GPS/INS松耦合组合导航的自适应卡尔曼滤波算法研究

  目的  为解决载体受到扰动时组合导航精度下降的问题,提出一种基于置信检验自适应联邦卡尔曼滤波（CC-AFKF）框架。  方法  首先,将电子罗盘（EC）、全球定位系统（GPS）与惯性导航系统（INS）相结合;其次,构建置信检验模型,有效滤除INS/GPS和INS/EC子系统中低置信度的量测值,保证量测值的准确性;最后,提出INS/GPS和INS/EC系统自适应调节因子策略,有效调整更新过程中系统噪声协方差。  结果  通过对具备INS/GPS/EC组合导航系统的水下机器人开展大量相关试验,结果表明,CC-AFKF算法相较于典型的卡尔曼滤波（KF）和联邦卡尔曼滤波（FKF）算法在位置和速度的融合精度上均能至少提高29%。  结论  研究成果可为松耦合组合导航系统的研究提供相应的方向和思路。     

联邦滤波器及其在船舶组合导航中的应用

介绍了联邦滤波器原理,设计了一个基于联邦滤波理论的船用组合导航系统.与传统的集中式滤波器相比,联邦滤波器结构简单,容易实现,并且容错性好,计算量少.仿真结果表明该滤波器能满足系统精度和容错性能的要求.     

自适应卡尔曼滤波技术在水下机器人运动控制中的应用

水下机器人的位置和速度传感器受环境影响较大，数据滤波问题是运动控制的核心问题之一。建立了水下机器人运动的状态方程和量测方程，并在此基础上采用自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析，并引入渐消记忆指数加权方法，避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响。结果表明此方法能达到很好的滤波效果。     

自适应神经网络控制器用于自治式水下机器人导航

用二维的运动学模型模拟研究自治式水下机器人的导航控制系统；控制系统由函数链网络的前馈控制器和函数链网络的ＰＩＤ控制器组成。模拟结果表明，此控制系统具有良好的鲁棒性，有较强的适应环境变化的能力和抗干扰能力。     

基于快速卡尔曼滤波的SAS水下组合导航方法

合成孔径声呐(SAS)成像是基于匀速直线运动这一理想模型的,因此需要对其进行水下导航运动参数估计并确定出1条用于运动补偿的理想航迹。一般可以利用高精度的组合导航方法测量获得。文中研究了基于光纤陀螺惯导(Octans)和多普勒声速剖面仪(ADCP)等设备的SAS水下导航方法,建立组合导航系统的误差方程,并利用快速跟踪卡尔曼滤波技术进行了SAS的运动参数估计仿真。仿真结果表明,位置误差精度达到航程的0.24%,可作为SAS的水下导航方法。     

组合导航中自适应算法的设计分析

随着海上交通运输的自动化、网络化,船舶的导航系统需要具备更加精确的位置导航和更加快速的数据传输。传统的单一导航模式如GPS导航等已经难以满足需求,组合导航系统成为了船舶工业领域的研究热点。本文研究的主要内容是船舶组合导航系统的数据分析,开发了一种基于卡尔曼滤波的自适应算法,具有一定的应用价值。     

卡尔曼滤波技术在潜艇组合导航中的应用研究

高精度的导航定位是潜艇研究中所面临的主要难题之一。采用GPS辅助的INS/DVL组合导航是目前潜艇的主流导航模式。当前实现GPS/INS/DVL组合导航的技术主要有航迹推算和卡尔曼滤波。本文将卡尔曼滤波技术应用于潜艇组合导航,并把EKF与传统的DR方法进行了仿真比较研究。结果表明,EKF的估计精度较高。     

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度.     

