為解決農(nóng)機(jī)自動導(dǎo)航系統(tǒng)在田間作業(yè)過程中因防風(fēng)樹林等對衛(wèi)星信號產(chǎn)生遮擋與干擾,導(dǎo)致其難以準(zhǔn)確獲取航向信息等問題,采用慣性導(dǎo)航系統(tǒng)（INS）和全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）航向信息融合方法進(jìn)行了試驗(yàn)與研究,結(jié)合自適應(yīng)卡爾曼濾波算法構(gòu)建了綜合濾波模型,提出了一種以GNSS信號品質(zhì)與航向角變化幅度信息為指導(dǎo)的INS/GNSS航向信息融合策略,通過仿真試驗(yàn)以及實(shí)際應(yīng)用測試對航向信息融合效果進(jìn)行了驗(yàn)證。試驗(yàn)結(jié)果表明:以雙天線GNSS航向角測量值作為參考基準(zhǔn),在直線行駛過程中,融合航向數(shù)據(jù)的平均絕對誤差為-0.02°,標(biāo)準(zhǔn)差為0.50°;在轉(zhuǎn)向行駛過程中,融合航向數(shù)據(jù)的平均絕對誤差為0.62°,標(biāo)準(zhǔn)差為2.42°;融合后的航向輸出結(jié)果明顯提升了單獨(dú)使用INS或GNSS時航向數(shù)據(jù)的精度,且在濾除GNSS航向角測量噪聲的同時提高了GNSS航向角解算值的更新速率。該航向角融合算法能夠增強(qiáng)農(nóng)業(yè)機(jī)械自動導(dǎo)航系統(tǒng)航向角測定的準(zhǔn)確性,可為導(dǎo)航系統(tǒng)實(shí)際田間作業(yè)情況下的抗環(huán)境擾動能力提供服務(wù)。 

【文章來源】：農(nóng)業(yè)機(jī)械學(xué)報. 2015,46(S1)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

INS/GNSS組合導(dǎo)航系統(tǒng)融合算法結(jié)構(gòu)框圖

開始增加，至115°后保持不變;單天線GNSS量測噪聲VG均值為0，方差為2°;系統(tǒng)驅(qū)動噪聲WG為高斯白噪聲，方差為0.01°;轉(zhuǎn)移矩陣?G=1，量測矩陣HG=1，估計誤差方差陣PG1=1，XG1=90°。另外，自適應(yīng)卡爾曼濾波算法中，α0=3，ρ=2，λk由計算確定。該仿真試驗(yàn)時長600s，采樣時間為1s，為了對比標(biāo)準(zhǔn)卡爾曼濾波與本文自適應(yīng)卡爾曼濾波之間的差異，分別采用2種方法同時對單天線GNSS仿真航向角測量值進(jìn)行濾波，仿真試驗(yàn)共進(jìn)行30組，每組數(shù)據(jù)之間差異較小，說明算法具有較高穩(wěn)定性，其中1組如圖2所示。圖2自適應(yīng)卡爾曼濾波算法仿真結(jié)果Fig．2SimulationresultsofadaptiveKalmanfilteralgorithm仿真試驗(yàn)結(jié)果表明:2種濾波算法對于單天線GNSS航向角測量值中穩(wěn)態(tài)隨機(jī)干擾信號的濾波效果都較為理想，然而當(dāng)100s左右航向發(fā)生突變時，標(biāo)準(zhǔn)卡爾曼濾波則出現(xiàn)了較大的估計誤差，同樣情況下自適應(yīng)卡爾曼濾波則具有較強(qiáng)的突變信號跟蹤能力，能根據(jù)航向數(shù)據(jù)的變化幅度自適應(yīng)調(diào)整λk大小，使濾波器在面對較大航向變化幅度時也能保證較高的精度。2.2INS/GNSS航向信息融合效果試驗(yàn)對INS/GNSS航向信息融合算法進(jìn)行了實(shí)際應(yīng)用測試，試驗(yàn)在北京市昌平區(qū)小王莊農(nóng)機(jī)試驗(yàn)基地進(jìn)行。補(bǔ)償卡爾曼濾波器的初始狀態(tài)為:取航向角估計誤差δ?=0;隨機(jī)常數(shù)εb=0.1(°)/s;系統(tǒng)噪聲ωε與ωM的方差均為0.01(°)/s;時間常數(shù)τG=τM=1s。單天線GNSS航向數(shù)據(jù)更新率為20Hz，INS航向數(shù)據(jù)更新率為100Hz。令拖拉機(jī)以6.4km/h的速度從A點(diǎn)至B點(diǎn)按照圖3軌跡行駛，并同時采集航向數(shù)據(jù)。圖3拖拉機(jī)行駛軌跡Fig．3Drivingtrajectoryoftractor為了能夠更加深入分析航向信息融合算法的實(shí)際應(yīng)用效果，將INS/GNSS組合導(dǎo)航系?

