组合导航大作业
- 格式:doc
- 大小:565.52 KB
- 文档页数:11
自动驾驶组合导航1卫惯组合导航需求逐渐刚性,百亿级市场已来临1.1. GNSS与IMU融合可提供稳定的绝对位置信息全球卫星导航系统(GNSS)是能为地球表面或近地空间任何地点提供全天候定位、导航、授时的空基无线电导航定位系统。
美国的全球定位系统(GPS)、俄罗斯的格洛纳斯卫星导航系统(GLONASS)、欧盟的伽利略卫星导航系统(Galileo)以及我国的北斗卫星导航系统(BDS)是全球四大卫星导航定位系统。
受多路径效应、对流层折射等因素影响,普通GNSS单点定位精度一般在5-10米(实际普通GNSS在开阔地带单频单模单点定位精度约为2. 5米)。
为提高卫星导航系统的定位精度,出现了高精度卫星定位技术,主要包括以基于网络RTK技术的连续运行参考站系统(CORS)为代表的地基增强技术、以美国广域增强系统(WAAS)为代表的区域星基增强系统以及基于实时精密单点定位技术(PPP)的商业全球星站差分增强技术。
惯性导航系统(INS)属于推算导航方式,即从一已知点的位置根据连续测得的运动体航向角和速度推算出其下一点的位置,因而可连续测出运动体的当前位置。
惯性导航系统的核心部件为陀螺仪和加速度计,利用载体先前的位置、惯性传感器测量的加速度和角速度来确定其当前位置。
给定初始条件,加速度经过一次积分得到速度,经过二次积分得到位移。
角速度经过处理可以得出车辆的俯仰、偏航、滚转等姿态信息,利用姿态信息可以把导航参数从载体坐标系变换到当地水平坐标系中。
惯性导航系统有自主导航、不受外部依赖、输出频率高(大于IoOHZ)等优点。
定位精度取决于陀螺仪、加速度计等惯性传感器的测量精度,高性能IMU价格昂贵。
惯性导航定位误差会随着时间不断累积,导致位置和姿态的测量结果偏离实际位置,因此无法用来做长时间的高精度定位。
因此,通常采用惯性导航系统作为GNSS信号丢失时的补偿,以使导航系统功能连续。
惯性导航起源于军工领域,因其成本高,长期用于国防和商用航空航天领域,相关模组器件主要由我国军工企业研发制造,产品以高精度战术级器件为主(包括激光惯性导航、光纤惯性导航和高精度MEMS惯性导航)。
组合导航复习(完整版)⼀.名词解释.1.导航,导航系统及常⽤导航⽅法.(书P1)导航:将航⾏体从起始点导引到⽬的地的技术⽅法.导航系统:能够向航⾏体的操纵者或控制系统提供航⾏体位置,速度,航向等即时运动状态的系统.常⽤导航⽅法:①航标⽅法.②航位推算法.③天⽂导航.④惯性导航.⑤⽆线电导航.⑥卫星定位导航.2.航位推算导航.(书P1)航位推算导航:从⼀个已知坐标位置开始,根据航⾏体在该点的航向,航速和航⾏时间,推算下⼀时刻的坐标位置的导航过程和⽅法.优点:航位推算导航技术不受天⽓,地理条件的限制,是⼀种⾃主式导航⽅法.缺点:随着时间的推移,其位置累积误差会越来越⼤.3.衡量导航性能的参数有哪些?答:精度,覆盖范围,系统容量,导航信息更新率,导航信息维数;可⽤性,可靠性,完善性,多值性.4.伪距.(书P13)⽤户接收机⼀般不可能有⼗分精确的时钟,他们也不与卫星钟同步,因此⽤户接收机测量得出的卫星信号在空间的传播时间是不准确的,计算得到的距离也不是⽤户接收机和卫星之间的真实距离.这种距离叫做伪距.5.定轴性与进动性.(书P36)定轴性:陀螺仪的转⼦绕⾃转轴⾼速旋转,即具有动量矩H 时,如果不受外⼒矩作⽤,⾃转轴将有相对惯性空间保持⽅向不变的特性.进动性:如果在陀螺仪上施加外⼒矩M,会引起陀螺仪动量矩H 相对惯性空间转动的特性.6.⽐⼒.(书P53)设质点在i 系(惯性系)中的位⽮为r ,质点在外⼒作⽤下在惯性空间的运动状态可⽤⽜顿第⼆定律导出,即22i d r F m mr dt == .在上述等式当中,+F F F = 引⾮引⼒,F ⾮引⼒为⾮引⼒外⼒,是指作⽤在载体上的发动机推⼒,空⽓阻⼒,升⼒,地⾯反作⽤⼒等等.=F mG 引为引⼒外⼒.由此得22i F d r G dt m =+ ⾮引⼒.⽐⼒定义为F f m =⾮引⼒,为载体的⾮引⼒惯性加速度⽮量,也称视加速度⽮量.G 为中⼼引⼒加速度⽮量.7.惯导系统(书P31)惯性导航系统(Inertial Navigation System,INS)是利⽤惯性敏感器(陀螺仪和加速度计)测量得到的载体运动的⾓速率和加速度,依据惯性定律计算载体位置,速度,姿态等运动参数的装置或系统.8.数学平台.(书P21)数学平台的主要任务是⽤捷联陀螺仪测量的载体⾓速度计算出载体坐标系b 到导航坐标系n 的姿态变换矩阵nb C ;从姿态矩阵的元素中提取载体的姿态和航向⾓信息;⽤姿态矩阵把捷联系统加速度计的输出从载体坐标系变换到导航坐标系(n nb b f C f ).姿态矩阵计算,姿态航向⾓计算,⽐⼒变换等效于平台惯导的实体平台功能,但是靠数学变换和计算机实现.通常把这三项计算称作”数学平台”.9.对准.