基于导航信息双向融合的行人/移动机器人协同导航方法

为提高卫星导航系统失效且环境存在电磁干扰的情况下行人导航系统与移动机器人导航系统的定位性能,研究了一种基于人机一体化智能系统的信息双向融合协同导航方法。该方法利用行人导航系统与移动机器人导航系统不同的误差特性,构建信息双向融合滤波器同步修正两者的导航信息误差,即利用移动机器人捷联惯导系统较高的传感器精度完成对行人导航系统磁航向误差的实时修正,并利用行人导航系统较高的位移精度修正机器人惯导系统误差,实现同步提高两套导航系统的定位与航向精度。导航定位实验表明,该方法可有效提高人机一体化智能系统的导航定位精度,行人导航系统定位误差约为行进距离的3.3%,移动机器人导航系统的误差积累速度降低为单独工作时的1/3。本文所提出的方法利用了人机一体化智能系统的结构特征,在卫星导航系统失效的电磁干扰环境中有效提高了一体化系统的综合导航定位性能,具有较高的理论研究与工程应用价值。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

可视化智能融合导航系统

本文以提高导航系统的精度、可靠性、智能化和可视化程度为目标，利用智能工程的思想与方法将信息融合、人工智能和可视化技术综合应用于多传感器组合导航系统中，提出了面向２１世纪控制与导航技术的新一代导航系统概念—可视化智能融合导航系统，并对其功能、组成及关键技术进行了研究。     

一种基于加速度计和天文的卫星自主导航新方法

直接敏感地平是一种典型自主天文导航方法,该方法简单可靠,易于实现,但是由于常用卫星轨道动力学J2模型精度有限,地球敏感器精度较低,因此导航精度不高。加速度计是测量运载体线加速度的常用惯性导航设备,当航天器在轨运行时,星载加速度计能够测量航天器所受发散力。结合上述两种方法的特点,提出一种将加速度计和天文相结合的自主天文导航新方法。在常用卫星轨道动力学模型基础上,引入大气阻力和太阳光压系数模型作为自主导航系统状态方程的一部分,并建立近地空间环境下星载加速度计的测量模型,将其与直接敏感地平均作为导航系统观测方程。设计基于信息融合的自主导航滤波方法,通过对多种导航模式进行数值仿真及结果分析,结果表明所设计方法提高了系统定位精度62.8%和速度精度63.9%,增强了系统可靠性。     

惯导／GNSS／罗兰C／航姿系统组合导航方案

为保证飞行器的导航精度及可靠性,采用了惯导/GNSS/罗兰C/航姿系统的组合导航。该组合导航采用开环组合方式,将多系统导航信息在计算机中进行综合,提高导航信息精度。仿真试验结果说明,所设计的组合导航系统是可行的,能满足任务要求。     

GPS/INS/TRN组合导航系统信息融合技术研究

本文提出了一种基于信息融合技术的巡航导弹组合导航系统方案,并对系统组合方式、 以及相关的信息融合技术进行了初步讨论。基于信息融合的组合导航方案可以充分地利用各 种导航传感器的信息,有效地提高导航系统的精度。同时,系统的重构能力保证了系统的可靠 性。     

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。     

可视化技术在智能融合导航中的应用研究

在未来导航中,驾驶员应该作为人机交互的核心,可视化是导航系统的发展方向.针对于此,本文在总结现代平显优缺点及外国先进战斗机座舱的基础上,对可视化技术在飞机智能融合导航综合控制显示中的应用进行了初步探索.本文在提出多层面数据迭加处理技术、综合图形图象信息显示方法和导航语言概念的同时,研究了在智能融合导航中,可视化系统的结构、功能、实现过程及技术,对于我国未来导航系统中可视化的研究有着重要的实用价值.     

一种天文/加速度计的HEO卫星自主导航新方法

直接敏感地平是一种典型自主天文导航方法,该方法简单可靠,易于实现,但是由于常用卫星轨道动力学J2模型精度有限,地球敏感器精度较低,因此导航精度不高。加速度计是测量运载体线加速度的常用惯性导航设备,当卫星在轨运行时,星载加速度计能够测量航天器所受发散力。结合这两种方法的特点,提出一种将加速度计和天文相结合的自主天文导航新方法。在常用卫星轨道J2模型基础上,引入大气阻力和太阳光压系数模型作为自主导航系统状态方程的一部分,并建立近地空间环境下星载加速度计的测量模型,将其与直接敏感地平均作为导航系统观测方程。设计基于信息融合的自主导航滤波方法,通过对多种导航模式进行数值仿真及结果分析,结果表明所设计方法提高了系统定位精度74.8%和速度精度86.2%,增强了系统可靠性。     

INS/GPS组合导航系统的数据精确同步方法

对来自不同导航传感器的数据进行同步化处理是进行滤波、信息融合的重要前提。对几种INS／GPS组合导航系统的数据同步处理方法进行研究,分析各自的优点和不足。针对浅组合导航系统,提出了由美国NI公司PXI-6608计数器／定时器、GPS接收机及PXI控制器组成的设计方案,分析了其同步实现的原理和方法。该同步方案的精度可达400ns,适用于高精度要求的应用场合。     

