论文部分内容阅读
月球车是我国探月计划的关键技术,而自主导航系统是月球车设计的一个关键部分,月球车自主导航系统的任务是实时提供月球车的运动姿态和位置。自主导航是月球车进行视觉激光数据处理的前提,也是月球车漫游过程中实现运动控制、障碍规避和路径规划等其他探索活动的基础。
本文首先根据月面特殊的导航环境设计了月球车自主导航的基本框架,根据所选的基本导航方法分别介绍了捷联惯导(strip-down inertial navigation system,SrNS)、天文导航(celestial navigation system,CNS)、航位推算(dead reckoning,DR)的基本原理,之后对上述三种方法做了误差分析。因为单一的导航方法不能满足月球车自主导航的要求,为此设计了一种利用加速度计反馈信息进行扩展卡尔曼滤波(EKF)的月球车姿态估计方法。选取月球车的俯仰角和横滚角为状态向量,以加速度计的输出求出的月球车姿态角与陀螺仪测出的月球车的姿态角的差值为参考向量,再以加速度计的输出作为观测向量,这样就建立了月球车的姿态估计的系统方程和观测方程,然后利用扩展卡尔曼滤波(EKF)来对月球车姿态角进行估计。实验结果显示该算法有效的对姿态角进行了校正,增强了系统稳定性,提高了系统精度。推导了由太阳敏感器计算月球车航向角的方法,然后依据月球车运动模型建立了系统状态方程,利用太阳敏感器测量的太阳高度角、航位推算系统输出的航向角速率和单位时间间隔内月球车行进距离作为量测信息建立了导航系统观测方程,再用EKF对导航信息进行最优估计。从仿真实验结果可以看出该方法可为系统在较长时间内提供较高精度的位置和航向信息,证明了该方法的有效性和实用性。
由于对多尺度系统做小波分解时,能有效抑制噪声,提高信噪比,所以为了提高月球车导航系统的长时间运行的稳定性,应用动态多尺度系统分析的理论对月球车自主导航系统进行了分析,得到基于Haar小波的动态多尺度系统的分解,再用扩展卡尔曼滤波对系统进行递归估计。通过对比实验结果可以看出基于多尺度分析的方法的确能获得优于单尺度下EKF估计所得到的结果。
虽然系统向更高尺度分解能得到的精度更高,但是分解的尺度越大,所得到系统越复杂,所花费的代价也会越大,并可能影响到系统的实时性,这样就会影响到多尺度估计理论在自主导航系统中的的实用性,因而需要对其进行改进。另外由于自主导航系统中的观测方程的非线性较强,线性化近似的误差比较大,容易出现滤波发散的情况。为减小这些问题所带来影响,本文设计了一种非完整多尺度分解方法,并针对姿态估计和位置估计方法中观测方程的非线性问题,采用UKF来对分解后的系统进行递归估计。最后仿真实验证明了该方法的正确性和有效性,并获得了不错的结果,以较小的精度代价获得了极大运算速度的提升。