(书P72)在惯导系统加电启动后,平台的三轴指向是任意的,没有确定的⽅位.因此,在系统进⼊导航⼯作状态之前,必须将平台的指向准确估计出来.这⼀确定平台坐标系相对于参考系的⽅位的过程称为惯导系统的对准.10.传递对准.(书P81)传递对准是主惯导向⼦惯导实时传输⼦惯导对准所需要的导航参数和数据,⼦惯导通过动态匹配它与主惯导的数据,估计它所建⽴的坐标系与主惯导所建⽴坐标系之间的差别,并进⾏修正,以建⽴与主惯导相⼀致的导航坐标系的过程.(这段话⽐较拗⼝,要耐⼼地看.)11.标定与补偿.(书P94,P96)标定:通过⽐较陀螺仪,加速度计的输出值与已知的输⼊运动或基准信息,确定误差模型或测量模型的误差系数,使输出在其取值范围内符合使⽤要求的过程.误差补偿:通过测量确定适当的误差系数,并利⽤这误差系数通过误差模型对测量值加以修正,以除去惯性敏感器或系统中可预测的误差项.12.组合导航(书P26)组合导航技术是指使⽤两种或两种以上的不同导航系统(或设备)对同⼀信息源作测量,利⽤不同导航设备性能上的互补特性,从这些测量值的⽐较值中提取各系统的误差并校正之,以提⾼整个导航系统性能的⽅法和⼿段.13.最优组合导航(书P104)为了与经典的回路控制⽅法和其他确定性修正⽅法相区别,通常称采⽤滤波和估计技术的组合导航为最优组合导航.最优组合导航的基本原理是利⽤两种或两种以上的具有互补误差特性的独⽴信息源或⾮相似导航系统,对同⼀导航信息作测量并解算以形成量(liang,第⼆声)测量(liang,第四声),以其中⼀个系统作为主系统,利⽤滤波算法估计该系统的各种误差(称为状态误差),再⽤状态误差的估值去校正系统状态值,以使组合系统的性能⽐其中任何⼀个独⽴的⼦系统都更为优越,达到综合⽬的.14.线性滤波(书P106)基于线性系统进⾏的滤波称为线性滤波.主要包括:①最⼩⼆乘估计:它不考虑被估参数和观测参数的统计特性,因此不是最优估计.②卡尔曼滤波器:1960年卡尔曼提出了⼀种实⽤的递推最优估计算法:卡尔曼滤波器.它是建⽴在状态空间时域公式基础上的最优递推滤波算法,成为现代许多信息融合算法的基础.15.卡尔曼滤波(书P113)卡尔曼滤波是⼀种线性⽆偏,以误差⽅差最⼩为估计准则的最优估计算法.特点:①它的数学模型是⼀阶的,即连续系统是⼀阶微分⽅程,离散系统是⼀阶差分⽅程,特别适合计算机处理.②由于采⽤了状态转移矩阵来描述实际的动态系统,在许多⼯程领域中都可以使⽤.③卡尔曼滤波器的每次运算,只要求前⼀时刻的估计数据和当前时刻的测量数据,不必存储⼤量的历史数据.16.Sagnac效应.(书P42)光学陀螺的⼯作原理主要是基于Sagnac效应.所谓Sagnac效应是指在任意⼏何形状的闭合光路中,从某⼀观察点出发的⼀对光波沿相反⽅向运⾏⼀周后⼜回到该观察点时,这对光波的光程将由于该闭合光路相对于惯性空间的旋转⽽不同,光程差的⼤⼩与闭合光路的转动速率成正⽐.17.数据库参考导航(书P248)数据库参考导航(Data Base Reference Navigation,DBRN)是利⽤预先测量的地理或天⽂数据(源)库或地图作为参考,与传感器测量的相关信息进⾏计算,⽐较和相关处理,确定载体精确的定位信息和为载体提供导航的过程,⽅法和技术的总称.18.地形辅助导航(书P22)地形辅助导航(Terrain Aided Navigation,TAN)是利⽤地形,地物和地貌特征进⾏导航的总概念.地形辅助导航的基本⼯作原理:在系统中存储有飞⾏器所要飞越地区的三维数字地图;在飞⾏过程中,系统利⽤地形特征传感器得出飞⾏器正下⽅的地形剖⾯图或其他特征;系统将所存储的数字地图与测得的地形剖⾯图相⽐较,当达到匹配时,便求出了飞⾏器所在点的位置.⼆.简答题1.简述GPS 的组成,定位的⼏何原理以及GPS 定位过程.①GPS 系统的组成:GPS 卫星星座(空间部分),地⾯监控系统(控制部分),GPS 信号接收机(⽤户部分).②定位原理:三球交会(不是汇)原理.(书P13)三球交会原理:⽤户接收机与卫星之间的距离为:R =其中111,,,R x y z 为卫星到⽤户接收机之间的距离,卫星的坐标,是已知量;,,x y z 为⽤户接收机的坐标,为未知量.如果接收机能测出距三颗卫星的距离,便有三个这样的⽅程式,把这三个⽅程式联⽴起来,便能求解接收机的位置坐标,从⽽确定⽤户的位置.实际上, ⽤户接收机⼀般不可能有⼗分精确的时钟,他们也不与卫星钟同步,因此⽤户接收机测量得出的卫星信号在空间的传播时间是不准确的,计算得到的距离也不是⽤户接收机和卫星之间的真实距离.这种距离叫做伪距.假设⽤户接收机在接收卫星信号的瞬间,接收机的时钟与卫星导航系统所⽤时钟的时间差为t ,则有:R c t =+其中,c 为光速;t 为未知数.只要接收机能测出据四颗卫星的伪距,便有四个这样的⽅程.联⽴即可求解接收机的位置和准确的时间.