基于自适应联邦滤波的相对导航信息融合

针对基于GPS/MV组合导航方式的无人机空中加油问题,分析了对接阶段GPS及视觉传感器存在的条件约束。在建立导航传感器非线性相对位置测量模型的基础上,设计了基于扩展卡尔曼滤波的自适应联邦滤波器,并与集中式滤波进行了对比仿真。结果表明,提出的算法保证了部分传感器失效时导航数据输出的平稳性和容错性,滤波精度完全满足无人机空中加油相对导航系统要求。     

小型无人机空速系统误差分析及校正方法研究

小型无人机体积小、速度低、带载荷能力有限,而小型硅压阻传感器具有小型化、数字化的优点,特别适合于对体积重量有要求的众多中小型无人机选用.本文结合某小型无人机空速系统的研究,针对目前多运用于小型无人机上基于硅压阻传感器的空速系统误差产生的原因进行了分析,并根据大多数无人机采用GPS导航的特点提出简便易行的校正方法.经过试...     

全源定位与导航的发展与建议

介绍了全源定位与导航项目(ASPN)与定位、导航与授时(PNT)体系之间关系,概述了ASP N项目的研究背景、目标、技术指标及发展历程等,继而分别重点阐述了全源定位与导航系统的各项关键技术、导航系统当前面临的5大挑战,最后结合我国全源定位与导航的发展现状,提出了4点建议.     

多传感器信息融合技术与无人机PHM系统

通过分析多传感器数据融合技术故障诊断方法,针对无人机的特点,在不增加系统硬件的情况下,充分利用无人机现有传感器获取的信号,提高无人机故障预测与健康管理(PHM)系统状态监测、健康评估和故障预测推理的准确性,并确定推理结果的置信度.     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

基于数据融合技术的多导航传感器性能评价系统研究

试飞是对导航传感器性能进行评价的有效手段.为克服仅采用单一导航传感器作为评价基准的缺陷,提出了基于数据融合技术的多导航传感器性能评价方法及其系统实现.设计的多导航传感器性能评价系统融合了卡尔曼滤波、最优固定区间平滑滤波、最小二乘加权等多导航传感器数据融合算法,在分析上述融合算法特点及使用的基础上,从信息流的角度出发,设计并实现了相应的多导航传感器性能评价系统.给出了评价系统的主要功能模块的设计与实现.还通过仿真数据对评价系统的功能和性能进行了测试,测试结果表明评价系统能准确地实现对导航传感器性能的评价.     

水下运载体导航技术

本文第一部分综合了国外近几十年根据不同需求形成的多种水下导航技术,论述了面上导航信息利用水声技术向水下转化的多种形式以及利用不同地球物理参数与地理位置相关性导航的各自特点与问题,论述了在测绘海底地形、重力与其它地球物理特性及其变化时在传感器层面和任务层面融而为一所形成的独具水下特色的同步定位与建图(Simultaneous Localization and Mapping,SLAM)导航技术,论述了NavLab作为一个通用工具软件在水下导航系统研发、精度分析以及作业前导航功能规划和导航信息事后处理方面的独特作用。本文第二部分以极具代表性的挪威HUGIN AUV系列产品军民两用为实例,根据任务和导航功能需求,从其“导航工具箱”(ToolBox)选择适用手段,给出典型任务对应的导航方式和传感器。文章结束部分给出了基于先进人工智能技术的未来展望。     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位，存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器；需要建立准确世界和无人机物理模型；受环境影响较大；自主智能水平较低，无法较好地满足无人机对导航系统的要求，需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术，无需训练模型参数，不依赖高精度传感器，无需精确建模，且复杂环境下鲁棒性较强，具有解决上述问题的潜力。简要阐述了动物大脑导航机理，分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术，最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检测并隔离故障信息源.给出了联邦滤波算法设计,并进行了实际车载实验.实验结果表明,该算法能够提高导航系统的稳定性及精度.     

惯性/里程计组合导航无地标行进中自主对准

载车行进中自主对准可有效缩短机动前准备时间,提高姿态对准精度以及对准过程中无地标自主定位精度是关键。本文提出一种里程计辅助捷联惯导系统行进中对准算法,推导了行进中精对准滤波模型以及对准过程中无地标自主定位算法。为缩短对准时间、减小由于航向角误差未收敛时造成的定位误差,利用回溯法将粗对准过程存储数据用于精对准过程,且回溯法仅需存储少量数据适合于工程应用。车载实测数据分析表明算法可同时实现行进中自主对准与对准过程中无地标自主定位,有效提高了载车快速机动能力,航向角对准精度优于1 mil,对准过程中无地标自主定位精度优于0.3%行程。     

车载里程仪参数的实时标定方法

针对里程仪输出的速度(或位置增量),其参数标定误差残差是影响定位定向系统性能的关键因素,传统里程仪参数标定方法需在行车过程中设置精确标志点,且有行驶路线受限的缺点,因此提出一种基于速度量测的定位定向系统误差实时估计和补偿方法.该方法将里程仪刻度系数误差、安装误差残差纳入状态变量进行实时估计并补偿,将惯性导航系统输出的速度与里程仪输出的速度进行对比,构建量测方程.设计跑车试验对该方法进行验证,结果表明该车载里程仪参数的实时标定方法,仅需要在里程仪安装在车辆上后,导航系统做一次正常罗经对准并转惯性/里程仪组合导航模式,在车辆正常行驶过程中,即可自动标定出里程仪参数误差,具有自主、灵活简便、精度高的特点,同时提高了惯性/里程仪组合导航系统定位精度.     

