本文關(guān)鍵詞：組合導(dǎo)航UKF算法與數(shù)據(jù)融合技術(shù)拓展研究　出處：《西北工業(yè)大學(xué)》2016年博士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 組合導(dǎo)航 無(wú)跡卡爾曼濾波 數(shù)據(jù)融合 強(qiáng)跟蹤濾波 聯(lián)邦卡爾曼濾波

【摘要】：現(xiàn)代運(yùn)載器對(duì)導(dǎo)航系統(tǒng)的精度和可靠性提出了越來(lái)越高的要求,單一的導(dǎo)航手段已無(wú)法滿足需求。因此,導(dǎo)航技術(shù)向著組合方向發(fā)展是一個(gè)必然的趨勢(shì)。組合導(dǎo)航系統(tǒng)實(shí)質(zhì)上是一個(gè)多傳感器信息融合系統(tǒng)。采用信息融合技術(shù)設(shè)計(jì)組合導(dǎo)航系統(tǒng),需要解決組合導(dǎo)航濾波算法和多傳感器數(shù)據(jù)融合這兩個(gè)基本問(wèn)題。本文圍繞這兩個(gè)問(wèn)題展開(kāi)研究。論文工作分兩部分。第一部分以INS/GNSS組合系統(tǒng)為平臺(tái),為提高UKF在組合導(dǎo)航應(yīng)用中的性能做了一些探索性工作；第二部分研究了INS/GNSS/CNS組合系統(tǒng)中的多傳感器數(shù)據(jù)融合技術(shù)。論文的主要工作和創(chuàng)新性貢獻(xiàn)如下：(1)通過(guò)對(duì)GNSS偽距量測(cè)進(jìn)行二階Taylor展開(kāi),建立了INS/GNSS緊組合系統(tǒng)的非線性量測(cè)方程。針對(duì)該組合系統(tǒng)的狀態(tài)方程為線性,利用標(biāo)準(zhǔn)UKF進(jìn)行濾波解算存在冗余計(jì)算的問(wèn)題,提出一種衍生UKF。在時(shí)間更新過(guò)程中,該算法避免了標(biāo)準(zhǔn)UKF因無(wú)跡變換導(dǎo)致的額外計(jì)算；而在量測(cè)更新過(guò)程中,繼承了標(biāo)準(zhǔn)UKF處理非線性濾波問(wèn)題的優(yōu)良特性。在不損失濾波精度的前提下,衍生UKF可有效降低標(biāo)準(zhǔn)UKF在INS/GNSS緊組合系統(tǒng)應(yīng)用中的計(jì)算復(fù)雜度。(2)研究了所提出的衍生UKF的隨機(jī)穩(wěn)定性。在給定的充分條件下,證明了衍生UKF的估計(jì)誤差在均方意義下的有界性。通過(guò)分析量測(cè)噪聲協(xié)方差陣對(duì)誤差特性的影響,指出：在存在大的初始誤差條件下,給量測(cè)噪聲方差增加一個(gè)小的正定矩陣可以提高衍生UKF的穩(wěn)定性；然而,過(guò)大的附加正定矩陣會(huì)導(dǎo)致該算法濾波精度降低。(3)為克服標(biāo)準(zhǔn)UKF在系統(tǒng)噪聲統(tǒng)計(jì)未知或不準(zhǔn)確情況下濾波精度下降甚至發(fā)散的缺陷,提出一種基于移動(dòng)開(kāi)窗與隨機(jī)加權(quán)估計(jì)的自適應(yīng)UKF。該算法充分利用了濾波過(guò)程中的有用信息,可以動(dòng)態(tài)地估計(jì)與調(diào)整系統(tǒng)噪聲統(tǒng)計(jì),抑制系統(tǒng)噪聲統(tǒng)計(jì)不確定性對(duì)濾波性能的影響。數(shù)值模擬和INS/GNSS組合系統(tǒng)直接法濾波的應(yīng)用實(shí)例,驗(yàn)證了提出算法的有效性。(4)提出一種改進(jìn)的強(qiáng)跟蹤UKF,用以處理過(guò)程模型具有不確定性的非線性動(dòng)態(tài)系統(tǒng)中的狀態(tài)估計(jì)問(wèn)題。在該算法中,采用假設(shè)檢驗(yàn)方法對(duì)過(guò)程模型不確定性進(jìn)行檢測(cè)。當(dāng)不確定性出現(xiàn)時(shí),通過(guò)對(duì)狀態(tài)預(yù)測(cè)協(xié)方差陣引入次優(yōu)漸消因子,以減弱先驗(yàn)知識(shí)對(duì)當(dāng)前時(shí)刻狀態(tài)估值的影響；而在不存在不確定性的時(shí)間區(qū)間內(nèi),采用標(biāo)準(zhǔn)UKF的基本公式進(jìn)行最優(yōu)濾波,防止精度損失。數(shù)值模擬和INS/GNSS組合系統(tǒng)直接法濾波的應(yīng)用實(shí)例,驗(yàn)證了提出算法對(duì)過(guò)程模型不確定性的魯棒性。(5)為提高聯(lián)邦卡爾曼濾波(FKF)在INS/GNSS/CNS組合系統(tǒng)應(yīng)用中主濾波器的計(jì)算效率,設(shè)計(jì)了一種改進(jìn)的FKF。在主濾波過(guò)程中,改進(jìn)的FKF首先將 INS/GNSS/CNS組合系統(tǒng)的全局狀態(tài)向量分解為三個(gè)子狀態(tài)；然后對(duì)INS/GNSS、INS/CNS子系統(tǒng)以及主濾波器時(shí)間更新解輸出的每一個(gè)子狀態(tài)的估計(jì)值分別進(jìn)行數(shù)據(jù)融合；最后,將子狀態(tài)估計(jì)值的融合解重新組合以獲取系統(tǒng)狀態(tài)的全局估計(jì)。改進(jìn)的FKF具有分布式并行處理數(shù)據(jù)的能力,在融合精度損失不大的前提下,有效地減小了FKF主濾波器的計(jì)算復(fù)雜度。(6)設(shè)計(jì)了一種基于矩陣加權(quán)的多傳感器數(shù)據(jù)融合方法,用以處理INS/GNSS/CNS組合系統(tǒng)中的信息融合問(wèn)題。該方法具有兩層融合結(jié)構(gòu),第一層中,GNSS和CNS分別通過(guò)兩個(gè)局部濾波器與INS組合,構(gòu)成INS/GNSS、INS/CNS子系統(tǒng),并得到系統(tǒng)狀態(tài)的局部最優(yōu)估值；第二層中,提出了基于普通矩陣加權(quán)和對(duì)角矩陣加權(quán)的兩種不同的數(shù)據(jù)融合算法,對(duì)局部狀態(tài)估值進(jìn)行融合,獲取系統(tǒng)狀態(tài)的全局最優(yōu)估計(jì)。設(shè)計(jì)的多傳感器數(shù)據(jù)融合方法解決了非重置模式的FKF在INS/GNSS/CNS組合系統(tǒng)應(yīng)用中融合精度不高的問(wèn)題。與基于普通矩陣加權(quán)的數(shù)據(jù)融合算法相比,基于對(duì)角矩陣加權(quán)的數(shù)據(jù)融合算法精度稍有降低,計(jì)算量卻大幅下降,更適合于實(shí)時(shí)應(yīng)用。此外,因?yàn)闊o(wú)需通過(guò)全局狀態(tài)估計(jì)對(duì)局部濾波器進(jìn)行重置,設(shè)計(jì)的多傳感器數(shù)據(jù)融合方法具有較強(qiáng)的容錯(cuò)性。
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP202;TN967.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡高歌;劉逸涵;高社生;楊一;;改進(jìn)的強(qiáng)跟蹤UKF算法及其在INS/GPS組合導(dǎo)航中的應(yīng)用[J];中國(guó)慣性技術(shù)學(xué)報(bào);2014年05期