③GPS 定位过程:围绕地球运转的⼈造地球卫星连续向地球表⾯发射经过编码调制的连续⽆线电信号,信号中含有卫星信号准确的发射时间,以及不同的时间卫星在空间的准确位置(由卫星运动的星历参数和历书参数描述);卫星导航接收机接收卫星发出的⽆线电信号,测量信号的到达时间,计算卫星和⽤户之间的距离;⽤导航算法(最⼩⼆乘法或滤波估计算法)解算得到⽤户的准确位置.2.简述平台式惯导原理.平台式惯导以陀螺为测量元件,通过三个框架形成了⼀个不随载体姿态和载体在地球上的位置⽽变动的物理稳定平台,保持着指向东北天三个⽅向的坐标系.固定在平台上的加速度计分别测量出在这三个⽅向上的载体加速度,将其对时间⼀次和⼆次积分,从⽽导出载体的速度和所经过的距离,载体的航向与姿态,最后由陀螺及框架构成的稳定平台输出.3.简述捷联式惯导原理.捷联式惯导将陀螺和加速度计直接固联在运载体上.惯性传感器(陀螺,加速度计)输出的是载体相对惯性空间的加速度和⾓速度,由计算机将载体坐标系下测量的数据变换到导航坐标系中再进⾏导航计算.因为导航计算是以参考坐标系(导航坐标系)为参考来确定载体的位置,速度,姿态等运动参数的,坐标变化和姿态⾓计算实际上起到了平台式惯导系统的稳定平台的作⽤,所以也称为”数学平台”.4.为什么说陀螺仪和加速度计是决定惯导系统精度的决定因素?(书P70)①陀螺仪的误差:陀螺漂移引起的误差⼤多数是振荡的,但对某些导航参数和平台误差⾓将产⽣常值误差.⽽最为严重的是北向陀螺的漂移y ε及⽅位陀螺的漂移z ε,对于经度误差()t δλ将引起随时间积累的位置偏差.但这并不意味着可以放松对东向陀螺的要求.实际上东向陀螺漂移x ε直接影响⽅位对准精度.因此,3个陀螺漂移的⼤⼩都是决定系统精度的关键因素.②加速度计的误差:加速度计零偏误差将产⽣振荡误差及常值误差.如两个⽔平加速度计的零偏误差,x y ??将引起经纬度及平台姿态⾓的常值误差.总之,陀螺仪和加速度计的精度是影响惯导系统精度的决定性因素,其中陀螺仪的精度尤为突出.5.阐述惯导系统的基本误差特性.(P70,与题⽬4类似,是题⽬4的概括)①陀螺仪:引起的系统误差⼤多为振荡的,对某些导航参数和平台误差⾓将产⽣常值误差.最为严重的是北向陀螺漂移以及⽅位陀螺漂移,对经度误差将引起随时间积累的位置偏差.东向陀螺的漂移误差将直接影响⽅位对准精度.②加速度计的误差:产⽣振荡及常值误差.其中⽔平加速度计将引起经纬度及平台姿态⾓常值误差.总之,陀螺仪和加速度计的精度是影响惯导系统精度的决定性因素,其中陀螺仪的精度尤为突出.6.最优组合导航的原理,及其主要过程.①定义:采⽤滤波和估计技术的组合导航为最优组合导航.②基本原理:是利⽤两种或两种以上的具有互补误差特性的独⽴信息源或⾮相似导航系统,对同⼀导航信息作测量并解算以形成量测量,以其中⼀个系统作为主系统,利⽤滤波算法估计该系统的各种误差(称为状态误差),再⽤状态误差的估值去校正系统状态值,以使组合系统的性能⽐其中任何⼀个独⽴的⼦系统都更为优越,达到综合⽬的.③应⽤最优滤波实现组合导航的主要过程:a.设计”最优”系统并对其特性进⾏计算和评估.b.考虑成本限制,灵敏度特性,计算要求和能⼒,测量程序和系统知识了解程度等,对”最优”系统进⾏简化,设计合适的”次优”系统.c.构建并试验样机系统,并按要求做最后调整和改进.7.卡尔曼滤波器的定义,特点:①定义:卡尔曼滤波是⼀种线性,⽆偏,以误差⽅差最⼩为估计准则的最优估计算法.②主要特点:a.它的数学模型是⼀阶的,即连续系统是⼀阶微分⽅程,离散系统是⼀阶差分⽅程,特别适合计算机处理.b.由于采⽤了状态转移矩阵来描述实际的动态系统,在许多⼯程领域中都可以使⽤.c.卡尔曼滤波器的每次运算,只要求前⼀时刻的估计数据和当前时刻的测量数据,不必存储⼤量的历史数据,⼤⼤减少了对计算机运算能⼒的要求.8.写出离散卡尔曼滤波⽅程组.9.卡尔曼滤波误差产⽣的原因?①系统数学模型不准确或对系统数学模型作了⼀定的简化及近似,忽略了有关误差因素,使实际系统的状态转移矩阵,系统⼲扰矩阵等等与滤波计算时应⽤的相应参数矩阵有差别.②初始状态⽅差估计不准确,即0P 存在误差.③噪声的统计特性不准确,即,k k Q R 存在误差.④使⽤了不准确的增益矩阵k K .10.联邦滤波的基本思想.基本思想是先分散处理,再全局融合,即在诸多⾮相似⼦系统中选择⼀个信息全⾯,输出效率⾼,可靠性绝对保证的⼦系统作为公共参考系统,与其他⼦系统两两相结合,形成若⼲⼦滤波器;各⼦滤波器并⾏运⾏,获得建⽴在⼦滤波器局部观测基础上的局部最优估计;这些局部最优估计在主滤波器内按融合算法合成,从⽽获得建⽴在所有观测量基础上的全局估计.11.什么是直接估计⽅法,间接估计⽅法?惯性组合导航系统根据滤波器状态可将估计⽅法分为直接估计法和间接估计法.①直接估计法以各种导航参数(如惯导系统输出的精度λ,纬度L 和对地速度,,N U E v v v 等,采⽤符号I X 表⽰)为主要滤波状态,滤波器估值的主要部分就是导航参数估值.②间接法以惯导系统导航参数误差I X ?