本文關(guān)鍵詞：面向小型旋翼無人機(jī)的低成本組合導(dǎo)航算法研究

  更多相關(guān)文章： 旋翼無人機(jī) 組合導(dǎo)航系統(tǒng) EKF GPS失鎖 極限學(xué)習(xí)機(jī)

【摘要】：導(dǎo)航技術(shù)作為飛行控制的基礎(chǔ),對無人機(jī)的安全飛行起著至關(guān)重要的作用�；趹T性導(dǎo)航(Inertial Navigation System, INS)與全球定位系統(tǒng)(Global Positioning System, GPS)的組合導(dǎo)航系統(tǒng)能夠綜合利用各子系統(tǒng)的優(yōu)勢,提高組合系統(tǒng)的整體性能,但效果卻在一定程度上依賴于GPS信息的準(zhǔn)確性。而GPS信號在受到干擾時易產(chǎn)生異常測量值,甚至導(dǎo)致GPS信號完全失鎖。因此,針對以上問題,研究如何在硬件成本、技術(shù)條件有限的前提下,提高導(dǎo)航系統(tǒng)的穩(wěn)定性、可靠性具有重要的理論意義和應(yīng)用價(jià)值。本文在借鑒前人工作的基礎(chǔ)上,以某八旋翼無人機(jī)為對象,針對低成本組合導(dǎo)航算法展開研究,提出了面向低成本系統(tǒng)的分級式組合導(dǎo)航算法,同時對GPS信號異常甚至短時失鎖的情況進(jìn)行了研究。本文的主要研究工作和貢獻(xiàn)歸納如下：(1)研究了慣性導(dǎo)航系統(tǒng)的信息(姿態(tài)、速度、位置)更新算法及誤差傳播模型,建立了INS/GPS組合導(dǎo)航系統(tǒng)的系統(tǒng)模型。(2)在全狀態(tài)導(dǎo)航系統(tǒng)模型的基礎(chǔ)上,針對低成本小型旋翼無人機(jī)提出了一種基于拓展卡爾曼濾波(Extended Kalman Filter, EKF)的分級式組合導(dǎo)航算法,將組合導(dǎo)航系統(tǒng)分解為姿態(tài)速度級和位置級,從而把一個高維的全狀態(tài)濾波器分解為兩個低維濾波器,在滿足導(dǎo)航系統(tǒng)各項(xiàng)指標(biāo)的基礎(chǔ)上提高了導(dǎo)航解算的實(shí)時性。(3)在分級式組合導(dǎo)航的基礎(chǔ)上,提出了一種魯棒性位置估計(jì)算法,以解決異常觀測信息對位置導(dǎo)航系統(tǒng)的干擾。實(shí)驗(yàn)證明該方法能夠在GPS信號異常時,將位置精度控制在1米左右,提高了位置導(dǎo)航系統(tǒng)的穩(wěn)定性,同時該方法可應(yīng)用于不同的信息融合算法中,適用范圍更廣。(4)研究了徑向基神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)算法,將極限學(xué)習(xí)機(jī)算法引入導(dǎo)航系統(tǒng),以解決GPS失鎖時導(dǎo)航信息發(fā)散的問題。GPS可用時,利用實(shí)時導(dǎo)航信息根據(jù)飛行器運(yùn)動狀態(tài)訓(xùn)練不同的網(wǎng)絡(luò)參數(shù)；GPS失鎖時,選擇合適的網(wǎng)絡(luò)模型預(yù)測卡爾曼濾波的觀測值,并對神經(jīng)網(wǎng)絡(luò)預(yù)測的異常觀測值利用(3)中提出的方法進(jìn)行處理,以進(jìn)一步提高系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明,該算法與徑向基神經(jīng)網(wǎng)絡(luò)輔助的導(dǎo)航信息融合算法相比訓(xùn)練時間短,誤差積累速度慢,為GPS失鎖時無人機(jī)的安全飛行提供了有力保障。
【關(guān)鍵詞】：旋翼無人機(jī) 組合導(dǎo)航系統(tǒng) EKF GPS失鎖 極限學(xué)習(xí)機(jī)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V279;V249.3
【目錄】：

