隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展,非線性系統(tǒng)的理論與技術(shù)得到快速發(fā)展,并已廣泛應(yīng)用于工程實(shí)際中。非線性濾波技術(shù)就是對非線性隨機(jī)系統(tǒng)狀態(tài)的最優(yōu)估計(jì),該技術(shù)在組合導(dǎo)航、目標(biāo)跟蹤和自動(dòng)控制等眾多軍事和民用領(lǐng)域得到了廣泛的應(yīng)用,并已成為這些領(lǐng)域?qū)W者研究和關(guān)注的熱點(diǎn)。由于實(shí)際應(yīng)用中工程系統(tǒng)的非線性特征和應(yīng)用環(huán)境的復(fù)雜性,在利用非線性濾波方法進(jìn)行計(jì)算時(shí),經(jīng)常會(huì)受到系統(tǒng)噪聲統(tǒng)計(jì)未知、參數(shù)突變、瞬時(shí)干擾等系統(tǒng)模型不確定性的影響,可能出現(xiàn)估計(jì)精度下降、甚至濾波發(fā)散的狀況。針對上述問題,本文在研究UKF理論和方法的基礎(chǔ)上,對現(xiàn)有的UKF算法進(jìn)行優(yōu)化和改進(jìn),提出了一種基于極大似然準(zhǔn)則與滾動(dòng)時(shí)域估計(jì)的自適應(yīng)UKF算法（MMAUKF）、一種改進(jìn)的MMAUKF算法以及一種基于交互多模型估計(jì)的自適應(yīng)抗差UKF算法,增強(qiáng)了非線性系統(tǒng)狀態(tài)估計(jì)的自適應(yīng)能力和魯棒性。在此基礎(chǔ)上,對所提出的算法進(jìn)一步擴(kuò)展,設(shè)計(jì)了一種基于UKF改進(jìn)算法的多傳感器最優(yōu)數(shù)據(jù)融合方法,提高了多傳感器非線性系統(tǒng)的數(shù)據(jù)融合精度。論文的主要研究工作和創(chuàng)新性貢獻(xiàn)如下:（1）針對經(jīng)典UKF在系統(tǒng)噪聲統(tǒng)計(jì)存在不確定性時(shí),濾波精度下降、甚至發(fā)散的問題,提出了一種MMAU... 

【文章來源】：西北工業(yè)大學(xué)陜西省 211工程院校 985工程院校

【文章頁數(shù)】：162 頁

【學(xué)位級別】：博士

【部分圖文】：

經(jīng)典UKF、MAUKF和提出的MMAUKF算法在INS/GNSS組合導(dǎo)航

計(jì)算機(jī)(Core i7 4790 CPU，主頻 3.6-GHz，內(nèi)存 2GB)中的 Matlab 軟件平臺(tái)。經(jīng)典 UKF、MMAUKF 和設(shè)計(jì)的 RMMAUKF 算法分別在兩種情形下完成一次仿真的平均計(jì)算耗時(shí)和相對于經(jīng)典 UKF 的計(jì)算效率如圖 4-6 和圖 4-7 所示。在情形 1 中，經(jīng)典 UKF 進(jìn)行狀態(tài)估計(jì)所需的計(jì)算耗時(shí)最短，完成一次仿真的平均計(jì)算耗時(shí)為 0.0302s，這是由于經(jīng)典 UKF 中不涉及復(fù)雜的噪聲統(tǒng)計(jì)計(jì)算過程；而 MMAUKF 由于采用計(jì)算復(fù)雜且收斂速度慢的序列二次規(guī)劃方法直接優(yōu)化求解系統(tǒng)噪聲統(tǒng)計(jì)估計(jì)值，因而所需的計(jì)算耗時(shí)最長，其完成一次仿真的平均計(jì)算耗時(shí)為 0.2035s，約為經(jīng)典 UKF 的 6.7 倍；本章設(shè)計(jì)的 RMMAUKF 采用最大期望方法求解系統(tǒng)噪聲統(tǒng)計(jì)估計(jì)值，顯著改進(jìn)了MMAUKF 的實(shí)時(shí)性，其完成一次仿真的平均計(jì)算耗時(shí)為 0.1248s，僅為 MMAUKF 的61.33%。在情形 2 中，三種算法的計(jì)算耗時(shí)與情形 1 的對比情況類似。經(jīng)典 UKF 和MMAUKF 完成一次仿真的平均計(jì)算耗時(shí)分別為 0.0319s 和 0.1806s，而 RMMAUKF 有效提高了 MMAUKF 的實(shí)時(shí)性，其完成一次仿真的平均計(jì)算耗時(shí)為 0.1012s，節(jié)省了約43.96%的計(jì)算時(shí)間。結(jié)果表明，本章設(shè)計(jì)的 RMMAUKF 算法有效提高了 MMAUKF 的計(jì)算效率，具有更好的濾波實(shí)時(shí)性。

(a)計(jì)算耗時(shí) (b)相對效率圖 4-7 經(jīng)典 UKF、MMAUKF 和設(shè)計(jì)的 RMMAUKF 算法完成一次仿真的平均計(jì)算耗時(shí)和相對效率(情形 2)數(shù)值仿真結(jié)果表明，設(shè)計(jì)的 RMMAUKF 算法能夠有效抑制系統(tǒng)噪聲統(tǒng)計(jì)不確定性對 UKF 濾波解算的影響，提高了經(jīng)典 UKF 的濾波精度，其對噪聲統(tǒng)計(jì)不確定性的自適應(yīng)能力與 MMAUKF 相當(dāng)，且相比于 MMAUKF，RMMAUKF 算法求解系統(tǒng)噪聲統(tǒng)計(jì)估計(jì)值的計(jì)算效率更高，因而濾波器的實(shí)時(shí)性更好。4.4 INS/GNSS 組合導(dǎo)航系統(tǒng)中的應(yīng)用為了進(jìn)一步評估本章設(shè)計(jì)的 RMMAUKF 算法的改進(jìn)性能，將其應(yīng)用于 INS/GNSS組合導(dǎo)航系統(tǒng)進(jìn)行仿真計(jì)算和跑車實(shí)驗(yàn)驗(yàn)證，并與經(jīng)典 UKF 和 MMAUKF 進(jìn)行比較。導(dǎo)航坐標(biāo)系仍選取為 g 系；INS/GNSS 組合導(dǎo)航系統(tǒng)模型見第三章 3.5.1 節(jié)，其中過程模型如式(3.5-5)所示，量測模型如式(3.5-7)所示。


本文編號：3474749