为滤波器主要状态,滤波器估值的主要部分就是导航参数误差估值?X ?,然后⽤?X ?去校正IX .12.简述输出校正和反馈校正的优缺点.(书P132)①输出校正:优点:⼯程实现⽐较⽅便,组合滤波器的故障不会影响惯导的⼯作.缺点:由于输出校正的滤波器所估计的状态是未经校正的导航参数误差,⽽惯导的误差是随时间增长的,卡尔曼滤波器的数学模型建⽴在误差为⼀阶⼩量且取⼀阶近似的基础上,因此在长时间⼯作时,由于惯导误差不再是⼩量,会使滤波⽅程出现模型误差,使滤波精度下降.②反馈校正:优点:反馈校正的滤波器所估计的状态是经过校正的导航参数误差,在反馈校正后,惯导的输出就是组合系统的输出,误差始终保持为⼩量,克服了输出校正的缺点,因此可以认为利⽤反馈校正的系统状态⽅程,更能接近真实地反映系统误差状态的动态过程,也可以认为没有模型误差.缺点:⼯程实现没有输出校正简单,且滤波器故障直接影响惯导输出,降低了系统可靠性.13.简述GPS/INS松耦合,紧耦合,并⽐较两者的特点.(P151)①松耦合组合(速度位置组合):将INS(惯导)和GNSS(全球导航卫星系统,这⾥特指GPS系统)接收机各⾃输出的位置估值和速度估值进⾏⽐较,得到的差值形成滤波器(如卡尔曼滤波器)的测量输⼊量,对惯导系统提供测量更新.②紧耦合组合(伪距,伪距率组合):将GNSS接收机的伪距测量值和伪距率测量值,与利⽤INS导航输出计算出的相应伪距,伪距率估计值进⾏⽐较,得到的差值形成(卡尔曼)滤波器的测量输⼊值,经组合导航滤波器,⽣成惯导系统的误差估值,这些估值可在每次测量更新后对惯导系统进⾏修正,以提⾼惯导的精度.③特点(⽂字版):与松耦合相⽐,紧耦合的主要优点有:不存在将⼀个卡尔曼滤波器的输出⽤作第⼆个滤波器的测量输⼊时所产⽣的问题;隐含完成GNSS 位置和速度协⽅差的交接;组合系统不需要⽤完整的GNSS数据来辅助INS,即使只跟踪到单个卫星信号,GNSS数据也会输⼊滤波器,⽤于估计INS的误差,从⽽增加了GNSS使⽤的灵活性,但是在这种情况下估计精度会下降很快.④特点⽐较(表格版本):(见书P151)14.GPS/INS伪距,伪距率组合的概念.紧耦合组合是将GNSS接收机的伪距测量值和伪距率测量值,与利⽤INS导航输出计算出的相应伪距,伪距率估计值进⾏⽐较,得到的差值形成(卡尔曼)滤波器的测量输⼊值,经组合导航滤波器,⽣成惯导系统的误差估值,这些估值可在每次测量更新后对惯导系统进⾏修正,以提⾼惯导的精度.由于这种组合使⽤GNSS测量的伪距和伪距率以及INS导航结果相应的伪距和伪距率估值作为组合滤波器的测量值,因此,这种紧耦合组合也称为伪距,伪距率组合.15.简述SITAN地形辅助导航的原理.(书P261)根据INS输出的位置可在数字地图上找到地形⾼程,⽽INS输出的绝对⾼度与地形⾼程之差为飞⾏器相对⾼度的估计值,它与雷达⾼度表实测相对⾼度之差就是卡尔曼滤波的测量值.由于地形的⾮线性特性导致了量测⽅程的⾮线性,采⽤地形随机线性化算法可实时地获得地形斜率,得到线性化的量测⽅程;结合INS的误差状态⽅程,经过卡尔曼滤波递推算法可得导航误差状态的最优估值,采⽤输出校正可修正INS的导航状态,从⽽获得最优导航状态.16.巡航导弹的惯性地形匹配制导过程.(书P256)①在侦查阶段,预先绘制出飞⾏弹道附近区域的数字地形标⾼数字地图获取数字的地形⾼程数据,按巡航导弹预定的发射点到被攻击⽬标点之间的最佳基准弹道,确定若⼲个具有明显地形特征的地形匹配区.②巡航导弹飞⾏过程中进⾏地形数据实测,确定出导弹实际位置.③修正巡航导弹的飞⾏航迹.三.计算题.1.推导并说明纯惯性⾼度通道的稳定性.2.写出惯导⽐⼒⽅程,并说明其含义,指出每⼀项的物理意义.上述⽅程表明了加速度计所敏感的⽐⼒与载体相对地球加速度之间的关系.其右边第⼀项是载体对地速度在导航坐标系中的变化率,即在测量坐标系中表⽰的载体相对地球的加速度;第⼆项是地球⾃转⾓速度和导航坐标系相对地球的转动所产⽣的科⽒加速度和向⼼加速度;第三项是地球重⼒加速度.(需会推导)推荐⼀⾸歌:《ありふれたかなしみの果て》Contributed by 施俊杰。
基于组合导航系统的数值积分粒子滤波算法摘要本研究工作中,我们研究数值积分粒子滤波器(CPF)算法来计算GPS / INS组合导航系统的估值。
GPS/ INS组合导航系统的误差模型是非线性的。
CPF算法是建立在数值积分卡尔曼滤波器(CKF)和粒子滤波器(PF)之上的,并且具有两者的优点。
因此CPF可以为高维非线性滤波器问题提供一个系统的解决方案。
CPF通过模拟的方式来展现。
模拟结果表明,当与次优技术例如数值积分卡尔曼滤波器(CKF)比较时,这种方法具有优越的性能,因为在这种情况下CKF有大的初始偏差。
模拟的结果表明,该改进的CPF的表现超越了传统的非线性滤器。
该研究为工程设计和改进提供了支持。
关键字:数值积分规则数值积分卡尔曼滤波(CKF)数值积分粒子滤波器(CPF)组合导航1、引言滤波器在实际系统起着非常重要的作用。
