严恭敏[1]2006年在《车载自主定位定向系统研究》文中研究说明车载定位定向技术是指车上导航系统在载车行驶过程中精确确定其所在位置的地理坐标、北向方位及姿态角，为陆基导弹等武器的机动发射提供参考基准。为保证和增强车载武器系统的快速机动性，现代先进的陆地作战车辆一般都配备有定位定向系统。 虽然由惯性导航系统(INS)和全球定位系统(GPS)构成的INS／GPS组合系统很容易满足陆用导航系统动态定位和定向的要求，成为西方各国军用车辆导航系统的重要发展方向，但是GPS在我国军事应用中是不可完全依赖的，我国的车载导航系统必须具备自主定位定向的能力。采用液浮平台构成的车载导航系统虽然精度高，但每隔一定时间必须停车作零速修正，存在启动时间长、可靠性低、维修不便等缺点，极大制约着车载武器系统的快速反应能力。 论文中采用激光陀螺捷联惯导系统为主导航系统，通过与里程计和气压高度计组合，构成车载自主定位定向系统，并借助路标点进行误差补偿。该定位定向系统不依靠GPS，中途无须停车作零速修正，是一种全自主的导航系统，具有定位定向精度高、机动性好、可靠性高和寿命长等优点。 论文的主要研究内容包括： 1．在陀螺和加速度计均以增量形式采样条件下，介绍了捷联惯导系统(SINS)的算法编排，包括姿态更新算法、速度更新算法和位置更新算法，在姿态更新算法中考虑了圆锥误差补偿算法，在速度更新算法中考虑了划船误差补偿算法，在位置更新算法中考虑了涡卷误差补偿算法，形成了一套完整的捷联惯导算法。 2．在里程计采样以路程增量形式输出情况下，推导了高精度航位推算(DR)算法，研究了航位推算误差的规律，得出了航位推算轨迹与载车真实轨迹相似的性质，利用相似性方法可以对捷联惯组在载车上的安装偏差角进行标定，应用已知路标点信息能够对载车惯导初始对准误差角和里程计刻度系数误差等误差源进行修正，实现高精度定位定向。 3．设计了SINS／DR组合导航系统，仿真结果表明，在组合导航系统中航向误差角和里程计刻度系数误差能被较好地估计出来，因而组合导航系统能够在一定程度上提高定位定向系统的精度，并可应用于车载导航系统的动基座初始精对准。
吴富梅[2]2010年在《GNSS/INS组合导航误差补偿与自适应滤波理论的拓展》文中指出本文对GNSS/INS组合导航误差补偿与自适应滤波理论进行了系统而深入的研究。内容涵盖GNSS/INS组合导航基本原理、INS惯性元件随机误差分析和建模、GNSS/INS组合导航姿态角对准、GNSS/INS组合导航函数模型和随机模型误差补偿、GNSS/INS组合导航自适应滤波算法以及GNSS失锁时INS导航算法研究等。主要工作和创新点概括如下：1.总结了GNSS/INS组合导航数据处理的基本原理,介绍了INS导航、GNSS导航的基本原理以及GNSS/INS组合导航的滤波模型,分析了INS误差闭环校正和开环校正的优缺点。2.对INS随机误差进行了系统的分析和处理；分析和比较了陀螺信号中几种性质不同的随机误差在功率谱密度和Allan方差上不同的特性和表现形式；对叁种陀螺实测信号中的随机误差进行了分析,给出这些陀螺信号中存在的主要噪声类型及其相应的系数；通过对分解后高频系数进行检验,给出了一种自动判别小波多分辨分析尺度的方法；建立了叁种陀螺随机误差的ARMA模型,确定了相应的ARMA模型阶数和模型参数。3.在INS力学编排基础上从误差分析角度提出一种基于累积误差极小值的精对准方法,有效缩短了初始对准时间；实测算例表明这种方法不受初始对准时间的约束,在较短时间内可以获得较高的对准精度。4.针对车载系统,提出一种顾及姿态角更新的低成本车载GNSS/INS组合导航算法,推导了利用GNSS测速确定航向角的原理,并且对低成本车载INS系统的俯仰角和翻滚角进行了分析；利用实测算例确定了不同速度下的航向角精度,并且验证了新算法的有效性。