基于最近邻的协同定位模型研究

协同定位是多平台编队中的关键问题之一,是实现无人机、舰艇编队等定位控制的基础.从信息融合的角度研究了编队协同中的导航定位问题,提出了一种新的协同定位算法.推导了二维情况下,基于最近邻准则确定伪测量和相伴误差协方差矩阵的模型.仿真分析表明,该算法可以稳定地完成己平台运动要素的估计.     

基于惯性/激光测距/视觉里程计组合的高空场景尺度误差估计方法

惯性/视觉感知信息融合导航定位技术是目前实现无人机不依赖卫星自主导航的最有效手段。但对于面向高空场景的大型无人机，惯性器件误差与视觉里程计尺度误差耦合且特征平面化导致可观测性下降。针对这一问题，提出了利用惯性/激光测距/视觉里程计组合实现尺度误差估计的方法。通过开展误差模型建立、激光测量点与图像中位置匹配、无人机平飞机动下系统可观测性分析等关键技术研究，实现了高空场景下尺度误差的精确估计。经过300m高度机载试验数据验证，算法精度优于1.5%D，对卫星拒止条件下高空无人机自主导航具有重要意义。     

带通信约束的多无人机协同搜索中的目标分配

为了研究通信约束对多无人机(UAV)协同搜索中目标分配任务的影响,提出了一种带通信约束的多无人机协同搜索中的目标分配方法,研究在通信约束条件下多无人机在协同搜索中如何进行目标分配。首先,基于无人机数学模型和搜索模型,建立了目标分配模型。其次,分析了通信约束条件,如通信距离限制、通信角度限制和通信时间延迟等对目标分配的影响,限定多无人机在通信距离和角度范围内才能通信,使用蒙特卡罗法来验证通信距离和角度对目标分配的影响,同时采用基于状态估计的无人机状态信息补偿方法来消除通信延迟的影响。仿真验证了带通信约束的多无人机协同搜索中的目标分配方法的合理性。     

网络攻击下无人机信息物理系统的自适应状态估计

针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。     

GNSS/SINS组合导航中多路径效应的识别与抑制算法CSCD

针对GNSS/SINS组合导航系统中,GNSS定位易受多路径效应影响的问题,提出了一种多路径效应识别与抑制算法。通过设计姿态检测与χ^(2)检验相结合的两层多路径效应识别方法,实时检测GNSS输出结果的可靠性和GNSS/SINS二者定位的一致性。将提出的抗野值自适应滤波算法用于对多路径误差的抑制,当检测到GNSS受多路径效应影响时,通过残差加权减小异常量测量在量测更新中的比重;当GNSS定位正常时,通过限定记忆指数加权的方式计算残差协方差的极大似然最优估计,并采用渐消滤波提高滤波器的调节能力。通过实际跑车试验验证了该算法能够有效抑制GNSS多路径误差,具有较高的导航精度与自适应能力。     

基于因子图的无人机视觉定位方法

当前多用途无人机主要依靠全球导航卫星系统（GNSS）和惯性测量单元（IMU）的组合导航实现高精度定位，然而在强电磁干扰以及各类复杂环境GNSS拒止等情况下，该定位模式面临失效的风险。为探索一种GNSS拒止环境下的导航定位手段，对视觉导航方式进行了研究，针对无人机小交会角条件下视觉定位存在高程方向交会精度差、绝对尺度信息缺失、累积误差无法消除和定位轨迹不连续等问题，提出了基于因子图融合影像匹配和视觉信息的光束法平差方法，解决了无人机小交会角下的自主绝对定位问题。     

一种用于弹道导弹助推段的多机协同探测方法

针对远程弹道导弹助推段协同探测问题,在双机协同探测的基础上,提出了一种试探机动轨迹优化与三轴分离IMM-EKF (TASIMM-EKF)滤波算法相融合的多机协同探测方法。首先,考虑到探测无人机自身位置对于目标定位精度的影响,提出了采用试探机动轨迹优化策略对各探测无人机进行轨迹优化。同时,提出了一种三轴分离IMM-EKF滤波算法。仿真结果表明,该方法能有效提高状态估计精度,缩短估计时间,对机动目标状态估计表现出良好的性能。     

可融合里程计的INS/GNSS组合导航系统设计与试验分析

为了解决卫星信号被遮挡环境下MEMS-INS/GNSS组合导航漂移问题,对GNSS信号中断时的MEMS-INS/GNSS系统应如何抑制导航误差的漂移进行了研究.采用基于误差状态的EKF信息融合方法,灵活接入轮式或视觉里程计(OD)的速度约束,建立了一种MEMS-INS/GNSS/OD导航系统.在试验中,对比分析了加入A...     

