测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。

基于多传感器组合的环面蜗杆误差检测仪设计

针对齿轮、环面蜗杆等零件加工精度不易测量的问题,提出了一种基于多传感器融合的三维测量系统,集成了直线光栅、时栅角位移传感器与霍尔传感器,通过坐标变换、贝叶斯数据融合、傅立叶级数拟合方法,以完成零件的三维测量。利用该方法完成了对环面蜗杆误差检测仪的开发,与传统的环面蜗杆检测仪相比,减低了成本,提高了整机的开发效率。

基于GNSS的高速列车多传感器组合定位方法研究

从常用列车定位方法比较分析入手,探讨列车定位技术发展趋势。在此基础上,重点阐述了多传感器组合定位与GNSS定位的发展现状及其应用于高速列车定位面临的挑战,提出了以GNSS为主的多传感器组合定位平台建设性方案,并对其特点进行了剖析,为高速列车运行过程定位建模与优化探索新途径。

柔性机械臂模态估计:多传感器组合策略个例研究

柔性机械臂传感器输出变量选择不当会降低模态状态观测器的性能，甚至破坏模态状态重构的可靠性．本文给出了Ｋａｌｍ ａｎ 滤波器重构模态状态的多传感器组合策略个例研究．建立了评估模态状态重构的性能指标，探讨了实现高性能Ｋａｌｍ ａｎ

多传感器组合导航系统的联邦UKF算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦UKF算法。首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准UKF进行了简化;然后,以简化UKF为基础提出了多传感器组合导航系统的联邦UKF算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容错性能;最后,以GNSS/CNS/SINS多传感器组合导航系统为例进行了仿真验证。仿真结果表明,相对于联邦线性卡尔曼滤波器,联邦UKF算法可提高位置及姿态精度约25.8%、22.2%,同时继承了联邦线性卡尔曼滤波器的容错性能。

基于交互式多模型的多传感器组合导航系统

针对复杂环境中组合导航系统模型参数变化导致单一参数滤波器滤波精度下降的问题,对基于交互式多模型的多传感器组合导航系统进行研究。给出状态基于全局信息的融合估计公式,将交互式多模型卡尔曼滤波算法应用于SST/GPS/SINS多传感器组合导航系统,并与单一模型下的卡尔曼滤波方法进行比较。仿真实验结果表明,该方法能提高组合导航系统的滤波精度与可靠性,但当实际的模型集不能覆盖实际的所有模态时,系统的滤波精度会有所下降。

多传感器组合导航系统的多尺度异步信息融合算法

首先，将状态方程采用数据块变换的方式得到新的状态块方程，并将量测方程表达为数据块的形式；然后，将量测向量进行多层小波变换以得到新的量测向量，结合状态块方程进行卡尔曼滤波；最后，利用异步贯序滤波的方法，建立了基于全局的最优估计值。将上述算法应用于GPS／SST／高度表／SINS多组合导航系统，仿真结果表明：相对于单一尺度的异步滤波算法，该算法可明显地提高系统的滤波精度。

多传感器组合导航中的数据融合

目的通过估计误差方差阵,对多传感器组合导航系统中不同的融合数据进行定位精度比较,为系统定位提供选择数据的依据。方法基于递推加权最小二乘法研究多传感器组合导航系统中的数据融合,讨论估计误差方差阵的推导过程及系统定位精度的计算。结果仿真结果表明,由于采用的递推加权最小二乘法比最小二乘法更能反应实际测量过程,可更有效地组合多个数据,系统定位性能要好。结论为多传感器组合导航系统提供了一种有效的数据融合方法,对工程的预研和实施有非常重要的意义。

CCI多传感器组合土壤水分产品在青藏高原不同地区的适用性

青藏高原的土壤水分通过对水循环和对生态系统的作用,对区域乃至全球气候的变化起着重要的影响。由于该地区缺失长期和大规模土壤水分的现场观测,遥感产品成为地球系统模型的有用数据集。其中,欧洲航天局(European Space Agency,ESA)发布的气候变化倡议(Climate Change Initiative,CCI)土壤水分产品已在全球范围内广泛应用。研究使用3个网络的原位测量土壤水分数据评估CCI(主动、被动、主被动组合)产品在青藏高原地区的适用性,这3个网络分别代表青藏高原的半湿润(玛曲)、半干旱(那曲)和干旱(狮泉河)气候条件。结果表明,CCI 3种产品都能捕捉到青藏高原生长季土壤水分时间变化规律和东南高西北低的空间分布特征。其中主被动组合产品在3个网络的相关性都是最高的。在以高寒草甸为主的半干旱地区,CCI主被动组合产品反演土壤水分具有较高的精度,与实测数据相关系数高达0.870,均方根误差小于0.06,但在高密度植被区有所低估,裸露地表有所高估。从空间分布来看,主动产品过高估计了青藏高原土壤水分,被动产品显示土壤水分空间分布变化范围过大,最大值达0.98 m^(3)/m^(3),主被动组合产品在空间上(0~0.65 m^(3)/m^(3))最接近青藏高原土壤水分实际分布情况。研究结果可以为CCI产品在青藏高原的应用与研究提供参考。

