本文關(guān)鍵詞：旋翼無人機(jī)中的多模型組合導(dǎo)航技術(shù)

  更多相關(guān)文章： 旋翼無人機(jī) 慣性導(dǎo)航 組合導(dǎo)航 多模型估計(jì)方法 卡爾曼濾波

【摘要】：旋翼無人機(jī)以其體積小、重量輕、飛行機(jī)動(dòng)靈活的優(yōu)勢(shì)被廣泛應(yīng)用于民用和軍用領(lǐng)域。隨著飛行任務(wù)和飛行環(huán)境的多樣性和復(fù)雜性的不斷增加,在實(shí)際應(yīng)用中,對(duì)旋翼無人機(jī)導(dǎo)航系統(tǒng)的精度、可靠性以及自主性等方面提出了越來越高的要求。目前旋翼無人機(jī)中常采用基于多傳感器配置的單一模型組合導(dǎo)航方式,在無人機(jī)處于機(jī)動(dòng)和環(huán)境變化情況下會(huì)帶來模型誤差,導(dǎo)致無法準(zhǔn)確估計(jì)其導(dǎo)航信息。而多模型估計(jì)方法是一種新型的自適應(yīng)估計(jì)方法,適用于結(jié)構(gòu)或參數(shù)不確定的復(fù)雜系統(tǒng),能夠避免單一模型不準(zhǔn)確帶來的影響,近年來主要在目標(biāo)跟蹤、過程控制等領(lǐng)域中得到應(yīng)用,但在飛行器多信息融合導(dǎo)航技術(shù)領(lǐng)域中還未完全展開深入研究與應(yīng)用工作。本文以旋翼無人機(jī)為研究對(duì)象,開展多模型組合導(dǎo)航關(guān)鍵技術(shù)及應(yīng)用研究,旨在有效提高無人機(jī)在復(fù)雜機(jī)動(dòng)環(huán)境下導(dǎo)航系統(tǒng)的精度與可靠性。目前,應(yīng)用于旋翼無人飛行器導(dǎo)航系統(tǒng)的傳感器主要包括低精度MEMS傳感器、GPS、氣壓高度計(jì)、聲吶系統(tǒng)等,以此為基礎(chǔ)的組合導(dǎo)航系統(tǒng)想要獲得更高精度的導(dǎo)航信息必須對(duì)機(jī)載傳感器進(jìn)行誤差建模與標(biāo)定補(bǔ)償工作。論文首先對(duì)旋翼無人飛行器機(jī)載導(dǎo)航傳感器誤差特性進(jìn)行了分析,分別對(duì)機(jī)載IMU、磁強(qiáng)計(jì)、聲吶傳感器和氣壓高度計(jì)建立了誤差模型;其次,對(duì)傳感器數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析及誤差模型參數(shù)標(biāo)定,實(shí)現(xiàn)傳感器誤差補(bǔ)償,避免了由于傳感器固定誤差帶來的組合導(dǎo)航系統(tǒng)誤差積累。機(jī)載傳感器誤差特性的研究是組合導(dǎo)航系統(tǒng)模型建立的基礎(chǔ)。旋翼無人飛行器在應(yīng)用過程中由于其復(fù)雜的機(jī)動(dòng)特性和環(huán)境因素,建立準(zhǔn)確的系統(tǒng)數(shù)學(xué)模型存在很大的難度。因此論文對(duì)適用于時(shí)變、不確定復(fù)雜系統(tǒng)估計(jì)的多模型方法進(jìn)行了研究。針對(duì)復(fù)雜條件下模型數(shù)量增加,模型辨識(shí)不準(zhǔn)確的問題,提出了基于分散狀態(tài)的多模型估計(jì)方法,通過狀態(tài)量的分散估計(jì),有效提高了模型辨識(shí)準(zhǔn)確率,并減少了所需模型數(shù)量,降低了計(jì)算量;同時(shí),針對(duì)交互多模型估計(jì)算法對(duì)模型先驗(yàn)概率轉(zhuǎn)移矩陣的過分依賴,提出一種模型概率轉(zhuǎn)移方法,有效提高了模型轉(zhuǎn)移的速度和準(zhǔn)確性,為無人機(jī)的多模型組合導(dǎo)航算法改進(jìn)提供了理論基礎(chǔ)。在對(duì)多模型理論研究與改進(jìn)的基礎(chǔ)上,針對(duì)旋翼無人機(jī)組合導(dǎo)航系統(tǒng)實(shí)際問題進(jìn)行了多模型方法的應(yīng)用與驗(yàn)證。由于陀螺零偏受溫度影響較大,基于擴(kuò)充狀態(tài)的零偏估計(jì)無法消除陀螺零偏時(shí)漂及溫漂帶來的姿態(tài)解算誤差,對(duì)此提出基于交互多模型的姿態(tài)估計(jì)算法,通過建立不同環(huán)境下陀螺零偏漂移模型,采用磁強(qiáng)計(jì)輔助姿態(tài)信息進(jìn)行多模型融合,消除了陀螺零偏變化帶來的影響,提高了無人機(jī)復(fù)雜環(huán)境應(yīng)用中的系統(tǒng)姿態(tài)估計(jì)精度;其次,針對(duì)旋翼無人機(jī)INS/GPS/氣壓高度計(jì)組合導(dǎo)航系統(tǒng)量測(cè)噪聲模型未知時(shí)變問題,設(shè)計(jì)了旋翼無人機(jī)有色噪聲時(shí)變情況下的多模型組合導(dǎo)航濾波算法,根據(jù)無人機(jī)量測(cè)噪聲特性構(gòu)建系統(tǒng)模型集,采用基于非線性UKF的交互多模型估計(jì)算法實(shí)時(shí)計(jì)算各個(gè)模型的概率,以逼近實(shí)際系統(tǒng)模型,從而避免了單一模型的片面性,獲得了準(zhǔn)確的狀態(tài)估計(jì)結(jié)果,增強(qiáng)了無人機(jī)導(dǎo)航系統(tǒng)的可靠性。在上述理論和方法研究的基礎(chǔ)上,為了對(duì)旋翼無人機(jī)組合導(dǎo)航系統(tǒng)誤差特性及融合方法進(jìn)行驗(yàn)證,論文通過搭載的多導(dǎo)航傳感器的旋翼無人機(jī)平臺(tái)進(jìn)行了室內(nèi)、室外飛行試驗(yàn)驗(yàn)證工作,驗(yàn)證了論文中所設(shè)計(jì)的多模型組合導(dǎo)航方案的可行性和有效性。本文針對(duì)多模型組合導(dǎo)航算法在旋翼無人機(jī)中的應(yīng)用開展了有針對(duì)性的研究工作,具有較好的工程應(yīng)用參考價(jià)值。
