欢迎来到天天文库
浏览记录
ID:32708149
大小:1.91 MB
页数:72页
时间:2019-02-14
《组合导航系统及其滤波算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要从20世纪70年代以后,人类在航天和航海领域开始运用组合导航系统进行导航。本文对惯性导航系统(INS)与全球定位系统(GPS)的组合导航系统进行了研究。本文单独对全球定位系统和惯性导航系统分别进行了具体探讨,详细论述了它们各自的系统组成、定位原理、误差模型和模型计算。Kalman滤波技术的发展,对组合导航系统的发展有重要的意义。标准Kalman滤波技术在实际运用中对具体的运动模型要求较高,特别是噪声协方差和模型参数不确切时,不能得到系统状态的最优估计值,甚至结果发散。本文论述了几种典型的自适应
2、滤波算法:Sage.Husa自适应滤波算法、强跟踪Kalman滤波算法、基于极大似然准则的Kalman滤波算法以及其它改进的自适应滤波算法。并且在不同系统中对常规Kalman滤波、扩展Kalman滤波(EK聊和文中讨论的自适应滤波进行仿真,通过比较分析,对比了它们的优缺点以及适用的范围。设计了一种模糊推理系统,同时构造了模糊规则库,并将其与Kalman滤波算法相结合,在线修正系统量测噪声协方差阵。仿真结果表明,该模糊Kalman滤波算法能很好地对系统状态进行最优估计,同时能很好适应系统噪声的变化,
3、提高了导航系统的精度。关键词:模糊推理系统卡尔曼滤波组合导航系统INS/GPSAbstractIn1970s,peoplebegintousingintegratednavigationsysteminspaceflightandseafaring.ThestudyontheintegratednavigationSystembasedonInertiaNavigationSystem(iNs)andGlobalPositioningSystem(GPS)isdoneinthepaper.TheG
4、PSandINSareseparatelydiscussedinthepaper.Andsystemiccomposition,orientationtheory,errormodelandmodelcalculationofGPSandINSarediscussed.ThedevelopmentoftheKalmanfilteringisofgreatsignificancefortheintegratednavigationsystem.Normalkalmanfilteringhaveahi
5、ghrequestintheapplication.,especiallyfortheinaccuratemodelparametersandnoisecovariance.Itworksworseanddonotgetoptimizedestimatedvaluesofsystemicstates,evendonotconverge.Manyappliedfilteralgorithmisoccurred,includingself-adaptivekalmanfilter.Someself-a
6、daptivealgorithms,Sage—Husaself-adaptivefilteringalgorithm,strongtrackingKalmanfilteringalgorithm,maximum—likelihoodkalmanfilteringandotherimprovedself-adaptivealgorithms,aleproposedinthispaper.Subsequently,simulationsofnormalKalmanfiltering,extension
7、Kalmanfilteringandself-filteringdiscussedinthepaperaledoneineverydifferentsystem.Theworkingfieldsofeachfilteringandcomparisonsoftheiradvantagesanddisadvantagesismadeinthepaper.WedesigntheFuzzyInferenceSystem,simultaneouslybuildsthestoreroomofthefuzzyr
8、ulesandthencombineitwiththeKalmanfilteringtomodifyonlinethecovariancematrixofsystemmeasurementnoise.SimulationsshowthisfilteringalgorithmcallgetabeRerresuRinsystemstatesoptimizationestimation.Simultaneouslyithasasuperiorityofadaptingsystemnois
此文档下载收益归作者所有