交叉路段背景下改进的D-S证据理论地图匹配算法

针对传统D-S证据理论地图匹配算法中将交叉路段当成普通路段处理所造成的误匹配、不匹配、匹配精度低等问题,提出一种交叉路段背景下改进的D-S证据理论地图匹配算法。利用距离阈值剔除异常定位点,并用插值法补全被剔除异常定位点所产生的空缺,生成网格索引及简化误差椭圆公式确定候选路段以减少匹配时间。针对道路特点结合方向证据确定可信度函数,最后融合方向概率分配函数、距离概率分配函数和可信度函数来改进候选路段概率公式,确定匹配路段,提高匹配精度。实验表明,改进后算法的匹配准确率约97%,与现有地图匹配算法相比较,精度可提高4%左右,单点匹配时间可减少1 ms左右,算法性能得到提升。     

基于道路信息的智能地图匹配算法

针对军用车辆长时间、长距离高精度自主导航需求,提出了一种基于道路信息的智能地图匹配算法。传统地图匹配算法在单独使用时,都会存在一些不足之处。智能地图匹配算法比较不同算法的优缺点,选择三种特点鲜明、互补性强的地图匹配算法作为基础算法,以惯性导航系统提供的导航信息为基础,对车辆正在行驶的道路进行识别和判断,根据道路构成情况自动选择合适的算法,完成地图匹配;并结合车辆行驶的航向和速度信息选择椭圆形道路搜索区域。试验车进行5 h约240 km跑车试验,地图匹配定位精度约为10.33 m(CEP)。试验结果证明该算法能够适应不同的道路状况,有效抑制惯性导航误差发散。     

基于移动相关的最小二乘地图匹配新算法

为了提高军用车辆导航数字地图匹配的精度,针对通常匹配方法易出现误匹配和无法消除沿道路方向纵向误差的问题,提出了一种基于移动相关的最小二乘地图匹配新方法。该方法充分利用路网和历史轨迹信息,以多分辨率移动相关性进行匹配路段的搜索和定位,以最小二乘法进行SINS轨迹到待配路段的曲线整体投影,并通过视觉和数学的方法消除车辆偏离道路中心线的偏差影响。跑车实验表明,匹配后定位圆误差极限在1 m以内。该算法简单有效,且能满足高精度的要求,可以为组合导航提供良好辅助信息。     

车载组合导航系统中的分级地图匹配算法

本首先建立了用于车载导航的电子地图中道路网络的实体对模型,在研究GPS/DR定位误差分布的前提下,基于局部线性化思想,利用定位轨迹和电子地图道路网的相关性,实现了地图分级匹配计算,从而消除GPS/DR定位信息中的有偏误差。最后,在AutoCAD环境下用实验验证了上述算法。结果表明该算法模型简单,不仅可以提高车载导航系统的定位精度,而且能提供可视化的导航效果。     

基于局部连续场的重力匹配辅助导航

重力匹配辅助惯性导航是一种在惯性导航系统定位信息基础上利用地球重力场特征获取载体位置信息的组合导航技术。一般匹配辅助导航方法都是建立在格网化离散场的基础上,考虑到用局部连续场逼近离散散场的可行性,提出了利用连续场实现相关极值匹配算法,建立了基于局部连续场的相关极值匹配算法模型,采用随机初值迭代方式改进拟牛顿方法以实现在置信范围内全局寻优。最后在三组不同仿真条件下对该算法进行了仿真实验。从实验结果可以看出,在观测误差、初始定位误差较大的情况下,通过该算法获得的匹配航迹仍能以较高的精度跟踪真实航迹,从而验证了算法的有效性。     

基于仿射模型变换的地磁匹配导航算法

为了提高潜航器上地磁匹配的效率和精度,通过对潜航器惯导系统误差模型的分析,提出了一种基于仿射模型变换的粗精两级地磁匹配定位方法。首先,利用基于等值线约束的相关匹配算法消除导航系统的初始位置误差;其次,采用仿射模型对相关匹配结果的轨迹进行旋转、缩放变换,通过参数扫描实现精匹配的过程。该算法在保证实时性的同时,匹配精度优于1个网格点。     

基于遥外差数据估算初始定位误差的新方法

针对潜地导弹初始定位误差的估算问题,提出一种基于发射惯性系下遥外差数据进行解算的初始定位误差估算的新方法.该方法基于制导工具误差的产生机理及传递关系:建立了初始定位误差与遥外测数据之间的关系,推导出利用遥外差数据估算初始定位误差的数学模型,结合飞行试验数据分析了该方法的计算精度.在研究遥外差信息选取原则的基础上,重点分析了外测数据随机误差对于估算精度的影响,并提出了时间域上的最小二乘改进算法来提高估计结果的精度.利用飞行试验测量数据来验证该算法,计算结果证实了该估算方法的有效性和可行性.     

