本文關(guān)鍵詞：基于融合算法的組合導(dǎo)航方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：使用單一傳感器進(jìn)行導(dǎo)航，特別是使用低成本傳感器時(shí)，導(dǎo)航精度有限且容錯(cuò)性能不佳，這就需要同時(shí)使用多個(gè)傳感器進(jìn)行導(dǎo)航測(cè)量，并對(duì)測(cè)量數(shù)據(jù)進(jìn)行基于特定算法的融合，使各傳感器的誤差得到抑制，并且相互之間能夠優(yōu)勢(shì)互補(bǔ)，這種導(dǎo)航方法也就是組合導(dǎo)航。為了獲得較好的組合導(dǎo)航效果，本文主要進(jìn)行了以下幾個(gè)方面的工作： 1分析了捷聯(lián)慣導(dǎo)系統(tǒng)（SINS）的導(dǎo)航原理，探索了SINS的誤差來(lái)源及分布。討論了基于GPS的偽距導(dǎo)航定位原理，并初步闡述了載波相位觀測(cè)的關(guān)鍵技術(shù)。之后討論了天文導(dǎo)航定位原理和地磁導(dǎo)航定姿方法，并分析了地磁導(dǎo)航的誤差來(lái)源。 2基于最小二乘濾波理論，分析了卡爾曼濾波的數(shù)學(xué)原理和濾波遞推方法，然后討論了擴(kuò)展卡爾曼濾波的實(shí)現(xiàn)過(guò)程和優(yōu)缺點(diǎn)，，在此基礎(chǔ)上研究了無(wú)跡濾波算法的濾波過(guò)程，隨后討論了自適應(yīng)濾波方法以及強(qiáng)跟蹤濾波方法在非理想環(huán)境下的優(yōu)越性。之后引入了一種新興的濾波方法，即容積卡爾曼濾波，并對(duì)其數(shù)學(xué)原理進(jìn)行了比較詳細(xì)的介紹。在此基礎(chǔ)上，利用泰勒公式推導(dǎo)并比較了容積卡爾曼濾波和無(wú)跡卡爾曼濾波的數(shù)值穩(wěn)定性及濾波精度，并通過(guò)仿真比較了無(wú)跡卡爾曼濾波和容積卡爾曼濾波的解算量的大小�；趶�(qiáng)跟蹤原理并結(jié)合容積濾波的特性，提出了一種改進(jìn)的強(qiáng)跟蹤容積濾波方法。之后，研究了粒子濾波的非線性遞推過(guò)程，并提出了一種基于群優(yōu)化原理的粒子群改進(jìn)粒子濾波方法。 3為了對(duì)導(dǎo)航傳感器的輸出數(shù)據(jù)進(jìn)行精確的融合，研究了應(yīng)用比較廣泛的聯(lián)邦濾波融合方法。在使用多傳感器測(cè)量的情況下，分析了狀態(tài)可觀測(cè)性對(duì)融合結(jié)果的影響，討論了基于矢量原理的因子分配過(guò)程，初步分析了基于矢量分配的合理性。為了更適合實(shí)際應(yīng)用，使用了一種基于改進(jìn)的喬列斯基分解的逆矩陣求解方法。 4基于計(jì)算機(jī)仿真，驗(yàn)證了本文提出的改進(jìn)型聯(lián)邦濾波融合的精確性，得到了比傳統(tǒng)聯(lián)邦濾波組合方法更高的估計(jì)精度。 5初步探索了基于神經(jīng)網(wǎng)絡(luò)的INS/GPS組合導(dǎo)航方法，在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法上，使用了粒子群優(yōu)化算法。之后對(duì)比了在GPS短期失效時(shí)有神經(jīng)網(wǎng)絡(luò)輔助和無(wú)神經(jīng)網(wǎng)絡(luò)輔助的精度差別，結(jié)果顯示基于神經(jīng)網(wǎng)絡(luò)的方法可以在一定程度上減小導(dǎo)航定位誤差。 6回顧了本文的主要工作，對(duì)文中沒(méi)有深入探索和沒(méi)有進(jìn)行有效處理的問(wèn)題進(jìn)行了簡(jiǎn)要的總結(jié)，同時(shí)對(duì)融合算法和組合導(dǎo)航的應(yīng)用前景和發(fā)展方向進(jìn)行了初步的展望。
【關(guān)鍵詞】：組合導(dǎo)航 卡爾曼濾波 非線性濾波 聯(lián)邦濾波融合 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN96.2
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-15
• 1.1 組合導(dǎo)航的研究意義10-11
• 1.2 組合導(dǎo)航系統(tǒng)國(guó)內(nèi)外發(fā)展概況11-14
• 1.3 論文的內(nèi)容與結(jié)構(gòu)14-15
• 2 自主導(dǎo)航原理15-26
• 2.1 慣性導(dǎo)航15-18
• 2.2 衛(wèi)星導(dǎo)航18-21
• 2.3 天文導(dǎo)航21-23
• 2.4 地磁導(dǎo)航23-26
• 3 導(dǎo)航濾波理論26-53
• 3.1 卡爾曼濾波27-30
• 3.2 擴(kuò)展卡爾曼濾波30-32
• 3.3 無(wú)跡卡爾曼濾波32-36
• 3.4 自適應(yīng)濾波36-37
• 3.5 強(qiáng)跟蹤濾波37-38
• 3.6 容積卡爾曼濾波38-43
• 3.7 容積濾波的優(yōu)缺點(diǎn)討論43-44
• 3.8 一種改進(jìn)的容積卡爾曼濾波44-45
• 3.9 粒子濾波45-49
• 3.10 粒子濾波的改進(jìn)49-53
• 4 聯(lián)邦濾波融合理論53-59
• 4.1 聯(lián)邦濾波融合算法53-56
• 4.2 基于矢量跟蹤的分配因子優(yōu)化56
• 4.3 一種快速聯(lián)邦濾波算法56-59
• 5 基于聯(lián)邦濾波的 CNS/INS/GPS 組合導(dǎo)航59-63
• 5.1 導(dǎo)航傳感器選取59
• 5.2 融合算法選取59-60
• 5.3 仿真與分析60-63
• 6 基于人工智能算法的組合導(dǎo)航方法63-71
• 6.1 神經(jīng)網(wǎng)絡(luò)原理63-65
• 6.2 基于神經(jīng)網(wǎng)絡(luò)的組合導(dǎo)航原理65-68
• 6.3 PSO 訓(xùn)練方法68-69
• 6.4 仿真驗(yàn)證69-71
• 7 總結(jié)與展望71-72
• 參考文獻(xiàn)72-77
• 碩士期間的成果及獲獎(jiǎng)77-78
• 致謝78-79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 鄧建輝;劉國(guó)燕;;基于神經(jīng)網(wǎng)絡(luò)的聯(lián)合智能濾波在導(dǎo)航系統(tǒng)中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2006年01期

