多傳感器融合技術的出現大大地促進了車載定位技術的發(fā)展,過去單獨使用GPS或者慣導系統(tǒng)來進行定位的時候已經過去,在無人駕駛這個領域中,將GPS和慣性導航設備進行數據融合可以極大地提高定位精度。有很多數據融合的方法,本文采用卡爾曼濾波,因其傳遞性、時效性和準確性強,而被廣泛采用,基于GPS/IMU組合定位濾波算法就是在此基礎上成熟起來的。而此濾波算法有多種耦合方式,如松組合、緊組合和深組合,本文采用的是松組合,基本思路是將GPS和慣導兩個定位系統(tǒng)分別作為子系統(tǒng),二者單獨工作,分別將各自的解算后的定位結果傳到卡爾曼濾波器,取二者之差,后由誤差模型將慣導系統(tǒng)的誤差解算出來,最后把修正后的慣導輸出結果當做整個系統(tǒng)的輸出,使得結果最優(yōu)化。之后以改裝的智能車為載體,采集GPS和慣導的數據,處理后進行仿真實驗,最后基于擴展卡爾曼濾波算法進行實車實驗,仿真實驗結果表明,融合后的定位誤差比單獨使用GPS在x、y、z方向上誤差分別有所降低,在實車實驗中,經緯度誤差基本控制在厘米級,說明在組合導航定位系統(tǒng)中,卡爾曼濾波算法有效的降低了平面坐標中三個方向的誤差。對于軌跡跟蹤控制研究,主要是通過控制車輛的驅動和轉...

【文章來源】： 山東理工大學山東省

【文章頁數】：76 頁

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 GPS/IMU組合定位研究現狀
        1.2.2 卡爾曼濾波研究現狀
        1.2.3 模型預測控制研究現狀
    1.3 本文研究內容及思路
第二章 GPS/IMU定位系統(tǒng)的位姿解算
    2.1 GPS定位系統(tǒng)的位姿解算
        2.1.1 GPS定位原理
        2.1.2 GPS特點及誤差源分析
        2.1.3 GPS相關協(xié)議
    2.2 基于捷聯(lián)慣導的IMU定位系統(tǒng)
        2.2.1 慣性導航定位
        2.2.2 慣性測量單元的誤差分析
    2.3 坐標變換處理
        2.3.1 坐標系介紹
        2.3.2 坐標轉換
    2.4 數據采集及可視化
    2.5 本章小結
第三章 基于卡爾曼濾波融合算法的組合定位及實驗驗證
    3.1 數據融合技術
        3.1.1 數據融合定義
        3.1.2 多傳感器數據融合技術
    3.2 GPS/IMU組合導航定位方式
    3.3 卡爾曼濾波算法及其研究
        3.3.1 卡爾曼濾波介紹
        3.3.2 融合算法的實現
    3.4 仿真及實車試驗
        3.4.1 仿真實驗
        3.4.2 實車試驗
    3.5 本章小結
第四章 基于模型預測控制的軌跡跟蹤
    4.1 MPC的理論介紹
    4.2 基于MPC控制算法開發(fā)
        4.2.1 車輛運動學模型建立
        4.2.2 非線性的模型預測控制
        4.2.3 基于MPC線性時變控制器開發(fā)
    4.3 MPC控制器的求解及理論分析
    4.4 MPC軌跡跟蹤控制算法仿真實驗分析
        4.4.1 不同預測時域對系統(tǒng)輸出影響
        4.4.2 不同控制時域對系統(tǒng)輸出的影響
        4.4.3 軌跡跟蹤仿真實驗
    4.5 控制算法實車試驗
    4.6 本章小結
第五章 全文總結與展望
    5.1 總結
    5.2 展望
參考文獻
在讀期間公開發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于模型預測控制的智能車軌跡跟蹤控制研究 [J]. 牛亞明,邵金菊,沈剛,李訓意,魏國.  汽車實用技術. 2020(06)
[2]一種基于自適應卡爾曼的數據濾波方法 [J]. 張一帆.  科技風. 2019(01)
[3]INS/GPS組合導航的混合式濾波算法 [J]. 韓斌子,胡柏青.  電子技術與軟件工程. 2018(24)
[4]改進的擴展卡爾曼濾波算法研究 [J]. 賀軍義,李男男,安葳鵬.  測控技術. 2018(12)
[5]一種新型模糊卡爾曼濾波數據融合算法 [J]. 肖力銘,屈濟坤,齊海生,岳振軍.  指揮控制與仿真. 2018(06)
[6]一種基于卡爾曼濾波的定位解算性能評估新方法 [J]. 王勛,左啟耀,洪詩聘,陳亮,楊曉昆.  導航定位與授時. 2018(05)
[7]無人駕駛商用車發(fā)展前景及應用 [J]. 崔冬.  中國物流與采購. 2018(19)
[8]GPS/IMU/DMI組合導航方法研究 [J]. 高揚,高邐,烏萌,王成賓.  西北工業(yè)大學學報. 2018(02)
[9]基于模型預測控制的智能網聯(lián)汽車路徑跟蹤控制器設計 [J]. 王藝,蔡英鳳,陳龍,王海,何友國,李健.  機械工程學報. 2019(08)
[10]基于模型預測控制的智能汽車目標路徑跟蹤方法研究 [J]. 段建民,田曉生,夏天,宋志雪.  汽車技術. 2017(08)

碩士論文
[1]無跡卡爾曼濾波的改進算法及其在GPS/INS組合導航中的應用研究[D]. 洪志強.東華理工大學. 2019
[2]基于LSTM和STCL3d網絡的城市短時交通流預測研究[D]. 唐浩雲.西南交通大學. 2019
[3]基于模型預測控制的智能車輛橫向運動控制研究[D]. 王藝.江蘇大學. 2018
[4]智能車輛的路徑跟蹤及底層控制研究[D]. 趙潔.吉林大學. 2018
[5]基于數據融合濾波的組合慣性導航系統(tǒng)研究與實現[D]. 劉海亮.武漢理工大學. 2018
[6]無人駕駛汽車路徑跟蹤控制研究[D]. 奉山森.湖南大學. 2018
[7]卡爾曼濾波在車載組合導航中的應用研究[D]. 張華倩.信息科學與工程學院. 2017
[8]無人駕駛汽車轉向控制方法及研究[D]. 劉果.重慶交通大學. 2017
[9]無人駕駛車輛的自動轉向控制[D]. 余如.吉林大學. 2016
[10]基于模型預測控制的無人駕駛車輛軌跡跟蹤控制算法研究[D]. 孫銀健.北京理工大學. 2015



本文編號：3553118