一种改进的地图匹配算法在车辆导航中的应用

本文提出了一种用于车辆导航的地图匹配算法.通过对卡尔曼滤波后模型的误差特性分析,该算法可获得比通常相关性算法更好的精度,并经试验验证.     

航位推算累积误差实时修正算法研究

首先简单介绍了航位推算的基本原理，接着分析了在航位推算中存在的必然误差以及累积误差对地图匹配结果的影响，最后重点讨论了如何利用数字地图数据库中已知的道路轨迹和航位推算得出的原始轨迹，在地图匹配中实时修正航位推算的累积误差。作者把此算法运用到“香港消防车第三代调派系统”定位子单元，在香港进行了实地跑车，得到了良好的效果。     

一种新的实时相关极值匹配算法设计与仿真

对传统相关极值匹配算法局限性进行了分析,并利用二维高斯样条函数张量积方法对局部重力异常离散格网基准图进行逼近以获取该局部基准图的连续解析表达式,在此基础上对相关极值匹配算法进行重新建模并采用拟牛顿BFGS非线性寻优方法对该模型进行解算。考虑到相关极值算法存在实时性差的缺点,采用固定初始序列长度的方式对初始序列采样结构进行改善,推导出了刚性变换中心从序列质心到原点的转换公式,最终完成能够实现单点迭代的基于局部重力异常基准图实时相关极值匹配算法设计,该匹配算法突破了传统离散匹配算法受限于基准图分辨率的局限。最后在2′×2′卫星测高反演重力异常数据基础上进行了两组仿真实验进行对比分析,实验结果表明,在重力测量噪声和初始定位误差较大的情况下,通过该匹配算法获得的匹配定位仍能以较高的精度实时跟踪真实航迹。     

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%。     

基于地磁测向和时间到达差测距的行人航迹推算方法

为研究个人鞋式导航定位方法,提出了一种基于地磁测向和时间到达差测距的行人航迹推算方法。该方法分为两部分:依靠地磁辅助的航向角检测和依靠时间到达差测距的行人步幅检测。研究结果发现,采用超声波收发阵列可以有效提高两脚间距离检测精度。此外本文分析出该方法的主要误差来源为航向角检测误差,并设计了最小二乘误差补偿算法,补偿前航向角误差约为15.93°,补偿后在0.435°以内。实验通过行人直线、圆形、操场行走测试,结果表明最大定位误差占总行进距离的1.2%。本方法具有广泛的工程应用前景。     

一种采用小波神经网络的GPS精密单点定位方法

针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。     

在实时单点定位中基于残差信息的改进抗差滤波方法

在利用卫星导航定位系统进行单点导航定位时,为了进一步提高导航定位的精度、实时性和可靠性,针对实时观测信息中存在粗差问题,基于残差分析理论,比较分析了最小二乘法、M估计、抗差滤波估计方法在GNSS单点导航定位中参数估计问题。在此基础上,针对观测量与动力学模型不准确的情况,利用残差信息,构建了有效的改进的基于残差信息的抗差滤波。其特点是观测信息误差比较大的情况下不会导致滤波精度明显下降。在GPS单点导航定位解算中,编程并计算,通过比较分析,结果验证了构建的滤波在单点定位中抗差的优越性,并在导航定位算法选择上得到一些有益结论。     

车辆动力学模型辅助的惯性导航系统

为提高车辆导航系统的精确度和可靠性,提出一种车辆动力学模型辅助惯性导航系统的方法。建立车辆非线性动力学模型,利用四阶龙格库塔法实时解算速度信息。以惯导误差方程为状态方程,动力学模型与惯性导航解算的速度差为观测量,设计了容积卡尔曼滤波器,并用估计的状态误差对惯导进行校正。仿真结果表明,所提出的利用车辆动力学模型辅助惯导的方法能有效抑制惯导误差的发散,位置精度和速度精度比纯惯导系统提高了一个数量级,航向角精度提高了73%。     