【關(guān)鍵詞】：旋翼無人機(jī) 慣性導(dǎo)航 組合導(dǎo)航 多模型估計(jì)方法 卡爾曼濾波
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V279
【目錄】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 緒論14-23
• 1.1 論文研究背景14
• 1.2 旋翼無人機(jī)導(dǎo)航技術(shù)與多模型理論的發(fā)展現(xiàn)狀14-19
• 1.2.1 旋翼無人機(jī)導(dǎo)航技術(shù)的發(fā)展現(xiàn)狀14-18
• 1.2.2 多模型估計(jì)理論的發(fā)展現(xiàn)狀18-19
• 1.3 論文研究的目的和意義19-20
• 1.4 本文的主要工作和結(jié)構(gòu)安排20-23
• 第二章 旋翼無人機(jī)導(dǎo)航傳感器誤差建模及標(biāo)定技術(shù)23-37
• 2.1 引言23
• 2.2 MEMS-IMU誤差建模與標(biāo)定23-28
• 2.2.1 MEMS慣性傳感器誤差建模23-24
• 2.2.2 MEMS慣性傳感器誤差標(biāo)定24-28
• 2.3 MEMS磁強(qiáng)計(jì)誤差建模與標(biāo)定28-32
• 2.3.1 MEMS磁強(qiáng)計(jì)誤差建模28-30
• 2.3.2 MEMS磁強(qiáng)計(jì)誤差標(biāo)定30-32
• 2.4 高度傳感器誤差特性分析與建模32-35
• 2.4.1 聲吶傳感器誤差分析與測(cè)試32-33
• 2.4.2 氣壓高度計(jì)誤差分析與測(cè)試33-35
• 2.5 本章小結(jié)35-37
• 第三章 多模型組合導(dǎo)航算法研究與改進(jìn)37-50
• 3.1 引言37
• 3.2 多模型方法的分類及特點(diǎn)37-42
• 3.2.1 自適應(yīng)多模型估計(jì)算法38-39
• 3.2.2 交互多模型估計(jì)算法39-40
• 3.2.3 變結(jié)構(gòu)多模型估計(jì)理論40-42
• 3.3 基于分散狀態(tài)的自適應(yīng)多模型算法設(shè)計(jì)與驗(yàn)證42-45
• 3.3.1 基于分散狀態(tài)的自適應(yīng)多模型算法設(shè)計(jì)42-43
• 3.3.2 分散狀態(tài)自適應(yīng)多模型算法仿真驗(yàn)證43-45
• 3.4 基于模型概率轉(zhuǎn)移的交互式多模型算法設(shè)計(jì)與改進(jìn)45-49
• 3.4.1 模型概率轉(zhuǎn)移的模糊規(guī)則設(shè)計(jì)46-47
• 3.4.2 基于模型概率轉(zhuǎn)移的交互式多模型算法仿真驗(yàn)證47-49
• 3.5 本章小結(jié)49-50
• 第四章 多模型非線性算法在無人機(jī)組合導(dǎo)航系統(tǒng)中的應(yīng)用與改進(jìn)50-62
• 4.1 引言50
• 4.2 UKF算法設(shè)計(jì)50-52
• 4.3 UAV交互多模型非線性姿態(tài)算法研究52-57
• 4.3.1 基于模型概率轉(zhuǎn)移的交互式多模型非線性姿態(tài)算法設(shè)計(jì)52-54
• 4.3.2 基于模型概率轉(zhuǎn)移的交互式多模型非線性姿態(tài)算法仿真驗(yàn)證54-57
• 4.4 基于時(shí)變有色噪聲的交互多模型非線性導(dǎo)航算法研究57-61
• 4.4.1 UKF交互多模型組合導(dǎo)航算法設(shè)計(jì)57-59
• 4.4.2 UKF交互多模型組合導(dǎo)航算法仿真驗(yàn)證59-61
• 4.5 本章小結(jié)61-62
• 第五章 基于旋翼無人機(jī)的多模型組合導(dǎo)航技術(shù)驗(yàn)證62-72
• 5.1 引言62
• 5.2 旋翼飛行器平臺(tái)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)62-65
• 5.2.1 旋翼飛行器導(dǎo)航系統(tǒng)硬件設(shè)計(jì)63-64
• 5.2.2 旋翼飛行器導(dǎo)航系統(tǒng)軟件設(shè)計(jì)64-65
• 5.3 基于多模型組合導(dǎo)航算法的旋翼飛行器室內(nèi)飛行試驗(yàn)65-68
• 5.3.1 室內(nèi)運(yùn)動(dòng)捕捉系統(tǒng)65
• 5.3.2 旋翼飛行器室內(nèi)動(dòng)態(tài)試驗(yàn)驗(yàn)證65-68
• 5.4 基于多模型組合導(dǎo)航算法的旋翼飛行器室外飛行試驗(yàn)68-70
• 5.4.1 旋翼飛行器室外多模型組合導(dǎo)航系統(tǒng)建立68-69
• 5.4.2 旋翼飛行器室外多模型組合導(dǎo)航系統(tǒng)飛行試驗(yàn)69-70
• 5.5 本章小結(jié)70-72
• 第六章 總結(jié)與展望72-74
• 6.1 本文工作總結(jié)72-73
• 6.2 對(duì)未來工作的展望73-74
• 參考文獻(xiàn)74-78
• 致謝78-79
• 在學(xué)期間的研究成果及學(xué)術(shù)論文情況79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 宋宇;翁新武;郭昕剛;;基于四元數(shù)EKF算法的小型無人機(jī)姿態(tài)估計(jì)[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2015年03期