5.给出了叁种确定INS白噪声谱密度的方法：直接估计法、基于小波变换的谱密度估计法和Allan方差法。利用实测数据对这叁种方法进行了比较和分析,结果表明直接估计法和基于小波变换的谱密度估计所估计的噪声谱密度不仅仅是白噪声,还包含其它各种噪声在内的高频噪声,而Allan方差能够很好地分辨出信号中主要干扰噪声,但是一旦白噪声不占主导,就很容易淹没在别的高频噪声中；GNSS/INS组合导航结果也表明基于Allan方差所确定的白噪声谱密度能够更好地反映惯性元件中的白噪声统计特性。6.INS信号自相关和偏相关系数表明AR模型尤其是ARMA模型能够更好地反映信号的低频噪声；分别基于AR模型和基于ARMA模型,推导了GNSS/INS组合导航动力学模型方程和随机误差模型。实测算例表明,基于AR模型和ARMA模型的Kalman滤波精度都要高于根据经验设定参数的标准Kalman滤波,其中ARMA模型能够更好地反映低频信号的特性。7.推导了基于载波相位平滑伪距的实时GNSS/INS组合导航的公式,并且进行了误差分析。利用实测算例对算法进行验证,结果表明如果GPS周跳较少或者不发生周跳,基于载波相位平滑伪距技术的GPS/INS组合导航的精度较伪距紧组合导航有较大的提高,但是当GPS周跳较多时,精度提高不显着。8.提出伪距差分求解速度的方法,给出了相邻历元和历元间伪距差分测速的公式,并且对其精度进行了分析。利用实测算例对伪距差分测速的精度进行了比较和分析,指出在外界环境恶劣的情况下伪距差分可以保证较高的可靠性。9.在GNSS/INS松组合和紧组合导航中,为避免单一自适应因子对可靠参数的作用,基于预测残差和选权滤波构造出分类自适应因子,该自适应滤波能够将位置、速度、姿态角误差、陀螺仪和加速度计误差分别赋予不同的自适应因子,避免精度损耗。实测算例表明相比于标准Kalman滤波和单因子自适应滤波,分类因子自适应滤波精度有所提高。10.针对紧组合导航中观测值存在粗差的问题,提出通过部分状态不符值来构造自适应因子的方法,给出部分状态不符值构造自适应因子的过程,并与单因子自适应滤波和分类因子自适应滤波进行了分析和比较。实测算例结果表明,当观测无异常时,叁种自适应因子都能够较好地抑制动态模型误差的影响；但是当观测存在异常时,由预测残差构造的自适应因子不能分辨模型误差和观测误差,而由部分状态不符值构造的自适应因子能够抵制观测异常的影响,滤波结果优于由预测残差构造的自适应因子滤波结果。11.从参数可观测性角度提出一种两步自适应Kalman滤波算法,推导了两步自适应抗差滤波的公式和具体步骤,并且进行了分析和比较；实测算例结果表明,相比于标准Kalman滤波,两步自适应抗差滤波的导航精度受组合周期的长短、INS惯性元件误差的大小影响较小,并且能够控制动态扰动异常和观测异常的影响。12.针对由GNSS观测条件不佳或观测不足引起的误差,在一般自适应滤波的基础之上,对其进行扩展,自适应地调节状态预测向量的协方差阵,使其既能控制动态模型误差又能抑制由GNSS观测条件不佳引起的误差的影响。实际计算结果表明,相比于一般自适应滤波,扩展自适应滤波能够很好地控制这两种误差的影响。13.在GNSS信号失锁时,提出一种速度先验信息和Odometer观测信息辅助车载INS导航的方法,并且对位置修正法进行了改进。实测计算结果表明,与INS单独导航相比较,新算法可以大幅度提高载体位置和速度精度。14.给出了一种对INS单独导航累积误差建立模型的方法,并且用实测算例对所建立的模型进行验证,结果表明通过所建立的模型对INS累积误差进行修正,可以大幅度地削弱INS误差。
