论文部分内容阅读
无人机具有体积小、质量轻、携带方便等优点,被广泛应用于军用和民用领域。导航系统作为无人机中最重要的组成部分,关系着无人机飞行过程中的各类安全问题,是实现无人机稳定飞行的基础。采用全球定位系统和惯性导航系统的组合导航系统能够充分利用各子系统性能,从而提高导航系统的精度及可靠性。但是,该组合导航系统在导航过程中又过分依赖于GPS信号,在GPS信号被遮挡或受到干扰而出现异常时,GPS对INS的修正无法实现,难以限制INS误差随时间积累,INS因此发散。因此,本文主要针对这一问题,研究如何提高导航系统的精度和可靠性。主要工作内容总结如下:(1)概述了GPS/INS组合导航基本理论。研究了GPS和INS的误差特性,建立了INS的误差模型;同时,研究了惯性导航系统信息(姿态、位置和速度)的解算算法,建立了GPS/INS组合导航系统模型。(2)设计了一种基于卡尔曼滤波的GPS/INS组合导航信息融合方法。研究了卡尔曼滤波理论,利用卡尔曼滤波算法给出组合导航系统的状态方程和量测方程,对组合导航信息进行估计与校准;同时,采用松组合模式,对全球定位系统和惯性导航系统提供的姿态、位置和速度信息进行融合、处理并对系统进行仿真。仿真结果证明卡尔曼滤波算法对位置、速度以及姿态角的估计一直处于较稳定的状态,且导航的精度也处于能接受水平。(3)提出了一种BP神经网络辅助的基于卡尔曼滤波的GPS/INS组合导航信息融合方法。研究了人工神经网络的理论知识及特点,详细研究BP神经网络算法,将BP神经网络算法引入组合导航系统中,以解决GPS信号出现异常情况时,组合导航系统信息发散的问题。在GPS信号正常时,对组合导航进行滤波计算,同时,利用实时的飞行数据训练BP网络模型;在GPS信号出现异常时,根据之前训练好的BP网络模型预测卡尔曼滤波器的量测值,对卡尔曼滤波器进行量测更新,并利用卡尔曼滤波器对惯性导航数据进行滤波、状态估计,从而提高GPS信号异常情况下,组合导航系统的可靠性。仿真结果表明,该方法在短时间内能够保持较低的偏差,对组合导航系统信息的发散具有一定的抑制效果,能够有效提高系统的可靠性。