智能汽車,包含智能電動汽車,其主要分環(huán)境感知、目標(biāo)決策與行為控制三方面。定位導(dǎo)航與路徑跟蹤技術(shù)分別作為感知與決策模塊的重要內(nèi)容之一,其定位精度的高低將直接影響行車安全性與經(jīng)濟性。由于GPS數(shù)據(jù)更新頻率低、信號易缺失,而SINS數(shù)據(jù)更新頻率高,但誤差易隨時間累積,因此,實際應(yīng)用中多基于GPS/SINS進行組合導(dǎo)航系統(tǒng)的設(shè)計。然而,卻鮮有文獻對組合導(dǎo)航中軌跡模擬器的設(shè)計與SINS仿真模型的構(gòu)建進行論述,此外,雖然現(xiàn)如今有很多路徑跟蹤算法都達到了較好的路徑跟蹤效果,但多是針對勻速狀況的,很少有轉(zhuǎn)彎過程中基于道路彎曲度變化情況自動變速的算法,而當(dāng)以較高車速行駛時,不降速極易在轉(zhuǎn)彎處發(fā)生事故。因此,為了較好地實現(xiàn)智能汽車的自適應(yīng)巡航,論文以某一智能電動汽車為實驗載體針對上述問題進行了以下研究:（1）為實時獲取GPS在BJ-54坐標(biāo)系下的平面坐標(biāo),在對其導(dǎo)航原理、相關(guān)坐標(biāo)系與NMEA0183協(xié)議進行分析的基礎(chǔ)上,基于型號為Trimble BD982的雙天線差分GPS,設(shè)計了一種將串口直接采集的WGS-84坐標(biāo)系下的經(jīng)緯度坐標(biāo)實時轉(zhuǎn)換為BJ-54坐標(biāo)系下的平面直角坐標(biāo)的方法,并對雙天線中涉及的兩個姿... 

【文章來源】：山東理工大學(xué)山東省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【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(nèi)外研究現(xiàn)狀
        1.2.1 GPS/SINS組合導(dǎo)航方式研究現(xiàn)狀
        1.2.2 濾波算法研究現(xiàn)狀
        1.2.3 路徑跟蹤控制方法研究現(xiàn)狀
        1.2.4 研究現(xiàn)狀綜合評述
    1.3 本文研究內(nèi)容和思路
第二章 導(dǎo)航系統(tǒng)位置與姿態(tài)解算的實現(xiàn)
    2.1 GPS導(dǎo)航系統(tǒng)位置與姿態(tài)解算的實現(xiàn)
        2.1.1 GPS導(dǎo)航原理
        2.1.2 GPS坐標(biāo)系
        2.1.3 GPS協(xié)議
        2.1.4 GPS導(dǎo)航參數(shù)的實時獲取方法
    2.2 SINS導(dǎo)航系統(tǒng)位置與姿態(tài)解算的實現(xiàn)
        2.2.1 SINS協(xié)議
        2.2.2 SINS坐標(biāo)系
        2.2.3 SINS解算
        2.2.4 SINS仿真器的設(shè)計方案
        2.2.5 案例驗證
    2.3 本章小結(jié)
第三章 基于軌跡模擬器和卡爾曼濾波的GPS/SINS組合導(dǎo)航
    3.1 GPS/SINS組合導(dǎo)航系統(tǒng)方案
        3.1.1 組合深度方案
        3.1.2 估計方案
    3.2 濾波器系統(tǒng)模型與算法
        3.2.1 模型理論介紹
        3.2.2 基于松組合間接法設(shè)計的濾波器模型
        3.2.3 卡爾曼濾波器原理
    3.3 案例驗證
        3.3.1 仿真實驗
        3.3.2 半物理仿真實驗
    3.4 本章小結(jié)
第四章 基于Pure Pursuit的路徑跟蹤改進算法
    4.1 基于二輪自行車模型的Pure Pursuit算法
    4.2 局部區(qū)域內(nèi)的路徑跟蹤
    4.3 改進的Pure Pursuit算法
        4.3.1 前視距離與目標(biāo)點的確定方法
        4.3.2 道路彎曲度的確定方法
    4.4 案例驗證
    4.5 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 創(chuàng)新點
    5.3 研究展望
參考文獻
在讀碩士學(xué)位期間的學(xué)術(shù)成果
致謝


