组合导航智能信息融合自适应滤波算法分析

针对当前自适应组合导航系统算法的研究趋势,总结了卡尔曼滤波技术的缺陷和利用智能融合技术提高滤波器性能的设计思想。对模糊控制自适应算法(FIR AKF)、神经网络自适应算法(NN AKF)和自适应神经网络模糊推理自适应算法(ANFIS AKF)进行了分析。着重研究FIR AKF采用滤波器新息序列和外系统状态的模糊控制器关键的模糊规则设计问题;分析NN AKF在组合导航系统模型调整、故障检测和隔离中的应用方法,并给出ANFIS AKF利用神经网络自动生成推理规则和建立自适应组合导航系统的基本方法。     

基于模糊评判的组合导航自适应信息融合方法

针对组合导航系统在载体实际运动中,存在着局部滤波器精度急剧下降和滤波发散问题,并且会给整个联合卡尔曼滤波器带来污染,提出基于模糊评判的自适应信息融合方法。给出了评价滤波器性能的滤波结果可信度定义和模糊评价方法,并在此基础上进行信息分配保持全局估计精度和控制滤波发散。理论分析与仿真结果表明,该方法比常规联合卡尔曼滤波器具有更高的精度和可靠性。     

组合导航系统的模糊信息融合

为了解决联合卡尔曼滤波法存在的不足，文中给出了用模糊推理系统与卡尔曼法相结合的方法，该方法可以在线对噪声统计特性进行修改。它不仅可以对子滤波器进行自适应，而且对主滤波器的融合方式提出了全新的信息融合算法，构造一个模糊推理系统，根据实际情况由该系统得到各子滤波器的各状态估计量的不同信任权值，实时地进行加权融合，既避免了传统联合卡尔曼法的复杂计算，又提高了融合精度。最后把此法用于INS／GPS组合导航系统中，仿真结果证明该方法是有效的，实用的。     

基于信息融合的自主天文导航方法

直接敏感地平和间接敏感地平是典型的两种自主天文导航方法,直接敏感地平简单可靠,但是由于地球敏感器精度较低,因此导航精度不高|利用星光折射的间接敏感地平精度较高,但是折射星数量有限并且观测时段较短。针对上述两种方法的缺点,提出一种基于信息融合的自主天文导航方法。当观测不到折射星时引入新信息,弥补间接敏感地平自主导航的不足。通过对多种导航模式进行数值仿真与分析,验证所设计方法提高了系统的导航精度和可靠性。     

基于模糊神经网络的多传感器自适应融合

针对非线性、大时滞的复杂工业控制系统中单传感器信息检测的单一性和不全面性,提出了一种新的基于模糊神经网络的多传感器自适应融合的方法.根据采用的多传感器是检测同一信息还是多源信息,提出了相应的两种结构模型,这种采用多传感器自适应融合的控制方法具有较强的容错性,较高的检测与控制的精度,因而增强了系统的灵活性和智能性.仿真结果表明了所提模型和方法的有效性.     

基于海流数据库的水下导航信息融合方法探讨

如何提高水下导航的精度一直是导航界关注的热点问题，特别是对于缺少高精度导航信息源的水下载运工具，这个问题显得尤为突出和急需解决，针对这种现状，本文对几种常用水下导航信息融合算法进行了比较，创造必地提出了通过建立完善的海流数据库，以此来增加一个精度较高的导航信息源，并提出了一种适用于水下载运工具的导航信息融合算法，通过大量的计算机模拟仿真实验和海试证明，该方法能大大提高水下导航的精度，并具有很强的实用性。     

组合导航自适应交互多模型算法研究

针对交互多模型(IMM)方法模型集覆盖能力与计算量相矛盾的问题,提出了将简化的Sage-Husa自适应滤波与IMM相结合,构成一种自适应交互多模型的方法.简化的Sage-Husa自适应滤波首先给出噪声统计特性的粗略值,IMM方法以该粗略值为中心,对称地得到模型集,再进行IMM估计.车栽组合导航仿真表明,该算法能够以较少的模型实现对实际模态的覆盖,而且精度比IMM方法也进一步提高.     

基于多传感器行为融合基础上的AGV导航研究

详细分析了AGV导航系统的基本行为，并建立了避障行为、目标跟踪行为、沿墙壁行驶行为和紧急停止行为的模糊规则。在此基础上，构建基于多传感器的行为融合的导航系统，并用模糊神经网络对上述规则进行学习，仿真结果表明该行为融合可获得很好的导航效果。     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

多系统组合导航仿真器设计

通过分析多种导航系统各自的特点,从对惯性导航系统误差状态的可观测性出发,考虑到校正方式的自由选择、滤波算法的不同采用以及信源的有效性检验等因素,建立了多系统组合导航模型,并采用Simulink工具搭建了该系统仿真器模块。仿真器能够自动地将处于工作状态的导航子系统按照最优准则组合起来,不但能够独立地执行,而且可以与其它导航系统仿真器一起集成在RT-LAB实时环境下正确运行。仿真结果表明,在满足精度的前提下,该系统具有导航信息的冗余性、互补性、容错性等良好性能。

Abstract：

By studying on observable of INS error states and the characteristic of each navigation system,considering the choice of the revision way,the adoption of different filtering algorithms and the verification of the information source,a multi-system integrated navigation model was built.The simulator module of this model was constructed by Simulink tools in MATLAB,which could integrate all active navigation subsystems automatically.The simulator not only could execute independently,but also could run accurately on RT-LAB real-time environment combined with other navigation system simulators.The simulation result indicates that the simulator has many good performances which include the flexibility in integration pattern of navigation systems,the redundancy and complementarity of navigation information,the fault tolerance of the whole system,etc.     