2 杜占龍;李小民;;基于多漸消因子強(qiáng)跟蹤UKF和約束AR模型的故障估計(jì)與預(yù)測(cè)[J];控制與決策;2014年09期

3 郭澤;繆玲娟;趙洪松;;一種改進(jìn)的強(qiáng)跟蹤UKF算法及其在SINS大方位失準(zhǔn)角初始對(duì)準(zhǔn)中的應(yīng)用[J];航空學(xué)報(bào);2014年01期

4 錢(qián)華明;黃蔚;孫龍;徐健雄;葛磊;;基于多重次漸消因子的強(qiáng)跟蹤UKF姿態(tài)估計(jì)[J];系統(tǒng)工程與電子技術(shù);2013年03期

5 王璐;李光春;喬相偉;王兆龍;馬濤;;基于極大似然準(zhǔn)則和最大期望算法的自適應(yīng)UKF算法[J];自動(dòng)化學(xué)報(bào);2012年07期

6 ;An improved adaptive Sage filter with applications in GEO orbit determination and GPS kinematic positioning[J];Science China(Physics,Mechanics & Astronomy);2012年05期

7 ;Globally optimal distributed Kalman filtering fusion[J];Science China(Information Sciences);2012年03期

8 高社生;宋飛彪;姜微微;;抗差自適應(yīng)模型預(yù)測(cè)濾波及其在組合導(dǎo)航中的應(yīng)用[J];中國(guó)慣性技術(shù)學(xué)報(bào);2011年06期

9 楊文博;李少遠(yuǎn);;基于強(qiáng)跟蹤UKF的航天器自主導(dǎo)航間接量測(cè)濾波算法[J];系統(tǒng)工程與電子技術(shù);2011年11期

10 ;Random Weighting Estimation Method for Dynamic Navigation Positioning[J];Chinese Journal of Aeronautics;2011年03期

，

本文編號(hào)：1331461