基于因子图的无人机集群分布式协同导航方法

针对密集集群无人机的协同导航问题,提出了一种基于因子图优化的无人机群协同导航方法。结合无人机自身的导航信息和无人机之间的测距信息,将无人机群协同导航信息融合问题转换成因子图模型,给出了基于消息迭代策略的因子迭代方法,为每架无人机建立局部因子图,实现了协同导航信息分布式处理和位置优化。仿真试验结果表明,所提出的方案实现了集群无人机协同信息的分布式处理,且无人机群位置精度相对于未优化时提升3倍。所提出的方法可有效提高密集集群等多无人机应用场景下的定位精度。     

基于改进高斯和粒子滤波的海底地形辅助导航

为了提升低分辨率海底地形图下的导航定位精度,提出一种基于改进高斯和粒子滤波的海底地形辅助导航方法。以高斯和粒子滤波为基础,通过高斯过程回归建立海底地形模型以获得有效粒子观测值。在量测更新阶段引入最小均方误差约束从而提升高斯和粒子滤波的估计效率,再进行滤波并最终获得导航输出。该方法能够解决低分辨率海图下数字地形模型不准确问题并提升高斯和粒子滤波在实时计算过程中的运算效率。在某低分辨率海图下进行仿真实验,结果表明:所提出的算法与采用基本粒子滤波和基本高斯和粒子滤波的海底地形辅助导航方法相比,导航定位精度提升了20%～40%,算法耗时降低了30%～40%。     

基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法

为了提高无人机视觉/INS组合导航系统的位姿估计精度,提出了一种基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法。首先,针对视觉传感器数据易受外界因素干扰的问题,利用灰色预测理论建立基于视觉的位姿解算数据灰色模型,减小视觉解算数据误差对导航精度的不利影响;然后,引入萤火虫算法改进粒子滤波的重采样过程,并采用改进后的粒子滤波算法实现并提升视觉/INS组合导航系统的位姿解算精度。最后,自主搭建了四旋翼无人机实验平台。实验结果表明,采用扩展KF滤波的无人机组合导航算法将位姿估计的误差控制在3.2 cm内,所设计算法可以将误差控制在2.3 cm内,无人机位姿估计精度水平提高了39%。     

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。     

基于因子图的船用导航系统信息融合算法

针对船用捷联惯性导航系统(SINS)、北斗(BD)、多普勒(DVL)和天文导航(CNS)信息更新频率不同以及可用性随环境动态改变的多源导航信息融合问题,提出基于增量平滑因子图的船用导航系统信息融合及容错算法。建立SINS、BD、DVL和CNS的量测因子节点模型,并通过利用所有时刻量测信息,以最大后验概率估计方法进行融合架构的构建;插入新的量测因子节点后,识别并更新受新量测因子影响的部分导航状态变量节点,利用因子图增量平滑算法计算导航状态的最大后验估计值;同时设计基于卡方检验的信息容错算法进行故障检测。数值仿真及半实物车载试验表明所提算法具有即插即用特性,能够实现不同信息更新频率导航设备的有效融合,融合精度与联邦滤波的定位精度相当;在导航设备发生故障后,所设计的容错算法能够有效识别并隔离故障。     

模糊抗差自适应粒子滤波及其在组合导航中的应用

在研究模糊控制理论的基础上,吸收了粒子滤波、自适应滤波和抗差估计的优点,提出一种新的模糊抗差自适应粒子滤波算法。文中根据量测向量中的粗差对状态向量滤波的影响,建立抗差自适应粒子滤波模型,获得自适应因子,然后对滤波处理后的数据残差基于模糊理论构造等价权函数,利用等价权函数和自适应因子合理地分配信息,因而可以达到一般滤波方法无法达到的滤波精度,且能有效地控制粗差对导航解的影响。最后,将该算法应用到组合导航系统中,并进行仿真验证。仿真结果证明,文中提出的模糊抗差自适应粒子滤波算法的滤波精度相对于扩展Kalman滤波和粒子滤波提高了3至5倍,明显提高了导航定位精度,且计算简单,便于实时性计算。     

基于萤火虫群优化的空间非合作目标相对导航粒子滤波算法

研究了空间非合作目标相对导航算法,针对标准粒子滤波的重采样过程导致的粒子贫化现象及其造成的相对导航精度下降问题,分析了萤火虫优化算法的运行机制,提出一种基于萤火虫智能优化算法的改进粒子滤波算法。改进算法通过优化粒子滤波的重采样过程,使粒子群智能的向高似然区域移动,同时在低似然区域也合理保留了部分粒子,保证了粒子的多样性,提高了样本的整体质量。仿真结果表明,改进算法导航精度较标准算法提高了39.35%,达到稳定精度所需粒子数较少,有效抑制了粒子贫化问题。     

集群无人机定位信号的自适应GM-CBMeMBer滤波算法

针对集群无人机导航定位信号通信过程中,易混入实际随机噪声,而传统GM-CBMe MBer滤波算法处理会导致滤波器发散的问题,提出了一种用于集群无人机定位信号的自适应GM-CBMe MBer滤波算法。首先,构建对应的数学模型,通过观测模型和量测模型对信号进行跟踪、滤波。在此基础上,利用随机有限集和衰减因子实现对噪声的动态处理和进一步预测,结合预测值进行迭代更新,直到滤波过程结束。同时,引入高斯项的剪枝合并来提高滤波精度。实验结果表明,改进算法与传统算法相比较,在集群无人机定位航迹上的杂波点有所减少,总体平均误差降低了26.6%。同时,方法简单易行,便于工程实现。     

基于因子图的AUV多传感器组合导航算法

针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,实现变量节点的递推与更新;最后,采用因子图方法对融合数据进行处理,实现AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。