低成本GPS/INS無縫組合導(dǎo)航誤差抑制技術(shù)研究
發(fā)布時間：2024-09-28 19:34
近年來,GPS/INS組合導(dǎo)航系統(tǒng)因其良好的互補特性在各無人平臺上得到廣泛應(yīng)用,低成本的組合導(dǎo)航技術(shù)成為目前組合導(dǎo)航系統(tǒng)的重要發(fā)展方向。基于低成本的GPS/INS組合導(dǎo)航系統(tǒng)具有特定優(yōu)勢,符合未來無人駕駛運載體的需求。同時,結(jié)合傳感器數(shù)據(jù)分析技術(shù)與現(xiàn)代數(shù)據(jù)融合技術(shù),可以實現(xiàn)自主的、無縫的、高精度組合導(dǎo)航系統(tǒng)。然而,低成本的慣性測量單元輸出噪聲與隨機游走較大,得到的導(dǎo)航結(jié)果含有較大誤差。因此,研究低成本的GPS/INS組合導(dǎo)航系統(tǒng)的誤差來源與誤差抑制技術(shù),是未來組合導(dǎo)航技術(shù)的發(fā)展方向之一。本文研究了基于低成本GPS/INS無縫組合導(dǎo)航誤差抑制技術(shù),分別從低成本GPS/INS無縫組合導(dǎo)航系統(tǒng)誤差分析與建模、基于模糊間隔閾值的經(jīng)驗?zāi)B(tài)分解(EMD)陀螺消噪方法、基于自適應(yīng)互補濾波的姿態(tài)估計方法以及基于改進的徑向基神經(jīng)網(wǎng)絡(luò)的組合導(dǎo)航信息融合方法四個方面進行了相關(guān)研究。具體的研究方法和創(chuàng)新性為:1、針對本文采用的低成本慣性器件,一方面,對組合導(dǎo)航系統(tǒng)模型進行簡化,并確定了該組合導(dǎo)航系統(tǒng)的基本框架,另一方面,分析了該系統(tǒng)的主要誤差源,確定了誤差抑制方案。2、提出了基于模糊間隔閾值的EMD陀螺消噪方法...
【文章頁數(shù)】：68 頁
【學(xué)位級別】：碩士
【文章目錄】：
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 國外研究現(xiàn)狀
1.2.2 國內(nèi)研究現(xiàn)狀
1.3 論文主要研究內(nèi)容及結(jié)構(gòu)
1.3.1 主要研究內(nèi)容
1.3.2 論文組織結(jié)構(gòu)
2 無縫組合導(dǎo)航系統(tǒng)建模與誤差分析
2.1 組合導(dǎo)航系統(tǒng)基本框架
2.2 GPS/INS導(dǎo)航系統(tǒng)建模
2.2.1 姿態(tài)誤差模型
2.2.2 速度誤差模型
2.2.3 位置誤差模型
2.2.4 組合導(dǎo)航系統(tǒng)模型整理
2.3 組合導(dǎo)航系統(tǒng)誤差源分析
2.3.1 衛(wèi)導(dǎo)子系統(tǒng)誤差分析
2.3.2 慣導(dǎo)子系統(tǒng)誤差分析
2.3.3 數(shù)據(jù)融合方法誤差分析
2.3.4 誤差源整理
2.4 小結(jié)
3 基于模糊間隔閾值的EMD陀螺消噪方法
3.1 EMD信號分解方法
3.2 IMF的分類方法
3.3 模糊閾值消噪方法
3.4 小結(jié)
4 基于自適應(yīng)互補濾波的姿態(tài)估計方法
4.1 姿態(tài)更新原理
4.2 互補濾波觀測器
4.3 自適應(yīng)互補濾波觀測器
4.4 小結(jié)
5 基于改進徑向基神經(jīng)網(wǎng)絡(luò)的系統(tǒng)誤差抑制方法
5.1 自適應(yīng)卡爾曼濾波算法
5.2 改進的RBF神經(jīng)網(wǎng)絡(luò)算法
5.2.1 RBF神經(jīng)網(wǎng)絡(luò)基本原理
5.2.2 自適應(yīng)量子粒子群算法
5.2.3 改進的RBF神經(jīng)網(wǎng)絡(luò)
5.3 GPS/INS組合導(dǎo)航系統(tǒng)融合方案
5.3.1 神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型
5.3.2 系統(tǒng)訓(xùn)練部分
