車載導(dǎo)航系統(tǒng)（VNS）可以提供用于汽車行駛的多種導(dǎo)航參數(shù),目前被廣泛運(yùn)用于無人駕駛、車載導(dǎo)航儀、機(jī)器人導(dǎo)航等民用以及軍用領(lǐng)域中,由于互聯(lián)網(wǎng)與物聯(lián)網(wǎng)的快速發(fā)展,汽車導(dǎo)航系統(tǒng)將在未來會發(fā)揮越來越重要的作用。目前,精度和可靠性為車載組合導(dǎo)航系統(tǒng)重要的性能指標(biāo),而在車載導(dǎo)航系統(tǒng)中,捷聯(lián)慣性導(dǎo)航系統(tǒng)、全球定位系統(tǒng)與里程計(jì)是常用的導(dǎo)航傳感器,如何將它們進(jìn)行有效的多傳感器組合并改善傳統(tǒng)的濾波算法以提高系統(tǒng)的抗干擾能力和高精度導(dǎo)航參數(shù)輸出能力是本文重點(diǎn)研究的內(nèi)容。本文圍繞傳感器的原理與誤差分析、多傳感器濾波結(jié)構(gòu)的選取、信息分配系數(shù)的設(shè)計(jì)以及級聯(lián)自適應(yīng)魯棒聯(lián)邦濾波算法的構(gòu)造等展開研究分析,研究內(nèi)容為以下幾點(diǎn):首先,介紹了捷聯(lián)慣性導(dǎo)航系統(tǒng)、全球?qū)Ш蕉ㄎ幌到y(tǒng)與車載里程計(jì)的工作過程,對它們的誤差進(jìn)行數(shù)學(xué)建模,同時(shí)對比了這三種傳感器在實(shí)際應(yīng)用中的優(yōu)點(diǎn)和缺點(diǎn),從理論層面上闡述三種傳感器單獨(dú)使用的弊端以及進(jìn)行組合的必要性。其次,介紹了標(biāo)準(zhǔn)卡爾曼濾波的應(yīng)用背景、數(shù)學(xué)公式以及算法流程;當(dāng)多個(gè)傳感器組合使用時(shí),介紹了集中式濾波和聯(lián)邦式濾波兩種濾波方式,比較了二者的優(yōu)勢與弊端;對基于聯(lián)邦濾波結(jié)構(gòu)的車載導(dǎo)航系統(tǒng)進(jìn)行建模,從提... 

