露天矿区里程计辅助的GPS/INS车辆导航算法研究

由于INS误差容易快速积累,所以在GPS/INS组合导航过程中依赖于GPS信号的稳定性,露天矿区GPS信号容易发生中断或遮挡,引起INS误差的快速增长,降低导航精度。在GPS/INS组合导航的基础上,提出了露天矿区里程计辅助的组合导航算法,修正了GPS信号中断过程中导航参数误差。介绍了里程计速度和位置的解算方法和传统的GPS/INS组合导航的动力学模型及观测模型,给出了里程计辅助GPS/INS组合导航算法的结构图,描述了里程计辅助的GPS/INS组合导航算法的详细过程,通过车载验证了算法的有效性。实验结果表明:GPS信号缺失的情况下,GPS/INS组合导航的误差快速积累,导航精度较低;通过引入里程计辅助组合导航,可以及时修正GPS信号中断阶段的导航参数误差,加入的里程计辅助的GPS/INS组合导航误差在NED三个方向的最大值分别为11.336 m、8.056 m和19.782 m,比无里程计辅助的误差(在NED三个方向的最大值分别为40.324m、38.776m和79.693m)有较大提高,数据解算满足导航要求。     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。     

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

多普勒平滑伪距在GPS/INS紧耦合导航中的应用

针对GPS/INS紧耦合导航中GPS伪距观测值精度较低的问题,提出了一种多普勒平滑伪距在GPS/INS紧耦合导航的应用算法。首先给出了GPS/INS紧耦合导航详细的动力学模型和观测模型,在载波相位平滑伪距的基础上推导了多普勒平滑伪距的具体算法和方差-协方差计算公式,并引入遗传算法对平滑因子进行最优估计;然后利用实测数据验证了新算法的有效性。结果表明,平滑算法能够有效提高伪距观测值的精度,从而提高组合导航的定位精度,相对于载波相位平滑伪距,多普勒平滑伪距的精度略有提高,而且多普勒平滑伪距不受周跳的影响,算法的效率更高。与此同时,伪距观测值精度的提高使其与伪距率观测值精度相当,增强了滤波系统的稳定性。     

神经网络辅助的GPS/INS组合导航故障检测算法

针对GPS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在故障的情形,提出一种神经网络辅助的组合导航故障检测算法。该算法克服了基于模型的故障检测算法受模型误差影响的局限性;能够自动地对观测信息进行故障的检测、定位和剔除;能够基于故障检测后可靠的观测信息进一步调整动力学模型信息对导航解的贡献;能够在GPS失锁时,较好地进行导航预报。最后利用车载实测数据进行验证,结果表明该算法能够很好地从模型误差中分离出观测信息含有的故障信息,降低了故障检测算法存在的虚警率,避免故障信息对导航解的影响;且GPS失锁时,神经网络的预报输出在一定程度上能够进一步提高导航解的精度。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,影响GPS/INS紧组合精度的重要因素——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

基于小波阈值消噪自适应滤波的GPS/INS组合导航

惯导系统中惯性元件误差是影响惯性导航及其组合导航精度的重要因素.在GPS/INS组合导航自适应滤波的基础之上,提出利用小波进行阈值消噪以提高组合导航精度.首先对惯性元件输出信号进行频谱分析,确定相应的多分辨分析尺度以及不同尺度下对高频系数采取的相应措施.对噪声占主要成分的尺度将其高频系数全部置零,对噪声和有用信号共同占有的尺度将其高频系数作阈值处理.利用实测数据进行验证,结果表明这种方法能够有效地削弱惯性元件误差的影响,提高GPS/INS组合导航系统的精度和可靠性.     

基于低通滤波的GPS/INS组合导航模型研究

惯导系统中惯性元件误差是影响惯性导航及组合导航精度的重要因素。本文首先分析了INS加速度计及陀螺仪在不同方向上的原始观测数据误差源及其相关作用,并给出低通滤波及GPS/INS(Global Positioning System/Inertial Navi-gation System)组合导航模型。在此基础上,提出采用低通滤波器消除INS原始数据中的高频随机误差,提高GPS/INS组合导航精度的技术路线。模拟INS的线速度及角加速度原始观测数据,对本文模型进行INS自主导航测试,导航精度得到明显提高。进一步采用实测数据进行组合导航分析,滤波前后计算的位置误差比较可以看出滤波后的导航解要优于滤波前,X、Y、Z三个方向上导航精度分别提高了15.1%、28.3%、28.1%。在残差最大值的比较上,三个方向上都有所减小,说明本文模型可有效提高导航精度。     

扩展区间Kalman滤波器及其在GPS/INS组合导航中的应用

针对具有不确定动态模型参数的 GPS/INS 组合导航系统,首先介绍一种新型的区间Kalman滤波器,讨论了GPS/INS 组合系统中模型参数不确定性的问题,分析了惯性传感器建模中相关时间常数的区间特性,并建立了适合非线性特性的GPS/INS组合系统的扩展区间卡尔曼滤波器.计算结果表明,扩展区间卡尔曼滤波器对非线性GPS/INS组合系统是很有效的,它能给出组合系统导航误差的上下界,这对组合系统的设计具有指导的意义.     

