近年來,人們生活水平不斷提升,汽車的使用也愈加頻繁,但在使用過程中,依然會(huì)遇到很多問題。為了更加方便人們的生活,智能汽車隨之出現(xiàn),也成為各位專家學(xué)者和行業(yè)人士研究的重點(diǎn)。在對(duì)智能車研究的過程中,研究者利用先進(jìn)的科學(xué)技術(shù)優(yōu)化對(duì)車輛的控制,來保證車輛行駛更加安全。車輛對(duì)自己運(yùn)動(dòng)狀態(tài)的感知是汽車智能化研究的重點(diǎn),而運(yùn)動(dòng)的參數(shù)估計(jì)又是其關(guān)鍵。其中,描述車輛運(yùn)動(dòng)狀態(tài)的指標(biāo)主要有車輛的位移、速度、還有姿態(tài)等。因此,車輛的姿態(tài)是描述車輛運(yùn)動(dòng)的重要參數(shù)之一。本文將選取智能車運(yùn)動(dòng)參數(shù)中的姿態(tài)進(jìn)行研究,對(duì)于姿態(tài)的估計(jì),提出基于多尺度和自適應(yīng)梯度下降的姿態(tài)估計(jì)方法,分別從雙姿態(tài)模型,多尺度姿態(tài)估計(jì)方法、自適應(yīng)梯度下降姿態(tài)估計(jì)方法三個(gè)方面進(jìn)行相關(guān)研究。具體的研究方法和創(chuàng)新性為:1、由于四元數(shù)姿態(tài)估計(jì)具有全局非奇異性,但計(jì)算量較大,高階羅德里格斯參數(shù)（HOMRP）姿態(tài)估計(jì)的計(jì)算量雖然比較小,但計(jì)算過程中會(huì)出現(xiàn)奇異性。對(duì)于兩種方法的優(yōu)點(diǎn)與不足,設(shè)計(jì)基于雙姿態(tài)的估計(jì)模型,在汽車的不同姿態(tài)解算狀態(tài)下,切換到不同的姿態(tài)模型中,既可以很好地發(fā)揮出兩種模型的優(yōu)點(diǎn),同時(shí)可以避免它們的不足。2、提出基于多尺度的姿態(tài)估計(jì)方法。介... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要內(nèi)容及結(jié)構(gòu)
2 雙姿態(tài)表示模型
    2.1 坐標(biāo)系的建立
    2.2 坐標(biāo)之間的關(guān)系
        2.2.1 坐標(biāo)系之間的變換
        2.2.2 姿態(tài)角的確定
    2.3 四元數(shù)姿態(tài)解算
        2.3.1 四元數(shù)基礎(chǔ)
        2.3.2 四元數(shù)與姿態(tài)矩陣的關(guān)系
        2.3.3 微分方程
        2.3.4 四元數(shù)姿態(tài)解算
    2.4 高階羅德里格斯參數(shù)姿態(tài)解算
        2.4.1 羅德里格斯公式
        2.4.2 高階羅德里格斯參數(shù)姿態(tài)解算
        2.4.3 雙姿態(tài)表示模型
    2.5 本章小結(jié)
3 多尺度姿態(tài)估計(jì)方法研究
    3.1 小波濾波多尺度系統(tǒng)
        3.1.1 連續(xù)小波變換
        3.1.2 離散小波變換
        3.1.3 多尺度分析
        3.1.4 Mallat算法
    3.2 多尺度系統(tǒng)模型
    3.3 信號(hào)的多尺度表示
    3.4 多尺度估計(jì)算法在姿態(tài)估計(jì)中的應(yīng)用
    3.5 多尺度方法仿真
    3.6 本章小結(jié)
4 自適應(yīng)梯度下降的姿態(tài)估計(jì)方法研究
    4.1 梯度下降姿態(tài)估計(jì)算法
        4.1.1 梯度下降法的基本知識(shí)
        4.1.2 四元數(shù)梯度下降法
    4.2 梯度下降中步長的確定
        4.2.1 BLS算法基礎(chǔ)
        4.2.2 PLS算法確定步長
    4.3 運(yùn)動(dòng)噪聲的抑制
    4.4 自適應(yīng)梯度下降方法仿真
    4.5 本章小結(jié)
5 車載測(cè)試和結(jié)果分析
    5.1 測(cè)試器件和測(cè)試場(chǎng)景
    5.2 多尺度姿態(tài)估計(jì)方法車載測(cè)試
    5.3 自適應(yīng)梯度下降姿態(tài)估計(jì)方法車載測(cè)試
    5.4 多尺度和自適應(yīng)梯度下降的姿態(tài)估計(jì)方法車載測(cè)試
    5.5 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果