【文章頁數(shù)】：106 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究和發(fā)展現(xiàn)狀
        1.2.1 車載導(dǎo)航系統(tǒng)的發(fā)展和研究現(xiàn)狀
        1.2.2 卡爾曼濾波及自適應(yīng)濾波的發(fā)展與研究現(xiàn)狀
    1.3 論文的研究內(nèi)容及章節(jié)安排
第2章 慣性/全球定位/里程計(jì)傳感器分析
    2.1 捷聯(lián)慣性導(dǎo)航系統(tǒng)(SINS)
        2.1.1 常用坐標(biāo)系及其轉(zhuǎn)換關(guān)系
        2.1.2 捷聯(lián)慣導(dǎo)系統(tǒng)的工作原理
        2.1.3 捷聯(lián)慣導(dǎo)系統(tǒng)的誤差模型
    2.2 全球定位系統(tǒng)(GPS)
        2.2.1 全球定位系統(tǒng)概述
        2.2.2 全球定位系統(tǒng)原理
        2.2.3 全球定位系統(tǒng)的誤差分析
    2.3 里程計(jì)(Odometer)
        2.3.1 船位推算算法
        2.3.2 船位推算的誤差分析
    2.4 本章小結(jié)
第3章 慣性/全球定位/里程計(jì)組合導(dǎo)航方案研究
    3.1 卡爾曼濾波(KF)
    3.2 集中式卡爾曼濾波(CKF)
        3.2.1 集中式卡爾曼濾波的模型
        3.2.2 集中式卡爾曼濾波的優(yōu)劣分析
    3.3 聯(lián)邦卡爾曼濾波(FKF)
        3.3.1 聯(lián)邦卡爾曼濾波的原理及特點(diǎn)
        3.3.2 聯(lián)邦濾波器的結(jié)構(gòu)對比與性能分析
        3.3.3 集中式與聯(lián)邦式濾波的仿真對比
    3.4 慣性/全球定位/里程計(jì)的數(shù)學(xué)模型建立
        3.4.1 SINS/GPS子系統(tǒng)的數(shù)學(xué)建模
        3.4.2 SINS/OD子系統(tǒng)的數(shù)學(xué)建模
    3.5 車載聯(lián)邦濾波系統(tǒng)的信息分配
        3.5.1 聯(lián)邦濾波信息分配系數(shù)
        3.5.2 優(yōu)化的信息分配方案設(shè)計(jì)
        3.5.3 仿真與分析
    3.6 本章小結(jié)
第4章 級聯(lián)自適應(yīng)魯棒的車載導(dǎo)航算法研究
    4.1 車載導(dǎo)航系統(tǒng)的異常類型及分析
        4.1.1 常見的車載導(dǎo)航傳感器異常類型
        4.1.2 異常信息對卡爾曼濾波的影響
    4.2 級聯(lián)自適應(yīng)魯棒的車載聯(lián)邦濾波算法
        4.2.1 基于狀態(tài)噪聲不確定的Sage-Husa自適應(yīng)濾波
        4.2.2 基于觀測異常的自適應(yīng)新息匹配濾波
        4.2.3 級聯(lián)自適應(yīng)魯棒的車載聯(lián)邦濾波算法設(shè)計(jì)
    4.3 載體運(yùn)動軌跡發(fā)生器的設(shè)計(jì)
        4.3.1 載體典型運(yùn)動方式的數(shù)學(xué)模型
        4.3.2 載體運(yùn)動軌跡生成算法
        4.3.3 慣性器件數(shù)據(jù)生成算法
    4.4 算法仿真驗(yàn)證
        4.4.1 仿真條件的設(shè)置
        4.4.2 仿真結(jié)果及分析
    4.5 車載實(shí)驗(yàn)驗(yàn)證
        4.5.1 搭建車載實(shí)驗(yàn)平臺
        4.5.2 車載實(shí)驗(yàn)的結(jié)果與分析
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]抗野值自適應(yīng)衛(wèi)星/微慣性組合導(dǎo)航方法[J]. 王鼎杰,孟德利,李朝陽,董毅,吳杰.  儀器儀表學(xué)報(bào). 2017(12)
[2]一種在線調(diào)節(jié)的聯(lián)邦卡爾曼組合導(dǎo)航方法[J]. 高沛林.  水下無人系統(tǒng)學(xué)報(bào). 2017(03)
[3]自適應(yīng)聯(lián)邦濾波器在GPS-INS-Odometer組合導(dǎo)航的應(yīng)用[J]. 李增科,王堅(jiān),高井祥,姚一飛.  測繪學(xué)報(bào). 2016(02)
[4]高斯粒子濾波的慣性/GPS緊組合算法[J]. 于永軍,徐錦法,熊智,張梁.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2015(05)
[5]用于組合測姿的Kalman漸消因子自適應(yīng)估計(jì)算法[J]. 蘇鑫,萬彥輝,謝波.  系統(tǒng)仿真學(xué)報(bào). 2012(08)
[6]基于時(shí)間序列分析的自適應(yīng)聯(lián)邦濾波算法[J]. 袁贛南,袁克非,張紅偉,李寧.  中國慣性技術(shù)學(xué)報(bào). 2011(06)
[7]平方根容積卡爾曼濾波器[J]. 郝燕玲,楊峻巍,陳亮,郝金會.  彈箭與制導(dǎo)學(xué)報(bào). 2012(02)
[8]Intelligent fault-tolerant algorithm with two-stage and feedback for integrated navigation federated filtering[J]. Li Cong, Honglei Qin, and Zhanzhong Tan School of Electronic and Information Engineering, Beihang University, Beijing 100191, P. R. China.  Journal of Systems Engineering and Electronics. 2011(02)
[9]MSINS/GPS全組合系統(tǒng)可觀測性分析（英文）[J]. 胡小毛,劉飛,翁海娜.  中國慣性技術(shù)學(xué)報(bào). 2011(01)
[10]基于可觀測性分析的光纖陀螺SINS/測速儀組合系統(tǒng)技術(shù)[J]. 朱蘭偉,張燕,蔡春龍.  中國慣性技術(shù)學(xué)報(bào). 2011(01)

博士論文
[1]組合導(dǎo)航UKF算法與數(shù)據(jù)融合技術(shù)拓展研究[D]. 胡高歌.西北工業(yè)大學(xué) 2016
[2]制導(dǎo)彈箭彈道測量及彈道重構(gòu)技術(shù)研究[D]. 丁傳炳.南京理工大學(xué) 2011
[3]車載組合導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D]. 夏全喜.哈爾濱工程大學(xué) 2010

碩士論文
[1]基于MEMS IMU的車載組合導(dǎo)航技術(shù)研究[D]. 徐正鵬.武漢大學(xué) 2017
[2]INS/GPS組合導(dǎo)航數(shù)據(jù)事后處理技術(shù)的研究[D]. 蔣鑫.南京航空航天大學(xué) 2017
[3]光纖陀螺捷聯(lián)慣導(dǎo)系統(tǒng)的算法研究及DSP實(shí)現(xiàn)[D]. 張強(qiáng).哈爾濱工程大學(xué) 2017
[4]基于非線性濾波的SINS/GPS緊組合導(dǎo)航方法研究[D]. 王剛.哈爾濱工程大學(xué) 2016
[5]車載慣性導(dǎo)航系統(tǒng)行進(jìn)間對準(zhǔn)算法研究及仿真[D]. 李志剛.哈爾濱工業(yè)大學(xué) 2015
[6]無人機(jī)高精度目標(biāo)定位技術(shù)研究[D]. 邵慧.南京航空航天大學(xué) 2014
[7]基于MEMS的人體運(yùn)動跟蹤算法研究[D]. 崔少新.哈爾濱工程大學(xué) 2014
[8]基于MEMS-IMU的航姿測量系統(tǒng)技術(shù)研究[D]. 劉坤.哈爾濱工程大學(xué) 2014
[9]MSINS/GPS/汽車傳感器組合導(dǎo)航系統(tǒng)研究[D]. 郭美玲.哈爾濱工程大學(xué) 2013
[10]基于Kalman濾波的測深系統(tǒng)研究[D]. 徐冉.哈爾濱工程大學(xué) 2011



本文編號：3730049