在现实世界中,几乎所有的系统都具有非线性特性。
只有深刻领会非线性系统的本质,合理建立系统模型和非线性网络滤波方法才能有效地帮助分析和解决各种在工程实践中遇到的问题。
卡尔曼滤波器(KF)是用于估算线性系统[1]的最优滤波器。
该GPS / INS导航系统通常采用卡尔曼滤波器来估计所述系统的状态[2,3]。
卡尔曼滤波器的简单计算,递归结构和数学严谨的推导,使其适用和吸引大量实际应用的使用。
然而,许多现实世界的系统都是非线性的。
扩展卡尔曼滤波器(EKF)的开发来帮助这些非线性系统。
但是扩展卡尔曼滤波器是一种次优的非线性滤波器,由于当是线性系统[4,5]时截断了高阶项。
EKF的计算时间类似于卡尔曼滤波器[6]的。
数值积分卡尔曼滤波器(CKF)是没有非线性模型[7]的直链化非线性滤波连接的方法。
在CKF算法是公正和最小方差,这比GPS / INS 动态系统[8] EKF方法更好。
在CKF中被建议使用贬低线性偏置的非线性测量方程[9]。
物理系统往往受到意想不到的偏差或失误[10]。
其结果是,有一个方法,来维持一个精确的和可靠的解决方案[11]是重要的。
INS/GPS组合导航算法设计1 引言目前单一导航系统难以满足实际要求,把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,使组合后的导航系统在精度和可靠性都有所提高。
本课题研究飞行器GPS/INS组合导航算法,通过对飞行器INS/GPS 组合导航算法设计,以VC++6.0为平台组建INS/GPS组合导航仿真系统,对组合导航算法进行实现。
并对飞行器的飞行状态进行仿真,仿真前预先设定飞行器的飞行参数(包括平飞、加速、减速、上升、下降、转弯等飞行动作以及每个动作开始结束的时间),通过设计的组合导航仿真系统得到飞行器的位置、速度、姿态角信息。
并通过MATLAB对INS/GPS组合导航解算出来的数据与预先设定的实际飞行数据进行比较分析。
惯性导航系统的优点是:(1)自主性强,它可以不依赖任何外界系统得支持,单独进行导航。
(2)不受环境、载体运动和无线电干扰的影响,可连续输出包括基准在内的全部导航参数,实时导航数据更新率高。
(3)具备很好的短期精度和稳定性。
其主要缺点是导航定位误差随时间增长,难以长时间的独立工作。
全球定位系统是一种高精度的全球三维实时导航的卫星导航系统,其导航定位的全球性、高精度、误差不随实践积累的优点,但是GPS系统也存在一些不足之处,主要是:GPS接收机的工作受飞行机动影响,当载体的机动超过GPS接收机的动态范围时,GPS接收机会失锁,从而不能工作,或者动态误差过大,超过允许值,不能使用。
且GPS接收机的更新频率较低(1HZ),难以满足实时控制的要求。
抗干扰能力差。
此外GPS导航受制于人。
因此GPS系统一般作为理想的辅助导航设备使用。
GPS/惯性组合导航,克服了各自的缺点,取长补短,可以构成一个比较理想的导航系统,GPS/惯性组合导航可以大大降低导航系统的成本。
随着MEMS技术的发展,惯导成本的降低都是组合导航系统发展的优势所在。
我们用组合导航算法将惯性导航单元的信息和GPS的信息进行综合,来补偿惯性元件的误差,修正速度、姿态信号,从而构成一个精度适中、结构紧凑、成本低廉的导航系统。
惯导作业一、填空题1.惯性导航系统是一种不依赖任何外部信息、也不向外部辐射能量的______导航系统。
答案:自主式2.不依赖外界信息,只靠对载体本身的______、来完成导航任务的技术称做惯性导航,也称为自主式导航答案:惯性测量3. 加速度计其输出一般是______、,但在积分加速度计的情况下则输出为______、。
答案:速度、加速度4. 惯性器件就是测量载体______、和______、参数的传感器。
答案:线运动、角运动5. 加速度经过一次积分可以得到______,经过二次积分得到______。
答案:运动速度、运动距离6. 描述角运动的参数有______、______。
答案:姿态角、姿态角速度7. 描述线运动的参数有______、______、______。
答案:位移、速度、加速度8. 高速旋转的自由陀螺仪,当不受外力矩作用时,其主轴将保持它在空间的______方向不变。
答案:初始9. 由表观运动所引起的陀螺______偏离当地地垂线的误差,称之为陀螺仪的“表观误差”。
答案:自转轴二、单选题1.陀螺自转轴方向相对惯性空间保持不变,以地球作为参考基础,陀螺自转轴相对地球表面的转动,为()。
A.表观运动B.自转运动C.定轴运动D.进动运动答案:A三、多选题(每题1分)1.惯性导航系统的核心有()A.加速度计、B.陀螺仪C.导航计算机D.GPS答案:ABC2.惯性导航系统的基本组成()A.加速度计B.模拟某一坐标系的惯性平台C.导航计算机D.控制显示器答案:ABCD3.激光陀螺特点有哪些()。