吴周洁[3]2009年在《组合式车载导航系统研究》文中研究表明随着智能交通系统的发展,车辆导航与定位技术越来越受到人们的关注。本文以车载导航为应用背景,重点研究了低成本SINS/GPS/EC组合导航系统的关键技术,为实现高精度的车载导航提供了有效的途径。为了提高组合导航子系统的精度,本文首先详细分析了每个子系统的导航原理和误差,并建立了相应的误差模型。设计了标定实验来辨识捷联惯导系统(SINS)中MEMS惯性器件的常值误差、刻度因子误差和安装误差;提出了基于椭圆假设的非线性两步估计算法来补偿电子罗盘(EC)所受到的罗差,通过实验验证了补偿方法的有效性。针对低成本SINS系统难以完成航向自对准的问题,本文提出了基于电子罗盘辅助实现粗对准,再利用卡尔曼滤波技术实现精对准的SINS初始对准方法。在精对准过程中,分别设计了基于初始对准线性误差模型的卡尔曼滤波器、简化Sage-Husa自适应滤波器以及基于非线性误差模型的自适应扩展卡尔曼滤波器和平淡卡尔曼滤波器。实验结果显示,在系统量测噪声方差阵未知时,在滤波器中加入自适应方法能有效的提高对准精度;而采用非线性滤波算法,即使在粗对准之后方位失准角比较小的情况下,也可获得比线性滤波更优的对准精度和快速性。由于分布式卡尔曼滤波比集中式滤波具有更强的容错性能,本文重点研究了自适应联邦卡尔曼滤波算法在SINS/GPS/EC组合导航系统中的应用。在分析导航子系统组合模式和组合导航系统状态方程的基础上,分别设计了自适应联邦卡尔曼滤波器和集中卡尔曼滤波器,并通过组合导航实验比较了两种滤波算法的性能。论文对低成本SINS/GPS/EC组合导航系统进行了较为系统的研究,为进一步实现低成本组合式车载导航系统奠定了理论基础。
杨若雨[4]2017年在《基于IDNN-EKF的车载MIMU/GPS抗干扰组合导航算法研究》文中提出随着科技的不断发展,惯性导航已经不再是军事武器中所独有的名词,其在民用无人机、智能移动通信设备、车载导航设备等领域也得到广泛的应用。微电子器件MEMS的诞生更是进一步促进着惯性导航系统的发展,利用微电子器件技术将传统的惯性器件制作成微型惯性导航器件,使其运用更加方便,从而使惯性导航技术得到普及。这种利用微电子技术制造出来的微惯性导航单元,简称为MIMU,便是微电子技术下的产物。微电子技术降低了传统惯性导航系统的制作成本,使其可以进行批量生产、并且方便携带便于操作,适合各类人群的使用。近几年,基于MIMU的车载组合导航系统以其应用的广泛性一直都是国内外研究的热点。然而,由于MIMU受生产工艺水平的限制,其惯性敏感元件精度低,系统误差随时间的增加积累严重,导致导航结果精度低且稳定性差。因此在实际应用中,MIMU不能独立完成导航定位任务,需要采用其它高精度的导航设备对其进行辅助。由于全球定位系统GPS可以全天候提供高精度的定位导航信息,在车载组合导航中通常采用GPS对MIMU进行补偿,以组成车载MIMU/GPS组合导航系统。然而,由于GPS信号受外界因素影响严重,在车载导航中常出现GPS信号异常现象,严重影响导航精度。因此,如何克服GPS信号异常带来的影响,有效的提高车载组合导航的精度和稳定性,是近年来车载组合导航领域中研究的重点内容。本文在经典信息融合算法的基础上,针对复杂环境引起的GPS信号异常情况对MIMU/GPS信息融合进行深入研究并提出了基于IDNN-EKF的车载MIMU/GPS抗干扰组合导航算法,在基于EKF的组合导航算法基础上,加入IDNN对导航系统进行辅助,并根据车辆的行驶特性建立约束方程,在GPS长时间失锁时对输入延迟神经网络加以约束,提高输入延迟神经网络的稳定性和精度,提高系统的整体精度和稳定性。在GPS信号良好时,利用EKF对系统进行信息融合和滤波,对导航信息进行校正。