卫星分群的抗差Kalman滤波在GPS/BDS融合精密单点定位中的应用

抗差Kalman滤波是控制GNSS动态导航定位中观测异常的有效算法,当应用到GPS/BDS实时动态精密单点定位(Precise Point Positioning,PPP)时,会出现某些历元定位精度甚至不如单一系统定位精度高,这主要是因为同一接收机接收的不同种类卫星观测量的随机特性不同,使得观测量验后残差的分布特性不一致,抗差估计时随机特性不同的观测量验后残差互比,反而对某一系统优质数据也进行了降权,导致定位结果出现偏差,减弱了GPS/BDS融合精密单点定位的优势。针对这一问题,提出了卫星分群的抗差Kalman滤波算法,并应用到GPS/BDS融合精密单点定位中,算法的核心是在每一历元观测数据质量控制时根据卫星类型分类构建方差膨胀因子,给出了算法的实施步骤,最后通过MGEX实测数据进行了验证,结果表明算法应用到GPS/BDS融合精密单点定位中,相较传统的抗差Kalman滤波算法在东、北、天三个方向分别提高了34.6%、33.3%、31.0%,同时表明该算法提高了GPS/BDS融合精密单点定位的可靠性。     

一种惯性/水声单应答器距离组合导航方法

惯性/水声单应答器距离组合导航方法为自主水下航行器(AUV)校准提供了一种新途径。针对惯性/水声单应答器距离组合导航系统,建立了AUV三维空间运动学模型,对单应答器距离变换位置非线性系统采用李导数方法进行了可观测性分析,设置了合理的载体航行轨迹,位置组合导航算法中采取了延时状态滤波方式实现了量测信息的同步更新。湖上实验表明,采用单应答器距离组合导航方法后,明显地抑制了INS/DVL导航误差的发散趋势,最大定位误差减小幅度约为19.2%,初步验证了惯性/水声单应答器距离组合导航方案的有效性,为解决AUV导航设备水下校准提供了可能。     

一种改进的水下三阵元辅助惯导系统的定位算法

针对水下惯导系统定位误差随时间发散的缺陷,设计了一种基于DVL、声学定位辅助惯导的组合导航系统。声学定位系统由安装在水下潜器上的换能器阵和布放在海底的三阵元定位基阵组成,传统长基线定位水下至少要布放四个阵元,三个阵元无法直接定位求解。根据三阵元测得的距离信息和惯导系统输出的位置信息建立距离耦合模型,给出了惯导、DVL和声学定位系统的状态方程和量测方程;同时针对水下声速垂直分布特性,提出了一种等效声速的修正方法。仿真结果表明:在三阵元定位基阵作用范围内,组合导航系统能有效修正惯导位置误差,定位误差小于4 m,具有良好的适用性。     

基于ED-LSTM的智能汽车神经网络横向动力学建模与控制

车辆动力学建模过程中通常会进行简化和假设, 导致模型在某些工况下无法准确反映车辆的实际动态特性, 影响控制精度甚至安全性. 鉴于此, 该文提出了一种基于数据驱动的非线性建模与控制方法, 建立了新型神经网络车辆横向动力学多步预测模型, 实现了智能汽车对参考轨迹的跟踪控制. 首先, 在分析车辆单轨模型并考虑轮胎非线性和纵向负载转移的基础上, 基于编码器?解码器结构设计神经网络横向动力学模型. 其中, 使用串行排列来扩展微分方程描述不完全的动力学信息, 隐藏层神经元学习车辆的高度非线性和强耦合特性, 进而提高模型全局计算精度. 利用所构建的数据集进行模型训练和测试, 结果表明, 相比于物理模型, 所提出的模型在不同路面附着系数条件下均具有更高的建模精度, 具有隐式预测路面摩擦条件能力. 其次, 利用提出的模型设计轨迹跟踪控制算法, 根据车辆稳态转向假设, 计算所需的前轮转向角和稳态质心侧偏角, 将稳态质心侧偏角纳入基于路径误差的转向反馈中, 实现参考轨迹跟踪控制. 最后, 使用CarSim/Simulink联合仿真及HIL实验测试进行不同工况试验的对比分析, 对所提出的基于神经网络模型的控制算法进行评价, 结果表明, 该模型能够实现智能汽车在高速下精确的跟踪控制效果, 并具有良好的横向稳定性.