A.抗干扰能力弱B.启动快C.动态特性较宽D.稳定性好答案:BCD4.关于组合导航系统,下列说法正确的是()。
A.提高导航系统的精度B.提高导航系统的可靠性C.提高导航系统的安全性D.启动快答案:ABC四、判断题1. 一个沿直线运动的载体,只要借助于加速度计测出它的加速度,那么,载体在任何时刻的速度和相对出发点的距离就可以实时地计算出来。
导航定位技术(程青青 912110190104)1. 引言早在远古时代,人类便知道利用星历导航,然后又出现用鱼骨充当六分仪,确定航线,接着指南针的发明,标志着导航仪的诞生,再后来英国发明了航海表,人们综合利用星历知识、指南针、航海表进行导航。
随着科技的发展,导航定位技术也逐渐成熟,出现了无线电导航、量子导航等,导航定位技术已经渗透到人类文明的各个角落里,发挥着它无可替代的作用。
导航定位系统的目的简单来说就是“在哪里、到哪去、怎么去”这九个字,也就是以某种手段或方式引导航行体安全、准确、便捷、经济地在规定时间内按一定的路线到达目的地。
导航过程中系统要实时连续的给出载体的位置、速度、加速度、航向等参数。
导航定位技术是涉及自动控制、计算机、微电子学、光学、力学、数学等领域的高科技,现在不仅已经广泛应用于海、空、天等高科技武器和武器研究平台中,还以各种形式成为我们日常生活不可或缺的重要部分。
2.导航定位系统2.1 导航定位系统的分类根据原理的不同,可以将现有的导航定位系统分为地磁导航系统、声学导航系统、推位导航系统,惯性导航系统、无线电导航系统、卫星导航系统、天文导航系统七大类。
(1)、地磁导航系统原理:通过地磁传感器测得的实时地磁数据与存储在计算机中的地磁基准图进行匹配来定位(由于地磁场为矢量场,所以在近地空间任意一点的地磁矢量都不同于其他的点,且与该点的经纬度是一一对应的)优点:无源、无辐射、全天候、全地域、能耗低。
(2)、声学导航系统由于电磁波在水中能量消耗太快,而声波能传播几百公里而几乎没有能量损失,因此可以采用声发射器作为信标在水中引导载体的航行。
分类:长基线导航(LBL)、短基线导航(SBL)、超短基线导航(USBL)原理:事先在海域摆放换能器或者换能器阵,以此实现声学导航。
换能器发出的脉冲被一个或者多个设置在母船上的声学传感器接收,收到的脉冲经过处理并按照预定的数学模型进行计算就可以得到声源的位置。
校园导航问题【问题描述】以我校为例,设计一个校园导航系统,主要为来访的客人提供信息查询。
系统有两类登陆账号,一类是游客,使用该系统方便校内路线查询;一类是管理员,可以使用该系统查询校内路线,可对校园景点路线可编辑。
【需求分析】设计学校的平面图,至少包括10个以上景点(场所),每两个景点间可以有不同道路,且路长也可能不同,找出在游人所在景点到其他景点的最短路径,或游人输入的任意两个景点的最短路径。
要求:(1)以图中顶点表示校园内各景点,存放景点名称、代号、简介等信息;以边表示路径,路径权重为路径长度。
(2)为游人提供任意景点相关信息查询。
(3)为游人提供任意景点的问路查询,即任意两个景点之间的最短路径。
实现提示:一般情况下,校园道路是双向通行的,可设计校园平面图是一个无向图。
顶点和边均含有相关信息。
选做内容:(1)提供图的编辑功能:增删景点;增删道路;修改已有信息等。
(2)校园导游图的仿真界面。
【概要设计】1. 抽象数据类型定义:(1)景点顶点名称代号顶点信息简介Typedef struct{Int num;Char name[100];Char features[200];} VertexType;(2)图的存储结构:Typedef int EdgeType;Typedef struct{VertexType vexs[MaxVertexNum];EdgeType edges[MaxVertexNum][MaxVertexNum];Int n, e;} MGraph;2 主要功能模块(1)创建图的邻接矩阵存储结构void create( Graph *G );(2)浏览图中任一景点介绍VertexType GetVex(Graph *G, int v);(3)修改景点信息void PutVertex(Grahp *G, int v);(4)增加景点信息void InsertVertex(Graph*G, VertexType v);(5)删除景点信息void DeleteVertex(Graph *G, VertexType v);(6)增加道路void InsertArc(Graph *G,int v, int w);(7)删除道路void DeleteArc(Graph*G ,int v,int w);(8)查找某一景点到其他景点的最短路径void ShortestPath(Graph *G, int P[ ], int D[ ]); (9)查找任一两个景点之间的最短路径。
基于组合导航系统的数值积分粒子滤波算法摘要本研究工作中,我们研究数值积分粒子滤波器(CPF)算法来计算GPS / INS组合导航系统的估值。