基于多智能体导航的高超飞行器信息融合方法

精确导航技术是高超飞行器(hypersonic vehicle, HV)充分发挥威力的关键所在。然而,高马赫数和强机动性致使HV的导航系统误差及其观测噪声无法准确描述,制约着导航信息的精确性和实时性。为及时获取高精度导航信息,设计基于集员框架的卡尔曼滤波算法。一方面采用多智能体分布式协同探测,形成观测椭球交叉集合,提高了观测效率和测量精度;另一方面,通过设计两类噪声模型,求其与状态估值的最小均方误差,实现滤波增益的计算,提高算法对噪声的抗扰动能力,使状态估值达到均方误差最小。通过数字仿真,将设计方法应用到HV导航模型中,并与扩展卡尔曼滤波和集员滤波的状态估值进行比较,结果表明,提出算法在不同噪声影响下具有更高的估计精度。研究成果将为HV实现实时精确导航提供技术支持,并具有重要的理论意义和应用价值。     

基于自适应的单形采样UKF组合导航算法

在SINS/GPS组合导航系统中,传统的无迹卡尔曼滤波 (unscented Kalman filter,UKF)采用对称采样无迹变换(unscented transform,UT),计算量大,而且采样点到中心点的距离会随着状态维数的增加而增大,产生采样的非局部效应。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高系统的实时性,采用比例UT变换来解决采样过程中的非局部效应,通过自适应调整比例因子来提高UKF的估计精度。由此引入了一种改进的UKF算法——自适应比例无迹卡尔曼滤波(adaptive scaled unscented Kalman filter, ASUKF)用于SINS/GPS组合导航系统中。仿真结果表明,这种方法计算量小且精度较高。     

多源信息融合的组合导航自适应联邦滤波算法

全球卫星导航系统、捷联惯导、里程计、零速更新等多源信息的融合为地面移动测量系统提供了精确的位置和姿态参考信息。针对进行多源信息融合时,由于数学模型偏差和观测值粗差的影响,传统的联邦滤波不能有效隔离故障子系统的影响的问题,提出了利用验前新息计算联邦滤波的信息分配系数,基于联邦滤波和自适应滤波的等效性和抗差滤波原理,实现实时调整信息分配系数的自适应联邦滤波算法。通过一组车载数据的分析表明,自适应联邦滤波算法相对于传统联邦滤波算法,能有效地抵御观测值粗差和数学模型偏差的影响,显著提高了组合导航系统的精度和可靠性。     

基于Pcomm组合导航系统高效串行通讯技术实现

为使组合导航系统串行通讯满足多通道、稳定、快速等多种特殊要求,在对常规WindowsAPI函数、多线程控制和异步OverlappedI/O等技术利弊分析的基础上,采用面向对象的程序设计方法,对MoxaPcomm函数库功能进行了分析和封装,建立了一种新的高速串行通讯类的通讯程序设计方法。该技术方法在Windows平台的组合导航系统设计中得到了有效的验证和应用,可使通用串行通讯程序的设计更加简便、紧凑、可靠和易于维护。     

基于UKF的低成本SINS/GPS组合导航系统滤波算法

针对MIMU的精度不高,会带来较大的初始对准误差角,如果继续采用传统的小干扰线性方程就会给滤波带来很大误差,甚至发散。针对这个问题,对低成本SINS/GPS组合导航系统建立了基于四元数误差模型的非线性滤波方程,并采用了UKF非线性滤波方法。针对四元数误差模型单纯使用UKF方法无法估计加计零偏和陀螺漂移的问题,提出将UKF和EKF相结合的算法,仿真结果表明,比起扩展卡尔曼滤波以及采用传统小干扰线性方程的卡尔曼滤波,这种方法能够提高姿态误差角特别是方位误差角的估计精度。     

基于鲁棒滤波的组合导航系统动基座对准

基于采用旋转组件的SINS/GPS组合导航系统,讨论了系统中的旋转组件转速误差和GPS信号延迟带来的时间不同步问题,针对这些扰动造成的系统模型误差,提出将基于极小极大准则的H∞滤波用于组合导航系统的动基座对准。通过对载体在不同运动方式下的动基座对准仿真,对Kalman滤波和H∞滤波的性能进行比较,证明H∞滤波算法具有对准时间快,精度高,抗干扰能力强的特点。     

基于滑动窗口的新息自适应组合导航算法

针对新息自适应滤波算法噪声跟踪精度和跟踪灵敏度相互矛盾导致的窗口宽度选取困难问题,提出了一种基于滑动窗口的新息自适应组合导航算法,该方法通过设计噪声统计特性梯度检测函数、敏感噪声统计特性的实际变化情况,利用窗口自适应函数实时计算窗口宽度,使得窗口在预设区间内自适应滑动,以适应实际噪声的变化。仿真实验表明,基于滑动窗口的新息自适应组合导航算法可以有效跟踪噪声统计特性的实时变化,可同时兼顾自适应跟踪精度和跟踪灵敏度。