同时对IDNN的参数进行训练,建立模型。当检测到GPS信号异常时,IDNN代替EKF对速度误差和位置误差进行预测,从而校正导航信息。为检测GPS信号的异常,及时切换工作状态,本文利用χ~2检验法对系统进行故障诊断。为防止GPS信号异常持续时间较长时IDNN失效,本文根据车辆运动特性建立约束方程对IDNN进行约束。最后,在仿真实验的基础上,利用XSENS公司生产的MTi-G微惯性传感器与GPS接收机进行了车载试验:试验结果表明,相比于传统的车载组合导航算法,基于IDNN-EKF的车载MIMU/GPS抗干扰组合导航算法可有效地克服GPS信号异常情况,提高了MIMU/GPS车载组合导航系统的整体精度和稳定性。
余恭敏[5]2014年在《车辆运动学/动力学模型辅助的车载自主导航系统》文中研究指明车载自主导航定位技术是ITS系统的核心关键技术之一。一直以来都是国内外的研究重点与热点。本文通过对现有车载自主导航定位技术的分析，针对车载GPS/INS组合导航在GPS信号有效时精度高但是在GPS丢星时误差迅速累积无法为车载导航系统提供持续的高精度、可靠的定位的特点，对基于车辆运动学和车辆动力学模型辅助的车载导航系统展开了研究。首先，对车辆运动学模型进行了分析研究，建立了四轮车辆运动学模型，在适当简化车辆参数、降低自由度的基础上，建立了两自由度的车辆自行车模型。仿真验证表明，所建立的车辆运动学具有较高的精度，能够满足车辆定位需要。在分析车辆侧偏、风力风向、路面状况的情况下，考虑车辆侧偏建立了车辆动力学模型。并且根据车辆在路面上行驶的特点，给出了非完整约束条件。其次，在对GPS/SINS组合导航系统模型及导航算法研究分析的基础上提出了运动学模型辅助的车载导航方法，仿真验证了该方法的可行性和有效性，该方法可在GPS失效时抑制惯导误差，保证导航信息的可靠性。根据GPS信息是否有效设计了相应的GPS/INS/VKM组合导航策略。GPS信号有效时，采用GPS/INS组合导航方法；GPS失效时采用VKM/INS组合导航方法。仿真验证表明，该方法能提高车载导航系统的可靠性，保证定位精度和导航信息的持续性。最后，论文针对运动学模型过于理想，车辆在实际行驶中存在的侧偏、侧移现象，导致车辆运动学误差较大，导致定位精度不高，实际应用困难的问题。提出了同时采用车辆运动学模型和车辆动力学模型辅助惯导系统的方法。研究了适合方案应用的滤波方程，采用分散滤波方法抑制纯惯导的误差随时间累积问题，提高导航定位精度和可靠性，以适应复杂多变环境中的自主车辆导航要求。通过仿真实验和对比分析，验证了此方法有效提高了导航定位的精度，改善了系统的性能，增强了导航系统的稳定性。
王新宇[6]2016年在《捷联惯性导航系统行进间精度保持技术研究》文中提出快速性、准确性和可靠性一直是武器研制过程中相互影响的技术难点,需要均衡考虑叁者影响后,合理设计出系统的各项性能指标。研究军用车载导航技术时,提高系统的快速性可以体现为让载体在技术阵地完成初始对准的全部过程,在转场的过程中只需保持系统的精度、保证系统误差在允许的范围内,即可让载体到达发射阵地后无需再花费时间进行对准,符合快速性的设计原则,有助于增加武器作战时整体的生存能力。本文主要使用捷联惯性导航结合其他技术来解决在行进过程中受多方面影响面临的精度降低、误差累积等问题。捷联惯性导航(SINS)因自主性高等特点成为了国防军事中的重要导航方式,是热门的导航研究内容之一。随着现代军事发展,为满足车载导航系统高精度和高可靠性的要求,研究人员提出了基于SINS新一代组合型导航的研究方向,使用多种导航技术相互配合能够最大程度地体现各自优点,提供精度更高的导航信息。