GPS/ INS组合导航系统的误差模型是非线性的。
CPF算法是建立在数值积分卡尔曼滤波器(CKF)和粒子滤波器(PF)之上的,并且具有两者的优点。
因此CPF可以为高维非线性滤波器问题提供一个系统的解决方案。
CPF通过模拟的方式来展现。
模拟结果表明,当与次优技术例如数值积分卡尔曼滤波器(CKF)比较时,这种方法具有优越的性能,因为在这种情况下CKF有大的初始偏差。
模拟的结果表明,该改进的CPF的表现超越了传统的非线性滤器。
该研究为工程设计和改进提供了支持。
关键字:数值积分规则数值积分卡尔曼滤波(CKF)数值积分粒子滤波器(CPF)组合导航1、引言滤波器在实际系统起着非常重要的作用。
在现实世界中,几乎所有的系统都具有非线性特性。
只有深刻领会非线性系统的本质,合理建立系统模型和非线性网络滤波方法才能有效地帮助分析和解决各种在工程实践中遇到的问题。
卡尔曼滤波器(KF)是用于估算线性系统[1]的最优滤波器。
该GPS / INS导航系统通常采用卡尔曼滤波器来估计所述系统的状态[2,3]。
卡尔曼滤波器的简单计算,递归结构和数学严谨的推导,使其适用和吸引大量实际应用的使用。
然而,许多现实世界的系统都是非线性的。
扩展卡尔曼滤波器(EKF)的开发来帮助这些非线性系统。
但是扩展卡尔曼滤波器是一种次优的非线性滤波器,由于当是线性系统[4,5]时截断了高阶项。
EKF的计算时间类似于卡尔曼滤波器[6]的。
数值积分卡尔曼滤波器(CKF)是没有非线性模型[7]的直链化非线性滤波连接的方法。
在CKF算法是公正和最小方差,这比GPS / INS 动态系统[8] EKF方法更好。
在CKF中被建议使用贬低线性偏置的非线性测量方程[9]。
物理系统往往受到意想不到的偏差或失误[10]。
其结果是,有一个方法,来维持一个精确的和可靠的解决方案[11]是重要的。
论文中数值积分卡尔曼滤波(CKF)算法被引入粒子滤波器(PF)的框架[12]。
惯性导航系统(INS)是一种自主导航系统。
它不仅可以提供连续车辆的位置和速度的信息,也可以提供三个轴的姿态。
全球定位系统(GPS),这是在20世纪80年代开发的,可以在任何地点任何时间提供精确的位置和速度信息。
它的字符导致自己被越来越广泛地用于车辆在空中,海上和陆地导航。
通过整合GPS和INS的优点,GPS / INS集成系统将提高导航精度和可靠性。
2、数值积分粒子滤波动态状态空间模型的离散形式可以表示为[7]:过程方程:测量公式:其中,是动态系统在离散时间的状态; 和是一些已知的功能;是已知的控制输入;是测量;和分别是零独立的过程和测量高斯噪声序列装置和协方差。
在贝叶斯网络滤波模式中,在那个时候,状态的后验概率密度提供了一个完整的状态统计说明。
在收到新测量时刻,我们更新了状态,在时间的老后密度在两个基本步骤:更新时间和测量更新。
考虑多重积分的形式如下:其中是任意的功能。
一般的上述积分的分析值不能获得和需要得到由数值积分的近似值。
我们可以选择一组点与重量近似积分近日,加拿大学者[7]基于球面半径的标准提出CKD选择上述点集,在特定网络推导过程可以参考[7]。
CPF选择2n个(n为状态维)数值积分点相同通过球面半径的标准砝码。
表示第列为。
对于二维的就是:计算点集,CPF算法可以通过一次获得更新和测量更新。
CPF的伪码总结如下:1.初始化:2.时间更新3.测量更新4.滤波器更新3、系统模型在东北部式导航参照系,其中,是一个15维系统状态向量;,,是车辆姿态旋转矢量误差; ,,的速度误差; ,,是纬度误差,经度误差和高度误差分开; ,,是陀螺常值漂移;和,,是加速度计零失误。
系统状态误差模型可作如下说明。
(a)姿态误差方程可由下式确定(b)速度误差的方程可描述为(c)位置elTor方程可描述为(d)误差方程可描述为其中,和是零均值高斯白噪声。
(e)速度测量方程所确定(f)位置测量方程由下式确定其中,,是GPS接收机的速度误差;和,,是GPS接收机的位置误差。
4、仿真仿真条件如下。
起始位置:北纬34.1度,东经108.7是度和高度378.0米。
无论初始速度和态度是0陀螺常值漂移为10.0度/小时。
随机漂移是1.0度/小时。
加速度恒定的偏见是1,000.0ug。
随机偏差100.0微克。
GPS 水平位置误差为10.0米高度误差为10.0米速度误差为0.01米/秒。
初始姿态误差:1.5,1.5,10.0度。
模拟时间为500秒,科幻古尔由东速度估计误差,北方速度估计误差和垂直速度的估计误差。
在模拟中,我们使用CPF和CKF的车载导航误差估计,校正图速度误差模拟后输出。
如下图1中所示。
CPF的估计误差小于CKF约的在GPS/ INS 速度误差的估计。
从东速度的错误0.207至0.155米/ s 时,从0.248北方速度至0.186米/ s 的错误,并且垂直速度的误差从0.373至0.364米/秒。
