一种基于动态残差的自适应鲁棒无迹卡尔曼滤波器定位算法

针对标准无迹卡尔曼滤波(UKF)定位算法无法满足移动机器人在不平整地面运动时高精度定位要求的问题,结合抗差估计理论,提出了一种自适应鲁棒无迹卡尔曼滤波器(ARUKF)定位算法。ARUKF根据动态残差对UKF的预测值进行抗差自适应调整,减小了外部干扰对系统预测值的影响,提高了系统的精度与鲁棒性,通过减少采样过程的运算量加快了运算,并提高了系统实时性。仿真和现场测试结果表明,相较于UKF算法和基于Sage-Husa的改进UKF算法,ARUKF算法对不平整地面产生的扰动能更快收敛,具有更加优异的精度、鲁棒性和实时性,平均距离误差小于2 mm,平均角度误差小于0.016 rad,可以满足更苛刻的建筑施工现场放线要求。

鲁棒卡尔曼滤波器在无线电／惯性组合导航高度表中的应用

本文提出了由无线电和惯性导航高度表组成的组合导航系统。惯性导航与无线电导航的高度表各有不同的优缺点，组合这两种导航器的主要目的是取长补短。在本文的后半部分，检测了组合导航系统在测量出现异常时的性能，正如所预测的那样，最优卡尔曼滤波器在测量异常的情况下，给出了异常的估计，为了解决这种可能的失效，提出了鲁棒卡尔曼滤波算法。