鷗??能力，能根據(jù)航向數(shù)據(jù)的變化幅度自適應(yīng)調(diào)整λk大小，使濾波器在面對較大航向變化幅度時也能保證較高的精度。2.2INS/GNSS航向信息融合效果試驗(yàn)對INS/GNSS航向信息融合算法進(jìn)行了實(shí)際應(yīng)用測試，試驗(yàn)在北京市昌平區(qū)小王莊農(nóng)機(jī)試驗(yàn)基地進(jìn)行。補(bǔ)償卡爾曼濾波器的初始狀態(tài)為:取航向角估計誤差δ?=0;隨機(jī)常數(shù)εb=0.1(°)/s;系統(tǒng)噪聲ωε與ωM的方差均為0.01(°)/s;時間常數(shù)τG=τM=1s。單天線GNSS航向數(shù)據(jù)更新率為20Hz，INS航向數(shù)據(jù)更新率為100Hz。令拖拉機(jī)以6.4km/h的速度從A點(diǎn)至B點(diǎn)按照圖3軌跡行駛，并同時采集航向數(shù)據(jù)。圖3拖拉機(jī)行駛軌跡Fig．3Drivingtrajectoryoftractor為了能夠更加深入分析航向信息融合算法的實(shí)際應(yīng)用效果，將INS/GNSS組合導(dǎo)航系統(tǒng)的實(shí)際航向角測量輸出分為4部分:①雙天線GNSS航向角，將GNSS的2個天線分別安裝于拖拉機(jī)的車頭和車尾，且處于同一水平線上，使基線長2m，雙天線聯(lián)合對航向進(jìn)行測量，為融合后的航向數(shù)據(jù)提供參考基準(zhǔn)，精度可達(dá)0.09°。②GNSS航向角測量值，由單天線GNSS直接輸出的航向角測量值。③GNSS航向角解算值，位移閾值為2m時GNSS通過位置信息解算出的航向數(shù)據(jù)。④INS航向角，由三維運(yùn)動姿態(tài)測量模塊綜合求解出的航向信息。此外，在該試驗(yàn)中，GNSS的航向數(shù)據(jù)都是建立在已將WGS-84坐標(biāo)系投影到大地坐標(biāo)系下進(jìn)行輸出的［19］。令融合后的航向數(shù)據(jù)與以上4部分航向數(shù)據(jù)相互對比，從而判斷航向信息融合算法的正確性。該試驗(yàn)共進(jìn)行了200s的航向數(shù)據(jù)采集，在直線行駛階段采用GNSS航向角解算值進(jìn)行融合計算，轉(zhuǎn)向行駛階段則采用GNSS航向角測量值進(jìn)行融合，為了清增刊張京等:農(nóng)機(jī)INS/GNSS組合導(dǎo)航系統(tǒng)航向信息融合方法5


本文編號：3223225