一种多传感器组合导航系统的改进异步融合算法

针对多传感器组合导航系统中各子导航传感器数据采样率不同且呈有理数倍的这一特殊问题,提出了一种组合导航系统的信息融合算法。首先将多传感器组合导航系统的原始状态方程变换成状态数据块向量与当前状态向量之间的关系,进而构成新的状态方程,而原始量测方程表达为与状态数据块向量之间的关系,进而构成新的量测方程。然后基于具有尺度与小波特性的矩阵算子,给出了改进异步融合算法的具体实现步骤。最后将该算法应用于CNS/GNSS/SINS/高度表多传感器组合导航系统。仿真结果表明,相对于传统算法,位置、速度和姿态精度可分别提高约20%、15%和10%,验证了本算法的高精度特性和可行性。

永磁同步电机多传感器组合全闭环矢量控制方法

交流伺服电机广泛应用于机器人控制、数控机床等对调速系统性能要求很高的领域。在高性能数控机床、机器人等领域应用的交流伺服电机几乎都需要配置光电编码器等位置反馈元件,其控制多采用矢量控制的方式。但是由于系统误差和运行过程中的机械变形和装配原因,电机控制性能往往难以满足要求。为此,提出一种永磁同步电机(PMSM)多传感器组合全闭环矢量控制方法,并且重点比较了PMSM传统矢量控制方法和PMSM多传感器组合全闭环矢量控制方法。通过分析比较,试验结果展现出PMSM多传感器组合全闭环矢量控制方法可以很好地提高伺服系统的动态、稳态精度。

水下机器人多传感器组合系统在船体检测的应用

针对水下机器人的水下工作环境的特殊性,研究了水下多传感器信息组合系统,利用多种传感器的特殊功能,使得水下机器人拥有等同于人类的“看、触、听”感觉,并以此组合系统应用于船舶截面焊缝检测中。分析了水下机器人领域中水下传感器的小型化、低功耗等未来的研究方向。

基于模糊数学的AGV平台多传感器组合性能分析

针对AGV平台多传感器定位的最优组合问题,建立模糊数学综合评价方法,实现多传感器组合定位系统综合性能的评价体系。对激光雷达、相机、IMU、轮式里程计传感器进行不同组合,把各组合定位系统的精度、鲁棒性、成本、实时性、定位维度指标进行模糊评价,实验结果表明,该评价体系可以筛选出合适的综合性能比较好的多传感器组合方式。

多传感器信息融合的水下航行器组合导航方法

为了提高远程自主水下航行器组合导航系统的导航精度,提出了一种基于多传感器信息融合的组合导航系统方案。在建立SINS、DVL、LBL、深度计和航向传感器的误差模型的基础上,推导了多传感器信息融合模型,详细设计联邦滤波器结构,并给出各传感器输出频率不同时滤波器的解决方案。最后进行仿真试验,仿真结果表明该方法能充分融合多导航传感器信息,提高了远程自主水下航行器的导航精度。

多传感器组合导航系统的多尺度分布式滤波算法

将模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,首先将状态方程采用数据块变换的方式以得到新的状态块方程,并将量测方程表达为数据块的形式;然后将量测向量进行多层小波变换以得到新的量测向量,并结合状态块方程进行卡尔曼滤波;最后根据卡尔曼滤波结果建立多尺度分布式融合估计算法。仿真结果表明,相对于原始尺度的集中式卡尔曼滤波器及原始尺度的多尺度融合算法,本算法可明显地提高系统的滤波精度。

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。

多传感器组合导航系统的多尺度滤波算法

基于多尺度的思想,首先将在最细尺度上建立的状态方程、量测方程改写为以数据块形式描述的对应方程;然后利用小波变换技术将最细尺度上的块状态向量向粗尺度上分解,并将在最细尺度上建立的量测方程表达为粗尺度上状态向量的函数;最后结合常规Kalman滤波技术,建立了一种动态系统的多尺度单模型滤波方法.将上述算法应用于多传感器组合导航系统,仿真结果验证了该算法在不增加计算量量级的情况下,具有较好的融合精度.

多传感器组合导航系统的两级分布式融合算法研究

研究了可用于多传感器组合导航系统的两级分布式最优融合算法,以理论的形式证明了在有、无信息反馈的情况下最终的融合结果是等价的与最优的。仿真结果在验证上述理论的情况下,也说明了来自融合中心的反馈信息可明显提高子滤波的滤波性能。

一种异步多传感器组合导航系统融合算法

针对不同导航传感器存在的采样率不同步(或尺度不同),提出了一种基于状态方程多尺度变换的异步多传感器组合导航系统信息融合算法。仿真结果表明,本算法不仅具有较好的实时性,而且具有较好的融合精度。