对的思路并设计了里程分析软件,避免了累积里程误差的影响,提高了里程比对误差结果的客观性。实验结果表明:低成本MIMU/DGNSS松组合导航模块里程统计精度误差约在8‰范围内,证明了其在里程统计及出租车计价器在线移动检定中的可用有效性。     

基于GPS/DR/DM组合导航定位系统的研究

设计了一种基于GPS辅助以DR和DM的组合导航定位的联邦滤波器,采用GPS、DR和DM组合导航定位的设计方案的基础上,提出一种先分散式再局部集中联邦滤波器并采用一种简化的自适应联邦滤波器算法对各定位数据进行融合优化,并进行了仿真.仿真结果表明本文设计的联邦卡尔曼滤波器自适应算法对多传感器系统进行数据处理,能够提供一种最佳估计途径,在容错、数据容量及降低系统费用等方面,都比集中卡尔曼滤波器更为优越,使误差进一步减小.该设计与一般的分散卡尔曼滤波器比较,在信息综合方面更加快捷.     

基于神经网络补偿的室内无人机组合导航系统

针对无人飞行器在环境特征突变情况下数据融合的可靠性大幅下降问题，提出了神经网络预测补偿的组合导航算法。首先利用扩展卡尔曼滤波和粒子滤波对激光、光流等传感器得到的数据进行融合，然后采用径向基函数（RBF）神经网络对粒子滤波前后的误差进行预测。当激光数据可靠时，RBF神经网络进行训练学习模式，当激光数据中断或者不可靠时，利用训练后的模型对系统进行误差补偿。利用无人飞行器在室内环境下进行定点和轨迹实验，结果表明补偿后的位置导航信息能够明显降低激光数据不可靠时带来的定位误差。     

序贯结构的Sage-Husa自适应滤波及其应用

在分析已有的Sage-Husa自适应滤波算法的基础上,本文首先推导了两种量测噪声自适应估计方法的等价性。为充分利用组合系统中已知的部分量测噪声参数,提高滤波稳定性和精度,研究了基于序贯结构的Sage-Husa自适应滤波算法;当组合系统测量噪声参数均为已知时,为降低算法复杂度,提高Sage-Husa自适应滤波的鲁棒性,加入协方差匹配的方法对序贯结构的Sage-Husa自适应滤波算法进行改进;通过在序贯结构下采用相应的信息融合策略,充分利用组合系统的输出信息。将两种算法分别应用于MIMU/GPS/磁强计组合系统中,基于跑车实验的离线数据分析表明,第一种滤波算法的滤波稳定性较标准自适应算法在滤波稳定性上有明显提高;第二种改进的滤波算法既降低了算法复杂度,又提高了抗野值效果,有效保持了组合系统在干扰状态下的导航精度。     

基于MEMS/UWB组合的室内定位方法

在深入研究超宽带（UWB）与车载低成本MEMS的定位原理和算法的基础上,提出了采用UWB辅助MEMS定位的算法,以抑制MEMS的发散并提高定位精度。设计了两者的融合定位算法,完成了基于MEMS/UWB的室内定位技术研究。最终试验运动253.4m,MEMS定位误差小于0.61m,MEMS/UWB融合定位误差小于0.07m。试验结果表明,MEMS/UWB算法与单独的MEMS定位算法相比,有效地提高了定位精度与定位稳定性。     

高超声速飞行器机体/推进一体化设计的启示

机体/推进一体化设计是吸气式高超声速飞行器的关键技术。飞行器的前体和后体既是主要的气动型面,又是发动机进气道的外压缩型面和尾喷管的膨胀型面,一体化设计直接影响飞行器的气动与发动机性能。本文阐述了吸气式高超声速飞行器的主要特点,梳理了飞行器的推阻匹配、升阻比特性、操稳匹配等主要气动设计问题。通过对国外典型高超声速飞行器机体/推进一体化设计技术的综合分析,总结了前体/进气道、后体/尾喷管、边界层强制转捩装置等关键部件的气动设计方法,获得了有意义的启示,可为后续吸气式高超声速技术研究提供重要参考。     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

基于图优化的惯性/地磁/激光雷达复合定位技术研究

为解决卫星失锁条件下车辆的高精度、高可靠性定位问题,结合惯性导航、运动约束、地磁 匹配、激光点云匹配方法的优势,提出了一种基于图优化的惯性/地磁/激光雷达复合定位方案。 首先,采用因子图优化算法,实现惯导预积分信息、运动约束信息、地磁匹配信息、激光雷达点云匹 配信息的异步多源信息融合。然后,在点云匹配失效时,惯性/运动约束/地磁可以实现精度保持, 为点云匹配提供持续可用的先验信息,以避免点云匹配一旦失效后由于先验位姿发散再难匹配的 问题。最后,搭建试验平台完成跑车试验。试验结果表明,该方案可以实现车辆的高精度、高可靠 性定位,点云匹配有效定位精度为1.24m(max),均方根为0.48m,在因点云地图缺失而造成匹配 失效时,惯性/运动约束/地磁可实现定位精度保持在10.29m(max)。