旋转式SINS的自标校技术研究

惯性器件常值及慢变误差是影响捷联惯导系统精度的主要因素之一,所以在捷联惯导系统出厂前需要对常值及慢变误差参数进行标定。但这些误差参数会随时间发生变化,对于高精度捷联惯导系统,每次启动后需要对惯性器件的误差参数进行重新标校。针对光纤惯导系统,建立了IMU误差模型,并根据提出的旋转式捷联惯导系统自标校转位方案原则设计出了一种8位置自标校方案,对惯性器件标定参数进行激励和辨识,并建立了Kalman滤波状态方程及量测方程,对惯导系统误差参数进行在线标定。实验结果表明,该方案对其惯性器件误差参数能进行准确估计,具有一定的参考价值。     

基于多参量信息的水下地磁滤波导航算法

由于水下运载器使用地磁滤波导航方法时难收敛、易发散,根据水下运载 器的特点设计了一种基于多参量信息的水下地磁滤波导航算法。针对单纯使用地磁数据 进行位置匹配精度较差的问题,该算法在匹配及滤波过程中引入了地磁强度、航向、航 速等多参量信息,采用非线性滤波框架进行信息融合,采用粒子群算法根据多参量信息 进行位置搜索,并以之为系统滤波的观测值,通过提高位置观测精度改进滤波的收敛性 和鲁棒性。仿真结果表明,算法滤波精度高,稳定性好,能够较好地抑制各类传感器干 扰和误差对滤波估计的影响,适用于水下运载器的地磁导航定位。     

基于虚拟地标的行人惯性SLAM算法

针对当前仅使用低成本惯性传感器的行人导航系统航向角存在较大累积误差的问题,研究了一种只使用惯性传感器信息的虚拟地标构建方法,并通过匹配虚拟地标点对位置和航向进行误差补偿.在此基础上,结合同时定位与建图(SLAM)方法的思想,实现了仅基于惯性传感器的SLAM,提高了行人导航的精度和可靠导航时间.试验结果表明,该方法能够有效消除纯惯性行人定位系统的累积误差,在2027m2的单层建筑物中空间位置误差小于10m.     

基于双ARM系统的MIMU航姿测量系统的 研究及实现

针对小型无人机武器平台对航姿系统小型化、低成本、集成化的设计要求,提出了一种基于双ARM系统的MIMU航姿测量系统,实现了单板集成所有惯性测量、初始对准、惯性导航、组合导航,以及航姿测量等功能.通过车载导航试验及飞行试验考核,该系统可以满足用户应用需求.     

高超声速飞行器组合导航算法

以高超声速飞行器为对象,建立了卫星/惯性组合导航模型。选择组合系统的状态量并建立状态方程,推导位置观测方程和速度观测方程,通过位置、速度交替组合实现卫星/惯性系统的组合。通过仿真验证算法的有效性,仿真结果表明卫星/惯性组合导航可以得到较好的位置和速度信息,适中的姿态精度信息。     

An intelligentized and fast calibration method of SINS on moving base for planed missiles

In order to minish the error of inertial sensors, the technology of neural networks is attempted to on-line calibration of a slave inertial navigation system mounted on planed missiles. Based on the time-varied specialty of slave inertial navigation system on a moving base, an input–output sample structure method is proposed, and to automatically calibrate and revise the error of inertial sensors of inertial navigation system. When a missile is appended under the wing and in free-flight, in order to solve the inconsistent problem of measurement's character of the inertial sensors, the error angles between the master inertial navigation system and the slave inertial navigation system are estimated in advance, then, the input samples of a neural network can correctly simulate the free-flight state. Furthermore, in order to make a learning algorithm of neural networks can satisfy real-time calibrating on a moving base, the traditional Newton algorithm is improved by using first differential coefficient to replace the approximate matrix of second differential coefficients. As a result, the training speed and precision of neural network are enhanced. The simulation results indicate that the method and algorithm are feasible.     

合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来，无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中，无人车必须对自身的位姿进行准确估计，以确保作业安全、高效完成。其中，可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法，区别于传统的激光雷达SLAM方法，该方法根据已知的几何结构特征进行定位，避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究，提高了自主导航系统的鲁棒性和准确性。最后，在Gazebo中搭建了相应的仿真环境，并进行了算法验证。仿真结果表明，该方法能够实现无人车在巡检过程中实时可靠的自主导航，具有较好的工程应用价值。