本文使用轨迹发生器获得规划的轨迹信息,模拟载车行进间转场过程,进行SINS导航仿真实验,结果表明该算法处理的系统导航精度高,满足闭环原则;引入各项误差后系统误差随时间迅速增加、误差曲线发散严重,难以保持行进间的精度。本文基于SINS导航技术研究了组合导航精度保持系统的方案并设计其构成模块,分别选取SINS+GPS结合模式,建立相关速度、位置等多种类型的误差模型,并考虑了杆臂误差,增加了实际工程应用的可行性;选取SINS+里程计(OD)结合模式,在原基础上另外添加了安装误差及里程计刻度系数误差,构造成为综合误差模型。根据系统的误差方程结构,选取卡尔曼滤波方法对误差数据处理,选择多种状态量和观测量进行滤波更新,然后每隔一段时间采用速度和位置反馈的方式对SINS导航信息实时修正。此结构可提高系统精度并且增加系统能实时反馈的特性。结果表明最优估计的系统误差符合行进间精度保持的技术要求,增加了系统的适应性。为了提高系统可靠性、增加系统容错能力,基于联邦滤波算法、信息融合技术等理论,综合构建了SINS+GPS+OD组合导航,设计出无重置联邦滤波结构的主子滤波器并分析了具体估计算法。仿真表明此算法有效,虽然组合滤波后的次优估计结果稍差于子滤波器的最优估计结果,但系统误差仍在许可范围内,提高容错性的同时可以起到行进间系统的保持精度的作用。
聂晓明[7]2014年在《用于车载自主导航系统激光测速技术研究》文中研究说明惯性导航系统以其完全自主、不受外界干扰、隐蔽性好、可以同时输出载体位置、速度以及姿态等优点获得了广泛的应用。然而,纯惯性导航系统由于初始对准误差、惯性器件误差以及计算误差的存在,其定位误差随时间呈现发散趋势。激光多普勒测速技术具有测量精度高、动态响应快、测量范围大、测量线性度好等优点,是当今速度测试领域的重要发展方向,可用于速度-惯性组合导航系统。本文从实际应用的角度出发,对车载激光多普勒测速仪的原理、光路结构、信号处理进行了理论和实验研究,并进行了初步的车载激光测速仪与惯性测量单元的组合导航实验。由于纯惯性导航系统的定位误差随时间呈发散趋势,为提高载体自主导航精度,提出将激光测速仪与惯性测量单元组成组合导航系统,从光路结构、信号处理方法、应用领域叁个方面回顾了激光多普勒测速技术的发展过程并介绍了国内外该领域的研究现状。阐述了由于光源与接收器间相对运动引起的光学多普勒效应的原理,以及激光多普勒自主测量车式载体速度的基本原理。对比直接光谱探测与光学外差探测技术,指出光学外差探测技术用于激光多普勒测量中的多普勒频率探测具有的优势,论述了基于光学外差技术的平衡探测原理。针对参考光结构光能利用率低、信噪比差的不足,提出了分光再利用光路结构,提高了激光测速系统的信噪比;针对双光束差动以及多点分层光路系统中多普勒频率受光源波长漂移影响的问题,提出了波长不敏感光路结构;针对高速测量时,经典激光测速系统多普勒频率太大以致难以或者无法测量的问题,提出了基于双纵模激光器的双探测器光路结构。讨论了多维速度测量方案以及速度方向辨别原理。在建立了激光多普勒信号模型的基础上,提出了用于激光多普勒信号处理的一体化解决方案。通过信号调理、多普勒频率解算、结果输出叁个单元组成完整的信号处理方案。其中信号调理单元实现光电转换、电流电压转换、电压前置放大以及模拟数字量转换的功能;多普勒频率解算单元通过数字信号处理芯片,基于快速傅里叶变换、频谱细化、频率校正等技术实现快速准确的多普勒频率解算;信号输出单元通过有效性判据判别多普勒信号有效与否,并作出相应的输出。针对载体加速度较大时出现的非平稳激光多普勒信号,提出将希尔伯特-黄变换用于速度和加速度的解算,仿真表明通过总体经验模态分解以及瞬时频率,通过拟合可以解算出速度和加速度。