基于伪距和多普勒观测值的DGPS/INS紧组合导航算法研究

GPS/INS组合导航具备数据更新率高、抗干扰、能够提供包括姿态在内的全部导航信息等优点,因此在测绘领域得到了广泛应用。但是目前国内GPS/INS组合导航研究主要集中在单GPS接收机与INS的组合模式,针对此问题,本文研究基于伪距和多普勒观测值的DGPS/INS紧组合导航算法,给出组合导航扩展卡尔曼滤波的状态方程和量测方程。实测数据解算表明,该组合模式下的导航精度得到显著提高。     

支持向量回归辅助的GPS/INS组合导航抗差自适应算法

卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。     

应用EKF平滑算法提高GPS/INS定位定姿精度

为了提高城市遮挡环境下GPS较长时间(60s)无法单独定位情况下GPS/INS组合定位定姿精度,研究了扩展卡尔曼滤波及其RTS(Rauch Tung Striebel)平滑算法;同时给出了基于ψ角惯导误差模型的GPS/INS组合系统状态方程和基于位置、速度更新的量测方程。实验中模拟GPS信号失锁60s,应用RTS后处理算法进行了GPS/INS组合数据处理。结果表明,扩展卡尔曼滤波EKF平滑算法可以有效地提高城市遮挡环境下GPS/INS组合定位定姿精度,特别是对GPS失锁的情况。从而很大程度上降低对高成本惯导的依赖。     

顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法

在顾及动力学模型随机误差的情况下,设计了一种GPS/INS自适应滤波算法.针对BP神经网络存在的训练速度慢、易陷入局部极小值等问题,对神经网络学习算法进行了改进.利用神经网络进一步减小系统误差对导航解的影响,给出了顾及动力学模型随机误差和系统误差的GPS/INS自适应滤波算法,并利用实测数据验证了算法的有效性.     

GPS/INS松组合与紧组合的实现与定位精度比较

GPS/INS组合导航技术包括两种组合模式:松组合与紧组合.在此分别给出了两种组合模式的算法,编程实现了GPS/INS松组合、紧组合两种组合导航的算法,并在此基础上根据车载组合导航的实测数据,对定位精度进行了比较分析,得出紧组合相比于松组合能够获得更好的定位精度.     

GNSS PPP/INS紧组合定位测速性能分析

针对动态高精度定位测速的问题,该文对卫星导航与惯性导航系统的数学模型进行研究,采用扩展卡尔曼滤波的处理方法,实现了GNSS PPP/INS紧组合的定位测速算法。利用实测数据验证本文实现的紧组合算法,并对BDS、GPS与GPS+BDS单频、双频观测值与INS紧组合的定位性能进行分析。结果表明:GNSS PPP/INS紧组合定位测速精度在动态开阔环境下优于PPP定位测速精度,对定位结果有1%～70%不同程度的改善,对测速结果则有一个量级的提升,平面测速精度在1(cm·s~(-1))左右,高程测速精度达到亚厘米级。     

GPS/INS紧组合的INS辅助周跳探测与修复

建立了GPS/INS紧组合定位模型,改正惯性器件误差及电离层折射误差,对不同组合观测量的误差影响进行了分析,构造不同观测值组合,提出了基于惯性信息辅助的GPS周跳自适应探测方法,分析了INS定位误差对周跳探测的影响,给出了周跳探测误报率及修复成功率评价指标,提出了一种周跳检测阈值自适应确定方法。利用实测组合导航试验数据验证本文的算法,文中模拟了不同的单历元多周跳及信号失锁条件,结果表明,在GPS信号完全失锁20 s内,该方法能准确检测和修复所有周跳,中断时间的延长降低了周跳修复的成功率;GPS信号部分失锁时,在模拟的90 s中断时段内仍能修复所有周跳;模拟了170历元的5 s间隔密集周跳,周跳探测成功率为100%,正确修复率为99.41%。