MIMU/GPS组合导航系统研究

根据智能交通对车辆导航和定位的要求，研究了MIMU与GPS松散组合导航系统，以速度、位置作为观测量设计了Kalman滤波器。为了验证系统的性能，利用MIMU实验室测试数据和GPS仿真数据对该组合导航系统进行了半物理仿真，分别给出了纯MIMU、组合导航系统及GPS信号短时间丢失时的位置误差仿真曲线。分析结果表明组合系统具有良好的长期工作精度，能够满足车辆导航和定位的要求。     

基于水平阻尼的星光/惯性组合校准技术

根据星光/惯性组合导航系统舰载使用特点,考虑以SINS、CNS、LOG三者组合,设计组合校准方案。在SINS/CNS/LOG组合过程中,利用惯导系统的短期高精度特性,设计基于水平阻尼的卡尔曼滤波器对惯导舒勒周期进行补偿。星光/惯性组合校准技术建立在水平阻尼基础上,借助星光导航的航向和位置信息完成惯导位置误差、失准角和陀螺漂移的修正,从而实现组合系统长航时、远航程高精度导航。最后通过仿真对比试验验证星光/惯性组合导航系统校准方案的有效性。仿真结果表明:SINS/LOG组合后,惯导24 h位置误差CEP≤1.48 n mile,且位置误差会随时间积累;而SINS/CNS/LOG组合系统采用星光信息24 h一点校方案,第一次和第二次点校后,48 h和72 h惯导位置误差CEP≤0.5 n mile。由此可见,采用星光信息后,该组合方案能够显著提高惯导导航精度,达到延长惯导系统重调周期目的。     

惯性/重力匹配组合导航系统与可视化仿真

根据惯性/重力匹配组合导航系统的工作原理和特点,提出了基于 RANSA 思想的重力图匹配方法,采用此方法实现了重力图的鲁棒匹配。通过建立组合导航系统的数学模型,采用最优滤波技术实现了组合导航系统的信息融合。在此基础上,采用多种高级语言混合编程,设计实现了一套可视化的仿真软件,对该系统进行了可视化仿真研究。仿真实验结果表明,惯性/重力匹配组合系统相对于无辅助的惯性导航系统,其定位精度、速度精度均有较大的提高,也就是说采用重力匹配方法达到了校正惯导系统,实现高精度导航的目的。     

INS/ESGM组合导航系统的多模型自适应滤波技术研究

研究了一种随机系统多模型自适应估计的方法，并将此方法应用于INS／ESGM组合导航系统。通过数字仿真将单一模型的INS／ESGM组合导航系统与多模型的INS／ESGM组合导航系统的性能进行了详细比较，说明将多模型自适应估计理论应用于INS／ESGM组合导航系统，可增强系统对环境的适用性，大大提高组合导航系统的精度。     

基于Bagging模型的惯导系统误差抑制方法

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。     

机载SAR用的GPS/SINS组合导航系统研究

提出了进行SINS姿态校正的四元补偿算法。采用闭环KF（卡尔曼滤波）技术实时校正惯性仪表误差，补偿四元数误差，修正位置，速度误差，GPS／SINS组合导航系统样机的试验结果表明：采用该提出的算法后，组合导航精度较高，在组合导航过程中若去掉GPS信息，短时间内纯SINS的导航精度很高，能够满足SAR对运动补偿精度的要求，待恢复GPS信息后，组合导航系统继续正常工作。     

MSINS/GPS全组合系统可观测性分析

卡尔曼滤波是组合导航系统处理数据最常用的算法。首先给出PWCS可观测性定理,然后在G矩阵选星算法的基础上,设计了基于伪距/伪距率的MSINS/GPS紧耦合系统(TCS)的卡尔曼滤波器,在上述量测方程中加入基于GPS载波相位观测量的姿态测量方程,给出了有姿态测量信息的全组合系统(CIS)。最后证明了CIS满足PWCS定理条件,即可以用离散系统的选择可观测性矩阵(SOM)代替相应的连续系统的总可观测性矩阵(TOM)对系统进行可观测性和可观测度的分析。利用奇异值分解(SVD)理论给出了不同可见卫星数时CIS的可观测性分析结果。与不加入姿态观测信息的MSINS/GPS的TCS比较,计算结果表明CIS比TCS具有更好的可观测性和可观测度。     

测量融合组合导航方法研究

讨论了测量融合组合导航的两种方法,提出并研究了应用极大似然的估计的测量融合方法,并将该方法与基于线性一均方估计的测量融合方法作了比较。仿真研究表明测量融合方法在组合导航系统中具有良好的应用价值,特别是基于极大似然估计的测量融合方法,充分利用了测量值的冗余信息,其融合效果更好,组合系统的精度也有较大幅度的提高。     

SINS/GPS组合导航序贯滤波算法

针对SINS／GPS的速度、位置组合方式中，GPS接收机的位置测量误差相关的问题，提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点，又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题，实现对SINS／GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。