【參考文獻(xiàn)】：
期刊論文
[1]基于動(dòng)態(tài)權(quán)值共軛梯度的自適應(yīng)互補(bǔ)濾波姿態(tài)估計(jì)算法[J]. 付雷,章政,余義.  高技術(shù)通訊. 2019(10)
[2]基于遞推最小二乘與互補(bǔ)濾波的姿態(tài)估計(jì)[J]. 陳光武,李少遠(yuǎn),李文元,王迪,張琳婧.  控制理論與應(yīng)用. 2019(07)
[3]不同姿態(tài)表示方法下的姿態(tài)估計(jì)分析[J]. 魯鑫,高敬東,李開龍.  艦船科學(xué)技術(shù). 2018(05)
[4]基于雙姿態(tài)的高階羅德里格斯參數(shù)姿態(tài)估計(jì)[J]. 陳永冰,李文魁,周崗,劉勇.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[5]基于傳感器校正與融合的農(nóng)用小型無人機(jī)姿態(tài)估計(jì)算法[J]. 彭孝東,張鐵民,李繼宇,陳瑜.  自動(dòng)化學(xué)報(bào). 2015(04)
[6]互補(bǔ)濾波算法在四旋翼飛行器姿態(tài)解算中的應(yīng)用[J]. 萬曉鳳,康利平,余運(yùn)俊,林偉財(cái).  測(cè)控技術(shù). 2015(02)
[7]自適應(yīng)混合濾波算法在微型飛行器姿態(tài)估計(jì)中的應(yīng)用[J]. 傅忠云,劉文波,孫金秋,徐貴力.  傳感技術(shù)學(xué)報(bào). 2014(05)
[8]基于共軛梯度法和互補(bǔ)濾波相結(jié)合的姿態(tài)解算算法[J]. 孫金秋,游有鵬,傅忠云.  傳感技術(shù)學(xué)報(bào). 2014(04)
[9]SINS/GPS/CNS組合導(dǎo)航聯(lián)邦濾波算法[J]. 張科,劉海鵬,李恒年,錢山.  中國慣性技術(shù)學(xué)報(bào). 2013(02)
[10]基于EKF的新混沌系統(tǒng)濾波方法[J]. 李國輝,李亞安,楊宏.  系統(tǒng)工程與電子技術(shù). 2013(09)

碩士論文
[1]低成本GPS/INS無縫組合導(dǎo)航誤差抑制技術(shù)研究[D]. 李文元.蘭州交通大學(xué) 2019
[2]基于磁流變懸架的智能汽車車身姿態(tài)優(yōu)化控制研究[D]. 熊輝.武漢理工大學(xué) 2018
[3]四旋翼無人機(jī)的姿態(tài)解算及自抗擾控制[D]. 曾雨.東北大學(xué) 2017
[4]復(fù)雜城市環(huán)境下智能車導(dǎo)航定位方法研究[D]. 張奕然.電子科技大學(xué) 2015
[5]基于小波濾波的多尺度傳感器信息融合方法研究[D]. 曲法義.哈爾濱工業(yè)大學(xué) 2008
[6]狀態(tài)信息融合算法研究[D]. 姜興彤.上海交通大學(xué) 2008



本文編號(hào)：3159931