2 高艷麗;劉詩(shī)斌;;基于PSO的神經(jīng)網(wǎng)絡(luò)在傳感器數(shù)據(jù)融合中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2006年04期

3 李春艷;李懷鋒;孫才紅;;高精度星敏感器天文標(biāo)定方法及觀測(cè)分析[J];光學(xué)精密工程;2006年04期

4 周銳,申功勛,房建成,祝世平;多傳感器融合目標(biāo)跟蹤[J];航空學(xué)報(bào);1998年05期

5 方正;佟國(guó)峰;徐心和;;基于粒子群優(yōu)化的粒子濾波定位方法[J];控制理論與應(yīng)用;2008年03期

6 向禮;劉雨;蘇寶庫(kù);;一種新的粒子濾波算法在INS/GPS組合導(dǎo)航系統(tǒng)中的應(yīng)用[J];控制理論與應(yīng)用;2010年02期

7 呂娜;馮祖仁;;非線性交互粒子濾波算法[J];控制與決策;2007年04期

8 顧啟泰;方靖;;廣義聯(lián)邦濾波器的全局最優(yōu)性(英文)[J];自動(dòng)化學(xué)報(bào);2009年10期

9 劉國(guó)良;強(qiáng)文義;;基于粗神經(jīng)網(wǎng)絡(luò)的圖像融合算法的研究[J];模式識(shí)別與人工智能;2003年03期

10 林孝工;徐樹(shù)生;謝業(yè)海;;基于自適應(yīng)平方根 CKF 的多傳感器混合融合算法(英文)[J];Journal of Marine Science and Application;2013年01期

  本文關(guān)鍵詞：基于融合算法的組合導(dǎo)航方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：305956