因此,CPF 提高所述滤波器和所述导航参数的估计精度的性能。
它可以从上述音响居雷什该CPF 比CKF 更准确看到。
CPF 精度比CKF 略高,和CPF 曲线相对CKF 更顺畅。
CPF 定位精度比CKF 的更高,这是因为当方位角误差较大INS/ GPS 组合导航系统的强非线性,非线性状态UT 来的逼近精度后验分布比CKD 的一阶线性近似高。
图1:速度估计误差图时间/s东速度估计误差(m/s)4、结论时间/s 北速度估计误差(m/s) 时间/s垂直速度估计误差(m/s)本文提出了一种基于CKF和PF的组合导航系统GPS / INS的方法(数值积分粒子滤波器)。
模拟结果表明CPF的性能比CKF稍好,而CPF时间小于CKF的。
CPF可比CKF提供卓越的表现,通过更好地非线性。
该改进的CPF的表现超越了传统的非线性滤器。
该研究为工程设计和改进提供了支持。
参考文献1.Kalman RE (1960) A new approach to linear filtering and prediction problem[J]. Trans ASMESer D J Basic Eng 82(3):34–452. Crassidis JL (2006) Sigma-point Kalman filtering for integrated GPS and inertial navigation. IEEE Trans Aerospace Electron Syst 42:750–7563. Chhetri AS, Morrell D, Papandreou-Suppappola A (2004) The use of particle filtering with the unscented transform to schedule sensors multiple steps ahead[C]. In: IEEE international conference aconstics, speech, and signal, Montreal, Quebec, Canada. Processing vol 2, pp 301–3044. Julier SJ, Uhlman JK (2004) Unscented filtering and nonlinear estimation. Proc IEEE 92 (3):401–4225. Julier SJ, Uhlman JK (1997) A new extension of the Kalman filter to nonlinear systems [J]. Proc Soc Photo-Opt Instrum Eng 3068:182–1936. Crassidis JL, Markley FL (2003) Unscented for spacecraft attitude estimation[J]. J Guid Control Dyn 26(4):536–5427. Ienkaran A, Simon H (2009) Cubature Kalman filters. IEEE Trans Automat Control 54(6):1254–12698. Kotecha JH, Djuric PM (2003) Gaussian particle filtering[J]. IEEE Trans Signal Process 51(10):2592–26019. Farina A, Ristic B, Benvenuti D (2002) Tracking a ballistic target: comparison of several nonlinear filters[J]. IEEE Trans Aerospace Electron Syst 38(3):854–86710. Gordon NJ, Salmond DJ, Smith AFM (1993) Novel approach to nonlinear/non-GaussianBayesian state estimation. IEEE Proc Radar Signal Process 140:107–11311. Carpenter J, Clifford P, Feamhead P (1999) Improved particle filter for nonlinear problem. IEEE Proc Radar Son Nav 146:2–712. Gustafsson F, Gunnarsson F, Bergman N et al (2002) Particle filters for positioning, navigation, and tracking. IEEE Trans Signal Process 50:425–437。