• 致謝5-7
• 摘要7-8
• Abstract8-12
• 第1章 緒論12-24
• 1.1 研究背景與選題意義12-15
• 1.1.1 無人機(jī)研究背景12-13
• 1.1.2 導(dǎo)航系統(tǒng)研究背景13-14
• 1.1.3 課題的研究目的與意義14-15
• 1.2 論文所涉技術(shù)及研究現(xiàn)狀15-21
• 1.2.1 SINS/GPS組合導(dǎo)航系統(tǒng)15-18
• 1.2.2 組合導(dǎo)航信息融合方法研究現(xiàn)狀18-21
• 1.3 低成本MEMS SINS/GPS組合導(dǎo)航系統(tǒng)的技術(shù)難點(diǎn)21
• 1.4 本文研究內(nèi)容及章節(jié)安排21-24
• 1.4.1 本文研究內(nèi)容22
• 1.4.2 本文章節(jié)安排22-24
• 第2章 SINS/GPS組合導(dǎo)航系統(tǒng)建模24-36
• 2.1 引言24
• 2.2 慣性導(dǎo)航系統(tǒng)24-30
• 2.2.1 導(dǎo)航系統(tǒng)常用參考坐標(biāo)系24-25
• 2.2.2 姿態(tài)更新算法25-30
• 2.3 SINS/GPS組合導(dǎo)航系統(tǒng)模型30-35
• 2.3.1 組合導(dǎo)航系統(tǒng)的狀態(tài)方程31-33
• 2.3.2 組合導(dǎo)航系統(tǒng)的觀測方程33-35
• 2.3.3 系統(tǒng)方程的離散化35
• 2.4 本章小結(jié)35-36
• 第3章 針對GPS異常測量值的位置估計(jì)算法36-54
• 3.1 引言36-37
• 3.2 分級式SINS/GPS組合導(dǎo)航算法37-39
• 3.2.1 組合導(dǎo)航狀態(tài)變量分解37-38
• 3.2.2 基于EKF的姿態(tài)/速度組合濾波38
• 3.2.3 基于EKF的位置濾波38-39
• 3.3 異常值對SINS/GPS導(dǎo)航系統(tǒng)的影響39-41
• 3.4 異常值檢測方法41-42
• 3.5 異常值修正方法42-43
• 3.6 仿真與實(shí)驗(yàn)驗(yàn)證43-51
• 3.6.1 仿真實(shí)驗(yàn)與結(jié)果分析43-47
• 3.6.2 飛行試驗(yàn)與結(jié)果分析47-51
• 3.7 本章小結(jié)51-54
• 第4章 GPS暫時失鎖情況下的數(shù)據(jù)融合算法54-80
• 4.1 引言54-55
• 4.2 極限學(xué)習(xí)機(jī)算法55-63
• 4.2.1 神經(jīng)網(wǎng)絡(luò)的一般結(jié)構(gòu)56-57
• 4.2.2 單隱層前饋神經(jīng)網(wǎng)絡(luò)57-59
• 4.2.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)59-62
• 4.2.4 極限學(xué)習(xí)機(jī)算法62-63
• 4.3 GPS失鎖情況下的數(shù)據(jù)融合算法63-67
• 4.3.1 GPS失鎖情況下的組合導(dǎo)航系統(tǒng)濾波器結(jié)構(gòu)設(shè)計(jì)63-65
• 4.3.2 ELM結(jié)構(gòu)設(shè)計(jì)65-67
• 4.3.3 ELM網(wǎng)絡(luò)訓(xùn)練方法67
• 4.3.4 ELM網(wǎng)絡(luò)預(yù)測方法67
• 4.4 仿真驗(yàn)證及結(jié)果分析67-79
• 4.4.1 仿真實(shí)驗(yàn)設(shè)計(jì)67-68
• 4.4.2 仿真結(jié)果68-79
• 4.5 本章小結(jié)79-80
• 第5章 總結(jié)與展望80-82
• 5.1 全文總結(jié)80-81
• 5.2 工作展望81-82
• 參考文獻(xiàn)82-86
• 作者簡介86
• 碩士學(xué)位期間主要的研究成果86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 譚興龍;王堅(jiān);趙長勝;;神經(jīng)網(wǎng)絡(luò)輔助的GPS/INS組合導(dǎo)航自適應(yīng)UKF算法[J];測繪學(xué)報(bào);2015年04期

2 程嬌嬌;熊智;許建新;華冰;;地磁輔助的無縫INS/GPS組合導(dǎo)航研究[J];航空計(jì)算技術(shù);2014年06期

3 劉慶元;郝立良;黃書捷;朱山昱;;神經(jīng)網(wǎng)絡(luò)輔助的GPS/MEMS-INS組合導(dǎo)航算法[J];測繪科學(xué)技術(shù)學(xué)報(bào);2014年04期

4 崔留爭;高思遠(yuǎn);賈宏光;儲海榮;姜瑞凱;;神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波在組合導(dǎo)航中的應(yīng)用[J];光學(xué)精密工程;2014年05期

5 趙文杰;方舟;李平;;基于地磁場矢量誤差反饋的姿態(tài)補(bǔ)償算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年09期

6 徐定杰;沈忱;沈鋒;;時變有色觀測噪聲下基于變分貝葉斯學(xué)習(xí)的自適應(yīng)卡爾曼濾波[J];電子與信息學(xué)報(bào);2013年07期

7 李少華;金濤;;基于UKF的電力系統(tǒng)動態(tài)狀態(tài)估計(jì)[J];重慶電力高等專科學(xué)校學(xué)報(bào);2011年06期

8 周衛(wèi)東;喬相偉;吉宇人;孟凡彬;;基于新息和殘差的自適應(yīng)UKF算法[J];宇航學(xué)報(bào);2010年07期

9 陳全育;劉建安;;我國第三顆北斗導(dǎo)航衛(wèi)星在西昌成功發(fā)射[J];中國航天;2010年02期

10 蘇宛新;黃春梅;劉培偉;馬明龍;;自適應(yīng)Kalman濾波在SINS初始對準(zhǔn)中的應(yīng)用[J];中國慣性技術(shù)學(xué)報(bào);2010年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 曾祥萍;自適應(yīng)組合RBF濾波器理論及其應(yīng)用研究[D];西南交通大學(xué);2013年

2 王立端;星載GNSS/INS超緊組合技術(shù)研究[D];上海交通大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張林;生物啟發(fā)式圖像分類算法研究[D];浙江大學(xué);2015年

2 堯禮輝;廣義逆矩陣計(jì)算及在矩陣方程中應(yīng)用的研究[D];解放軍信息工程大學(xué);2008年

3 張文;低成本SINS/GPS組合導(dǎo)航系統(tǒng)的研究[D];南京理工大學(xué);2006年

，

本文編號：1059387