系统、定量地分析了车载激光多普勒测速仪的误差源,并针对各种误差源提出了抑制或消除措施。在研究分析激光测速光路结构、信号处理方案、误差项及控制措施的基础上,研制出基于分光再利用光路结构的一维、二维车载激光多普勒测速仪工程样机。系统信号处理硬件实现通过DSP+FPGA+高速AD实现,其中AD负责激光多普勒信号的数模转换及量化,DSP负责核心的信号处理算法实现,FPGA作为DSP从AD转换芯片接收数据的缓存以及输出接口的数据发送。为评价所研制激光测速仪的性能,进行了实验室内的高精度转台实验。实验结果表明:所研制激光测速仪测量精度优于0.08%;测量线性度优于0.082%;测量速度下限为0.0678m/s。为评价车载激光测速仪用于实际路面车辆速度测量的动态测量可行性,进行了与GPS以及美国Beta laserMike公司高精度激光表面速度仪的对比测量实验。实验结果表明:所研制激光测速仪相较于GPS自主性好、数据更新频率高;相较于Beta laserMike测速仪具有信号丢失率低的优点,适合于实际路面上的车载自主速度测量。进行了普通柏油路、泥泞草地、大石子路上等不同路况下的车载速度测量实验,实验结果表明本文所研制激光测速仪可以适应不同表面性质路况的车载速度测量。开展了车载激光测速仪与惯性测量单元的组合导航实验。组合导航工作模式选择航迹推算。讨论了车载激光测速仪的比例因子及惯性测量单元安装差角的标定方法。采用一维激光测速仪,以差分GPS输出位置为基准,进行了多组车载导航实验,得到了较好的结果。建立了激光测速仪的测速误差模型以及捷联惯导航向角误差的简化模型。通过数值仿真结合实验测量位置误差反估出激光测速仪实际车载运行中的测量精度优于0.08%。
李晶[8]2018年在《基于RBFNN的复杂环境下车载组合导航系统研究及实现》文中提出未来汽车的发展方向是自动驾驶汽车,随着人工智能技术、视觉识别技术、GNSS高精度导航定位技术、5G-V2X通信技术等核心技术的突破和完善,自动驾驶汽车会逐步发展起来,成为出行和物流工具。GNSS与INS都被广泛应用于汽车定位导航中,二者组合后可以提升系统的稳定性,是导航领域的研究热点问题之一。GNSS/INS组合导航分为松组合、紧组合和深组合。松组合和紧组合都是利用GNSS信息辅助INS导航,深组合实现了INS与GNSS在信号处理层的信息交互。其中,GNSS/INS紧组合和深组合两种方式,极大地提高了整体导航系统的可靠性,特别适用于复杂环境下的车载导航应用。GNSS/INS深组合系统的实现需要调整GNSS接收机底层软硬件结构,组合算法上也需要进行深层次研究。在目前的研究中,对深组合GNSS信号跟踪误差模型、深组合系统中GNSS基带性能评估及优化等方面的研究还不成熟,对组合导航系统的反欺骗性能和系统可靠性研究较少,这些都制约GNSS/INS组合技术的进一步突破及在车载复杂应用场景下广泛应用。本研究面向大众车载领域,从自动驾驶对卫星导航的需求出发,研究复杂动态环境下车载组合导航技术,提出组合导航系统高可靠性解决方案,完成实时组合导航算法设计,设计并实现一体化组合导航模块,基于一体化组合导航模块研制并完成车载实时组合导航系统,并通过大量的实际测试验证了模块及终端性能。本文的主要工作和创新点如下:(1)针对GNSS信号脆弱性问题,提出捕获阶段的反欺骗算法。研究了深组合模式下INS带来的GNSS环路误差,建立了误差传递模型。分析了自动驾驶等复杂高动态应用场景下,深组合跟踪环的优势。从欺骗防御和误差分析与消除两个方面给出了提升车载导航系统可靠性的有效方法。通过搭建可靠性仿真测试环境,对反欺骗算法性能和误差传递模型正确性进行了验证。(2)建立了车载环境的GNSS/INS组合系统模型。