基于改进GPC的无人直升机动态路径规划

针对小型无人直升机航迹受到风场扰动和导航系统定位误差影响下的航迹最优规划问题,建立了风扰动和导航误差影响下的飞行航迹线性模型。基于混合整数规划思想,采用粒子滤波改进广义模型预测控制算法实时规划航迹,降低了导航定位误差造成的航迹估计偏差,提高了航迹估计精度。仿真结果表明,该算法能够生成三维可行航迹并躲避障碍物,且规划时间和无人机能耗较传统方法显著减少。     

多无人机协同导航技术研究现状及进展

UAV是无人驾驶飞机(Unmanned Aerial Vehicle)的简称,无人机相较于有人驾驶飞机具有用途广泛、成本低和生存能力强等特点,在军事民用领域都有着广阔的前景,受到了国内外研究者的关注。协同导航技术极大地扩展了无人机的应用范围,提高了多无人机定位的精度以及无人机编队的稳定性、安全性和可靠性。现阶段协同导航技术在编队导航、目标监测与跟踪等诸多方面都得到了研究与应用。从四个层次对协同导航的研究现状和进展进行探讨:首先是对多无人机协同导航的概念、基本原理、国内外发展现状和必要性进行阐述;其次对协同导航中相对导航方式进行了分类分析,并分别介绍了无线电导航与视觉导航的原理、优缺点和应用场景;然后从导航目的、协同导航优化算法、滤波方法、协同导航信息融合容错策略几个方面对协同导航进行分析归纳;最后,讨论了基于多无人机协同导航未来的发展趋势。     

微小型无人机三轴磁强计现场误差校正方法

详细分析微小型无人机导航用三轴磁强计的误差来源,建立三轴磁强计的等效误差模型,提出基于两步估计算法和圆约束非对准误差估计算法的三轴磁强计现场误差校正方法.在充分考虑地磁场偏转和倾斜特性的基础上,提出适合微小型无人机应用的现场数据采样策略,能够在较少的旋转操作下获得较好的采样数据.仿真表明:在所有磁场误差都存在的情况下,...     

基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题，提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队，并且能够跟踪上期望的运动轨迹。在领导-跟随结构中，编队的期望运动轨迹由一个动态的虚拟领导者来表示，仅部分跟随者先验已知虚拟领导者信息，并且所有跟随者之间只能局部交互信息。首先，采用分布式状态观测器，使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后，利用该观测器的估计状态，提出了基于滑模的协同编队控制算法。最后，基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。     

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CKF的联合扩维误差配准算法

误差配准是多传感器信息融合的基础。为解决机载多平台多传感器的误差配准问题,研究并提出了一种基于容积卡尔曼滤波(CKF)的联合扩维误差配准算法。在算法实现中,首先采用状态矢量维数扩展方法建立非线性滤波框架下的系统误差配准模型,其次根据误差配准模型对各传感器的测量系统误差及各平台的姿态角系统误差进行估计,最后通过CKF滤波实现对状态预测值的修正,改善系统误差对滤波精度的影响。仿真结果表明,所提出的算法能够有效融合利用多传感器的测量信息,实现对多传感器系统误差及目标状态的实时联合精确估计。     

基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法。将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入。仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30%,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪。     

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...     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

低成本多传感器组合导航系统在小型无人机自主飞行中的研究与应用

为了满足小型无人机自主控制系统对导航系统性能的要求,研究低成本的基于微机电系统的捷联惯性导航系统(MEMS-SINS)/全球定位系统(GPS)/磁强计组合导航系统。提出一种利用磁强计辅助MEMS-SINS的静基座初始姿态确定方法,采用四元数误差模型对MEMS-SINS/GPS/磁强计组合导航系统进行信息融合的建模,采用基于正交三角(QR)分解的平方根无色卡尔曼滤波(UKF)非线性估计方法对组合导航系统进行数据融合,克服由于计算机舍入误差引起的状态协方差阵的计算值失去非负定性甚至对称性,通过小型无人机的自主飞行试验,证实MEMS-SINS/GPS/磁强计组合导航算法满足小型无人机自主控制系统的要求。     

拒止环境下多弹协同导航及编队优化设计

针对拒止环境下的多弹编队协同导航问题,提出了一种基于协同导航的编队位置优化设计算法。建立编队协同导航框架和相对导航信息测量模型,并基于联邦式滤波算法进行协同导航解算;定义单弹和编队导航精度指标,建立编队位置分配优化模型,在给定高精度弹数量的前提下,利用遗传算法进行编队位置优化设计;在此基础上,在给定编队导航精度的前提下,对编队中高精度弹数量进行规划。仿真结果表明,该算法可以有效提高多弹编队的整体导航精度。     

多传感器融合状态估计方法综述

随着传感器网络技术的发展，多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点，长期受到国内外学者的广泛关注，并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础，也是早期研究的主要方向，从20世纪70年代到20世纪末，相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道，自2005年以来，大量基于一致性的分布式滤波算法被提出，其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展，探究从数据融合到分布式滤波的内在联系，并对一些经典方法进行了总结。