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。

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%。

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。

反求工程中多传感组合测量系统研究现状与发展

实物数字化是反求工程的第一阶段,数字化的精度、效率以及获取数据的完整性直接影响到后期CAD模型的建立。多传感器组合测量系统对于提高数字化的效率和精度有很重要的意义。本文简要介绍了逆向工程中实物数字化方法及其特点,并针对反求工程实物数字化的特点重点论述了国内外多传感器组合测量系统的研究发展状况,分析了目前多传感器组合测量系统在反求工程中应用有待解决的问题。多传感器组合测量系统满足了整个数字化过程中柔性和自动化水平日益增强的需求,解决了单一传感器应用的局限性,将越来越广泛的应用于反求工程中。