设计了实时车载组合模型,完成了车载INS算法设计,提出了一种四元数法和旋转矢量法相结合的姿态更新方法。完成了GNSS/INS组合算法设计,提出了一种适用于嵌入式系统的低时延滤波算法。同时,对所提方法的可用性都通过实际场景进行了验证。(3)设计了一种基于径向基函数神经网络(RBFNN)的实时车载GNSS/INS组合滤波算法。为保障组合导航系统在车载环境的弱GNSS信号条件下,仍能提供满足精度要求的组合定位输出,本文提出了一种基于RBFNN辅助滤波的组合导航方法。设计了由RBFNN辅助滤波的紧组合导航系统,在GNSS信号完好时,对径向基函(RBF)神经网络进行训练,当GNSS信号失锁时,由RBF神经网络根据训练结果预测滤波器更新过程的量测输入。建立了RBF神经网络与自适应卡尔曼滤波器的数学模型及算法,并通过实际实验验证了所提方法的有效性。(4)设计并实现了GNSS/INS组合导航模块。完成了一体化实时GNSS/INS组合导航模块的实现以及组合导航模块在导航终端的集成,主要包括一体化集成的硬件实现、基于硬件平台的实时软件系统实现、模块工程化设计与实现、基于组合导航模块的车道级导航终端的设计实现及其可靠性测试。搭建了GNSS/INS组合车载导航系统,在不同的测试条件和复杂车载环境下进行了车道级车载组合导航综合性能测试。
程果[9]2015年在《基于改进AKF的车载MIMU/GNSS组合导航算法研究》文中提出二十一世纪新科技的发展日新月异,促进了微电子技术和微机械加工工艺水平的进步,在其推动下MEMS惯性传感器的发展突飞猛进,促使更多学者投入到了相关技术的研究中。以MEMS惯性传感器为主体的MIMU系统以其微型化、低成本、可批量生产、可靠性高等优点广泛应用于微型机器人、车载设备、智能移动通信设备、无人机等众多领域。特别是对于车载导航系统,MIMU系统的优点使该系统得到长足的发展。然而,由于MEMS惯性传感器的精度较低并且误差会逐渐积累,导致MIMU系统精度差,不能独立完成车载导航任务。通常情况下,为了弥补MIMU系统导航误差,采用GNSS对其进行补偿,以组成车载MIMU/GNSS组合导航系统。本文则是以车载MIMU/GNSS组合导航系统为应用背景,针对MEMS陀螺降噪及自适应线性信息融合方法展开深入研究。在保证车载组合导航系统稳定性的基础上,提高车载系统导航精度。本文在介绍了车载MIMU/GNSS组合导航系统的研究发展现状、基本原理与组合方式、经典信息融合算法的基础上,针对MEMS陀螺噪声影响车载系统导航精度的问题,对MEMS陀螺降噪技术展开深入研究:首先对MIMU器件误差进行分析,针对MIMU器件的随机误差,采用Allan方差与自回归过程进行误差特性辨识,并建立了 MEMS陀螺误差模型。再根据该误差模型,设计相应的MEMS陀螺降噪方案,减小随机误差,为后续章节的研究奠定坚实基础。在车载MIMU/GNSS组合导航系统融合算法研究过程中,文中针对采用传统卡尔曼滤波无法解决车载组合导航系统最优估计信息输出不稳定的问题,建立了基于改进观测状态方差R值的自适应卡尔曼滤波算法;在此基础上引进平方根滤波,提出一种基于平方根的自适应卡尔曼滤波(S-AKF)算法,该算法不仅可以解决信息融合过程中状态量计算误差的问题,还能够结合自适应卡尔曼滤波和平方根滤波的优点,提高车载MIMU/GNSS导航信息稳定性和系统精度。最后,利用XSENS公司生产的MTi-G微惯性传感器与卫星接收机进行了静态试验和车载动态试验:试验结果表明,相比于基于卡尔曼滤波的信息融合算法,基于S-AKF的车载组合导航算法可有效地对车辆行驶过程中的随机噪声进行补偿,同时降低了计算过程中的计算误差,在保证车载MIMU/GNSS组合导航系统稳定性的基础上,很好地提高车载导航系统的速度、位置和姿态误差。