卡尔曼滤波算法在自主式水下机器人超短基线定位中的应用

近年来,海洋开发进程不断深入,水下机器人在海洋探测、海上救助等领域发挥着越来越重要的作用。基于超短基线的声波探测定位技术是采集和传递信息的最有效手段,是解决水下机器人定位精度的有效途径。本文研究基于超短基线定位的原理,分析产生定位误差的原因,利用卡尔曼滤波算法提高水下机器人的定位精度。     

卡尔曼滤波在GPS/SINS船舶组合导航中的应用

本文在深入研究卡尔曼滤波原理及算法的基础上,结合海洋环境实际探索卡尔曼滤波在GPS/SINS船舶组合导航中的应用方法并进行组合导航系统的设计和仿真。为了降低旧数据在误差积累中的权重,本文对记忆数据进行了衰减处理,从而提高整个算法的自适应性能。仿真结果表明,集中式融合和顺序融合误差曲线均存在一定的波动,但绝对误差峰值较小,两者均方误差均为7.563 2。经扩展卡尔曼滤波后的GPS/SINS组合导航系统误差较小,均方误差峰值仅为6.532左右,而单独SINS导航误差约9.532,单独GPS导航误差约10.023。     

基于惯性导航/地磁的水下潜器组合导航定位方法

针对水下潜器长时间水下航行的隐蔽性且定位精度不高的问题,提出了一种基于惯性导航/地磁的组合导航系统。建立了惯性导航/地磁组合导航系统模型,并且利用卡尔曼滤波算法对系统进行滤波。最后通过仿真实验表明,该组合导航系统能够有效弥补单惯性导航系统精度发散的不足,提高了导航精度,实现了水下潜器的精确导航。     

基于Unscented卡尔曼滤波器的地磁辅助组合导航

将船位推算与地磁测量相结合构成组合导航方法.首先建立了推算模型,然后利用Unscented卡尔曼滤波方法,直接将地磁测量的结果用于校正推算结果,进行导航定位.此方法不采用匹配方法进行定位,可进行实时定位,能适用于非线性和离散的地磁模型.仿真表明,此方法能减小定位误差,适用于基于船位推算和地磁定位的实时组合导航.     

基于海流数据库的Kalman滤波在水下导航中的应用

定位精度对载体至关重要.提高定位精度有2种方式:一是增加高精度导航设备;二是利用数据处理方法.水下载体缺乏高精度的导航设备,但其又需要在水下保持长时间的精确航行.通过建立高精度的海流数据库,然后利用数据融合算法对水下导航信息进行处理来获得高精度的位置信息,该数据融合算法实质是基于海流数据库的Kalman 滤波.通过大量的仿真实验和海试证明,该算法具有很强的实用性和有效性.     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

Simulation platform of navigation system for autonomous underwater vehicle

1 Introduction1 It is hoped the Autonomous Underwater Vehicle (AUV) can be fully autonomous, but the basis of this hope is that AUV can navigate and position accurately.Inertial navigation is the main navigation method for AUV, but accumulative error of t…     

无人水下航行器发展与应用

  目的  针对某新型大尺度欠驱动高速自主式水下机器人（AUV）导航系统的研制,  方法  详细介绍AUV导航系统的硬件组成及软件构架,构建基于VxWorks实时嵌入式操作系统的AUV组合导航系统。考虑到高速AUV导航系统的非线性特征及容错性要求,将无迹卡尔曼滤波（UKF）技术用于联邦滤波器,设计基于UKF的联邦卡尔曼滤波器,并对导航系统的二维平面模型进行数值仿真。  结果  结果表明,联邦无迹卡尔曼滤波器相比传统的卡尔曼滤波方法能够获得更高的精度和更好的鲁棒性;半实物仿真联调试验、水池试验、湖上试验及艇载试验充分验证了导航系统的实时性和可靠性,  结论  证明该系统能够满足AUV航行任务的需要。     

低成本AHRS中Kalman滤波器的降维状态观测器设计

最优控制系统如捷联惯导系统（AHRS）都离不开状态反馈。然而系统的状态变量并不都是易于直接检测到的，这就需要状态观测器。基于减轻导航计算机计算负担和降低成本的考虑，提出Kalman滤波器的降维观测器的设计，并且讨论了误差模型的噪声补偿和降低估值误差的方法。