2 毛征;孟凡剛;孟燦;趙齊月;龔萍;;基于高機(jī)動(dòng)目標(biāo)跟蹤的改進(jìn)變結(jié)構(gòu)IMM算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2015年03期

3 熊凱;魏春嶺;;基于多模型自適應(yīng)估計(jì)的航天器相對(duì)導(dǎo)航[J];系統(tǒng)科學(xué)與數(shù)學(xué);2014年07期

4 劉建業(yè);賈文峰;賴際舟;呂品;;微小型四旋翼飛行器多信息非線性融合導(dǎo)航方法及實(shí)現(xiàn)[J];南京航空航天大學(xué)學(xué)報(bào);2013年05期

5 雷旭升;李晶晶;郭克信;杜玉虎;;一種小型無人旋翼機(jī)高度信息融合方法[J];機(jī)器人;2012年04期

6 崔先強(qiáng);楊元喜;張曉東;;導(dǎo)航解算中的有色噪聲及其協(xié)方差矩陣自適應(yīng)擬合[J];空間科學(xué)學(xué)報(bào);2012年04期

7 劉慶剛;陳林元;;一種新的針對(duì)模型誤差所致濾波發(fā)散的補(bǔ)償方法[J];指揮控制與仿真;2012年03期

8 王小旭;梁彥;潘泉;趙春暉;李漢舟;;帶有色量測(cè)噪聲的非線性系統(tǒng)Unscented卡爾曼濾波器[J];自動(dòng)化學(xué)報(bào);2012年06期

9 錢華明;陳亮;楊峻巍;;改進(jìn)的模型集自適應(yīng)變結(jié)構(gòu)多模型算法[J];探測(cè)與控制學(xué)報(bào);2012年02期

10 周健;王新民;魏宏s，

本文編號(hào)：914914