5.3.3 系統(tǒng)預(yù)測部分
5.4 小結(jié)
6 仿真、測試與分析
6.1 陀螺消噪方法驗證
6.1.1 仿真信號消噪方法驗證
6.1.2 轉(zhuǎn)臺陀螺儀消噪測試
6.1.3 Allan方差分析
6.2 自適應(yīng)互補濾波姿態(tài)估計方法驗證
6.2.1轉(zhuǎn)臺姿態(tài)估計實驗
6.2.2車載環(huán)境姿態(tài)估計實驗
6.3 基于改進徑向基神經(jīng)網(wǎng)絡(luò)的系統(tǒng)誤差抑制方法驗證
6.3.1 實驗設(shè)備與條件
6.3.2 不同算法對比分析結(jié)果
6.3.3 RBF訓(xùn)練模型對比
6.4 小結(jié)
結(jié)論
致謝
參考文獻
攻讀學(xué)位期間的研究成果
本文編號：4006251
【文章頁數(shù)】：68 頁
【學(xué)位級別】：碩士
【文章目錄】：
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 國外研究現(xiàn)狀
1.2.2 國內(nèi)研究現(xiàn)狀
1.3 論文主要研究內(nèi)容及結(jié)構(gòu)
1.3.1 主要研究內(nèi)容
1.3.2 論文組織結(jié)構(gòu)
2 無縫組合導(dǎo)航系統(tǒng)建模與誤差分析
2.1 組合導(dǎo)航系統(tǒng)基本框架
2.2 GPS/INS導(dǎo)航系統(tǒng)建模
2.2.1 姿態(tài)誤差模型
2.2.2 速度誤差模型
2.2.3 位置誤差模型
2.2.4 組合導(dǎo)航系統(tǒng)模型整理
2.3 組合導(dǎo)航系統(tǒng)誤差源分析
2.3.1 衛(wèi)導(dǎo)子系統(tǒng)誤差分析
2.3.2 慣導(dǎo)子系統(tǒng)誤差分析
2.3.3 數(shù)據(jù)融合方法誤差分析
2.3.4 誤差源整理
2.4 小結(jié)
3 基于模糊間隔閾值的EMD陀螺消噪方法
3.1 EMD信號分解方法
3.2 IMF的分類方法
3.3 模糊閾值消噪方法
3.4 小結(jié)
4 基于自適應(yīng)互補濾波的姿態(tài)估計方法
4.1 姿態(tài)更新原理
4.2 互補濾波觀測器
4.3 自適應(yīng)互補濾波觀測器
4.4 小結(jié)
5 基于改進徑向基神經(jīng)網(wǎng)絡(luò)的系統(tǒng)誤差抑制方法
5.1 自適應(yīng)卡爾曼濾波算法
5.2 改進的RBF神經(jīng)網(wǎng)絡(luò)算法
5.2.1 RBF神經(jīng)網(wǎng)絡(luò)基本原理
5.2.2 自適應(yīng)量子粒子群算法
5.2.3 改進的RBF神經(jīng)網(wǎng)絡(luò)
5.3 GPS/INS組合導(dǎo)航系統(tǒng)融合方案
5.3.1 神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型
5.3.2 系統(tǒng)訓(xùn)練部分
5.3.3 系統(tǒng)預(yù)測部分
5.4 小結(jié)
6 仿真、測試與分析
6.1 陀螺消噪方法驗證
6.1.1 仿真信號消噪方法驗證
6.1.2 轉(zhuǎn)臺陀螺儀消噪測試
6.1.3 Allan方差分析
6.2 自適應(yīng)互補濾波姿態(tài)估計方法驗證
6.2.1轉(zhuǎn)臺姿態(tài)估計實驗
6.2.2車載環(huán)境姿態(tài)估計實驗
6.3 基于改進徑向基神經(jīng)網(wǎng)絡(luò)的系統(tǒng)誤差抑制方法驗證
6.3.1 實驗設(shè)備與條件
6.3.2 不同算法對比分析結(jié)果
6.3.3 RBF訓(xùn)練模型對比
6.4 小結(jié)
結(jié)論
致謝
參考文獻
攻讀學(xué)位期間的研究成果
本文編號：4006251
本文鏈接：http://www.lk138.cn/kejilunwen/xinxigongchenglunwen/4006251.html
最近更新
教材專著
