论文部分内容阅读
低成本组合导航在导航系统中发展迅速,而低成本的惯性导航系统(Inertial Navigation System, INS)因为其器件精度不高,存在误差较大,并随着时间推移不能长时间独立工作的缺陷。GNSS(Global Navigation Satellite System)全球导航卫星系统的定位误差不随时间累积,但卫星信号易受到外界干扰。磁强计能在无干扰的情况下提供误差很小的方位角,且不累积误差。为了更有效地使用低成本传感器进行较高精度导航,本文利用上述三者的优势,构建了基于磁强计、陀螺仪、加速度计的MARG(Magnetic, Angular Rate and Gravity)与GNSS多传感器组合导航系统。
针对GNSS/MARG组合导航在实际应用中存在精度较差、计算量较大、GNSS信号易受阻等问题。论文深入研究了不同的组合方法,探究组合中的卡尔曼滤波技术,GNSS信号受阻下误差预测技术,不同组合方式的模型切换技术。论文主要工作如下:
第一,GNSS/MARG组合方式主要有位置-速度组合和伪距-伪距率组合两种,分析建立相关系统的数学模型。首先,将MARG中的磁强计、加速度计与陀螺仪组合,输出得到位置、速度等信息与GNSS获得的位置、速度进行组合;其次,利用GNSS与MARG星历计算的伪距和伪距率与GNSS接收机获得的伪距与伪距率进行组合,并建立组合导航中误差方程,构建卡尔曼滤波的量测方程,为后文的系统优化对比作铺垫。
第二,为提升伪距-伪距率组合方案的精度,解决计算量大的问题,论文充分利用容积卡尔曼滤波的线性稳定性和扩展卡尔曼滤波结构简单的优点,将两者结合后减小了组合导航误差,在此基础上,使用序贯更新方式大幅度降低了卡尔曼滤波的计算量。改进前后的滤波方案的定量分析和实验验证表明,论文方案计算量减小20%以上,精度提升10%以上,均具有较显著的优势。
第三,为确定更适用于实际环境的组合方案,在不同环境下分别对比测试两种组合方案。研究发现,伪距-伪距率组合方案随卫星数增多计算量增大,定位速度减慢,而速度-位置组合方式的精度接近伪距-伪距率组合,且计算量不变,但在观测卫星数少时速度-位置组合精度要低于伪距-伪距率组合方法。基于此,为了更好地对比研究同一平台上两种组合导航的效果,降低计算量,论文提出建立一种组合切换方式,在卫星数多时使用速度-位置组合方案,在卫星数少时采用伪距-伪距率组合方案,在不降低组合导航精度的同时又保证了实时性。
第四,由于载体运动过程中GNSS信号极易受到干扰和阻挡情况,针对GNSS/MARG组合系统在GNSS信号失效时精度快速下降问题,构建了Elman神经网络模型,在GNSS信号良好时,对MARG误差模型进行学习,在信号受阻时使用Elman神经网络对MARG的误差进行预测和补偿,以便在GNSS信号不可用时组合导航在较长的时间内仍然能够保持有效性,相比传统的BP神经网络,定位位置精度提升达80%。
最后,为验证论文方案的有效性,搭建了实际数据采集平台,并完成了数据采集实验。数据处理结果显示,本文设计的GNSS/MARG组合导航方案相比于传统GNSS/INS组合导航方案,在航向精度上有40%提升,位置、速度精度提升10%以上,并在GNSS信号受阻500s的情况下可保持位置误差小于10m,改进效果显著。
针对GNSS/MARG组合导航在实际应用中存在精度较差、计算量较大、GNSS信号易受阻等问题。论文深入研究了不同的组合方法,探究组合中的卡尔曼滤波技术,GNSS信号受阻下误差预测技术,不同组合方式的模型切换技术。论文主要工作如下:
第一,GNSS/MARG组合方式主要有位置-速度组合和伪距-伪距率组合两种,分析建立相关系统的数学模型。首先,将MARG中的磁强计、加速度计与陀螺仪组合,输出得到位置、速度等信息与GNSS获得的位置、速度进行组合;其次,利用GNSS与MARG星历计算的伪距和伪距率与GNSS接收机获得的伪距与伪距率进行组合,并建立组合导航中误差方程,构建卡尔曼滤波的量测方程,为后文的系统优化对比作铺垫。
第二,为提升伪距-伪距率组合方案的精度,解决计算量大的问题,论文充分利用容积卡尔曼滤波的线性稳定性和扩展卡尔曼滤波结构简单的优点,将两者结合后减小了组合导航误差,在此基础上,使用序贯更新方式大幅度降低了卡尔曼滤波的计算量。改进前后的滤波方案的定量分析和实验验证表明,论文方案计算量减小20%以上,精度提升10%以上,均具有较显著的优势。
第三,为确定更适用于实际环境的组合方案,在不同环境下分别对比测试两种组合方案。研究发现,伪距-伪距率组合方案随卫星数增多计算量增大,定位速度减慢,而速度-位置组合方式的精度接近伪距-伪距率组合,且计算量不变,但在观测卫星数少时速度-位置组合精度要低于伪距-伪距率组合方法。基于此,为了更好地对比研究同一平台上两种组合导航的效果,降低计算量,论文提出建立一种组合切换方式,在卫星数多时使用速度-位置组合方案,在卫星数少时采用伪距-伪距率组合方案,在不降低组合导航精度的同时又保证了实时性。
第四,由于载体运动过程中GNSS信号极易受到干扰和阻挡情况,针对GNSS/MARG组合系统在GNSS信号失效时精度快速下降问题,构建了Elman神经网络模型,在GNSS信号良好时,对MARG误差模型进行学习,在信号受阻时使用Elman神经网络对MARG的误差进行预测和补偿,以便在GNSS信号不可用时组合导航在较长的时间内仍然能够保持有效性,相比传统的BP神经网络,定位位置精度提升达80%。
最后,为验证论文方案的有效性,搭建了实际数据采集平台,并完成了数据采集实验。数据处理结果显示,本文设计的GNSS/MARG组合导航方案相比于传统GNSS/INS组合导航方案,在航向精度上有40%提升,位置、速度精度提升10%以上,并在GNSS信号受阻500s的情况下可保持位置误差小于10m,改进效果显著。