丁文娟[10]2006年在《捷联惯性/里程仪/伪卫星车载组合导航系统研究》文中研究表明考虑到车载导航的自主性和可靠性,本论文对SINS/里程仪自主式车载组合导航技术和SINS/里程仪/伪卫星车载组合导航技术进行了系统的研究。组合系统能充分利用各子系统的优点,进行系统间的取长补短,有效地减小系统误差,提高系统的导航精度,同时还可以降低导航系统的成本。 本论文的主要研究工作如下: 第一,车载用户可利用零速校准法来减小惯导的误差积累,但这种方法需要周期性停车,使用不方便,不能满足实用要求。利用里程仪可以抑制惯导的误差积累,但里程仪刻度系数误差对组合系统的定位精度影响很大,必须对其进行校正。本文采用SINS/里程仪紧组合方案,利用SINS在启动后的短时间内(1～2分钟)解算精度高的特点,通过速度组合方式,对里程仪刻度系数误差进行实时校正。仿真结果表明,紧组合系统可将刻度系数误差从0.01减小到10~(-4)量级;与松组合系统相比,紧组合系统的定位精度也得到了很大的提高。但在实际应用中,车轮在空转、滑行、连滚带滑和侧滑等情况下,里程仪将出现测量故障,影响系统的定位精度,针对这些情况,本文在理论分析的基础上给出了相应的故障判断和处理方法。 第二,详细分析了东、北、天叁个方向的陀螺漂移及初始方位误差角对SINS/里程仪组合系统定位精度的影响。仿真结果表明,天向陀螺漂移和初始方位误差角对系统的定位精度影响较大;而东向和北向陀螺漂移对系统定位精度的影响较小,因此系统中就可以适当放宽对东向和北向陀螺精度的要求,这样就可以适当降低系统的成本。 第叁,SINS/里程仪组合系统无法解决方位误差角的问题,因而影响系统的定位及定向精度。为了减小方位误差角,进一步提高系统的导航精度,本文引入了伪卫星区域定位手段,组成SINS/里程仪/伪卫星车载组合导航系统,在载车行驶过程中对方位误差角进行修正。与常用的设定路标方法相比,此方法具有可以进行连续测量、不需停车及可以同时服务于多用户的优点,而且伪卫星基站设置灵活机动,可根据载车实际行驶路线进行设置。本文研究了GDOP对伪卫星定位精度的影响,并对伪卫星的定位性能进行了仿真;对SINS/里程
参考文献：
[1]. 车载自主定位定向系统研究[D]. 严恭敏. 西北工业大学. 2006
[2]. GNSS/INS组合导航误差补偿与自适应滤波理论的拓展[D]. 吴富梅. 解放军信息工程大学. 2010
[3]. 组合式车载导航系统研究[D]. 吴周洁. 上海交通大学. 2009
[4]. 基于IDNN-EKF的车载MIMU/GPS抗干扰组合导航算法研究[D]. 杨若雨. 哈尔滨工程大学. 2017
[5]. 车辆运动学/动力学模型辅助的车载自主导航系统[D]. 余恭敏. 南昌大学. 2014
[6]. 捷联惯性导航系统行进间精度保持技术研究[D]. 王新宇. 哈尔滨工业大学. 2016
[7]. 用于车载自主导航系统激光测速技术研究[D]. 聂晓明. 国防科学技术大学. 2014
[8]. 基于RBFNN的复杂环境下车载组合导航系统研究及实现[D]. 李晶. 电子科技大学. 2018
[9]. 基于改进AKF的车载MIMU/GNSS组合导航算法研究[D]. 程果. 哈尔滨工程大学. 2015
[10]. 捷联惯性/里程仪/伪卫星车载组合导航系统研究[D]. 丁文娟. 西北工业大学. 2006
标签：电信技术论文; gnss论文; 定位精度论文; 车载导航系统论文; 定位误差论文; 卫星导航系统论文; 误差分析论文; 车载系统论文; 智能车载论文; 人工智能论文; gnss系统论文; gps论文; gps导航论文; gps芯片论文; gps技术论文;