【參考文獻】：
期刊論文
[1]基于多點預(yù)瞄最優(yōu)控制的智能車輛路徑跟蹤[J]. 黃海洋,張建,王宇,王御,劉金波.  汽車技術(shù). 2018(10)
[2]車載低成本GNSS/SINS緊組合導(dǎo)航系統(tǒng)設(shè)計[J]. 趙正揚,湯新華,陳熙源.  測控技術(shù). 2018(09)
[3]一種結(jié)合H∞濾波的SINS/GPS組合無人機定位算法[J]. 王昆侖,陶庭葉,黃祚繼,王春林.  測繪通報. 2018(05)
[4]插秧機導(dǎo)航路徑跟蹤改進純追蹤算法[J]. 李革,王宇,郭劉粉,童俊華,何勇.  農(nóng)業(yè)機械學(xué)報. 2018(05)
[5]基于粒子群優(yōu)化的UKF在SINS/GPS組合導(dǎo)航中的應(yīng)用[J]. 徐曉蘇,閆琳宇,吳曉飛,龐東,彭源源.  中國慣性技術(shù)學(xué)報. 2018(02)
[6]一種強跟蹤UKF及其在GPS/SINS深組合導(dǎo)航中的應(yīng)用[J]. 葉晨,崔雙喜.  導(dǎo)彈與航天運載技術(shù). 2018(02)
[7]基于模型預(yù)測控制的智能車輛路徑跟蹤控制器設(shè)計[J]. 王藝,蔡英鳳,陳龍,王海,李健,儲小軍.  汽車技術(shù). 2017(10)
[8]融合GPS/SINS的容積卡爾曼濾波智能車位置姿態(tài)估計方法[J]. 楊瀾,惠飛,穆柯楠,侯俊,馬峻巖,史昕.  中國科技論文. 2017(14)
[9]GPS失鎖情況下基于神經(jīng)網(wǎng)絡(luò)的組合導(dǎo)航算法研究[J]. 張新民,張維.  彈箭與制導(dǎo)學(xué)報. 2017(03)
[10]一種用于車輛定位的交互式多模型兩級卡爾曼濾波（英文）[J]. 徐啟敏,李旭,李斌,宋向輝.  Journal of Southeast University（English Edition）. 2017(02)

博士論文
[1]基于速度自適應(yīng)的拖拉機自動導(dǎo)航控制系統(tǒng)研究[D]. 劉進一.中國農(nóng)業(yè)大學(xué) 2017
[2]面向高動態(tài)環(huán)境的SINS/GPS高精度組合測量中的關(guān)鍵問題研究[D]. 陳建鋒.東南大學(xué) 2015
[3]一種基于時間—空間差分的GPS/SINS超緊組合導(dǎo)航系統(tǒng)研究[D]. 蔡佳楠.哈爾濱工程大學(xué) 2015
[4]基于車載的GPS/INS組合導(dǎo)航定位系統(tǒng)的關(guān)鍵技術(shù)研究[D]. 徐振凱.東南大學(xué) 2015
[5]MEMS-SINS/GPS組合導(dǎo)航關(guān)鍵技術(shù)研究[D]. 崔留爭.中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所) 2014

碩士論文
[1]輪式拖拉機高精度自主耕作關(guān)鍵技術(shù)研究[D]. 李會彬.河南科技大學(xué) 2017
[2]衛(wèi)星信號短暫缺失時的組合導(dǎo)航技術(shù)研究與實現(xiàn)[D]. 趙雪峰.電子科技大學(xué) 2017
[3]雙天線GPS/SINS組合導(dǎo)航系統(tǒng)研究與設(shè)計[D]. 鄭京森.浙江大學(xué) 2017
[4]基于SINS/GPS緊組合導(dǎo)航系統(tǒng)研究[D]. 沈凱.南京理工大學(xué) 2017
[5]基于拖拉機導(dǎo)航的路徑跟蹤技術(shù)研究[D]. 石翔.石河子大學(xué) 2016
[6]智能車控制系統(tǒng)的設(shè)計與路徑跟蹤算法的研究[D]. 楊晨.北京工業(yè)大學(xué) 2016
[7]基于低成本MEMS的SINS/GPS組合導(dǎo)航算法研究[D]. 潘利鵬.沈陽理工大學(xué) 2014
[8]拖拉機自動導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D]. 賈全.中國農(nóng)業(yè)機械化科學(xué)研究院 2013
[9]車載組合導(dǎo)航系統(tǒng)技術(shù)研究[D]. 王媛.哈爾濱工程大學(xué) 2013
[10]GPS/INS組合導(dǎo)航算法研究與實現(xiàn)[D]. 劉帥.解放軍信息工程大學(xué) 2012



本文編號：3640453