GNSS-MINS組合高精度導(dǎo)航定位技術(shù)研究.pdf

1、近年來(lái)，各國(guó)一直在研究全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS），旨在應(yīng)用于工業(yè)、軍事和民用產(chǎn)業(yè)。但是在實(shí)際的應(yīng)用中，有時(shí)候會(huì)存在信號(hào)被高樓或者山體等大型物體所遮擋，而遮擋會(huì)造成 GNSS的信號(hào)不能夠及時(shí)被地面的接收機(jī)所接收，有時(shí)候也會(huì)存在 GNSS信號(hào)丟失的問(wèn)題，從而會(huì)影響到觀測(cè)者對(duì)載體運(yùn)動(dòng)情況和地點(diǎn)的監(jiān)控，因此此時(shí)的GNSS不能夠達(dá)到導(dǎo)航的目的。慣性導(dǎo)航系統(tǒng)（INS）是利用安裝在運(yùn)載體上的加速度計(jì)和陀螺儀來(lái)測(cè)定運(yùn)載體的位置。通過(guò)這兩個(gè)器件來(lái)感知載

2、體的加速度和航姿數(shù)據(jù)，然后通過(guò)運(yùn)算，可以確定運(yùn)動(dòng)載體在慣性參考坐標(biāo)系中的運(yùn)動(dòng)狀態(tài)以及位置信息。在工作過(guò)程中，INS不與外界發(fā)生任何聯(lián)系，依靠載體自身設(shè)備即可完成導(dǎo)航工作。隨著技術(shù)的發(fā)展，微機(jī)電系統(tǒng)（MEMS）因?yàn)槠涑杀镜?，性能高的特點(diǎn)，開(kāi)始應(yīng)用于慣性導(dǎo)航系統(tǒng)中，因而誕生了微慣性導(dǎo)航系統(tǒng)（MINS）。
　　綜上所述，為了最大化的發(fā)揮 GNSS導(dǎo)航和微慣性導(dǎo)航系統(tǒng)（MINS）的優(yōu)點(diǎn)，催生了GNSS-MINS組合導(dǎo)航系統(tǒng)。本文研究的是G

3、NSS-MINS組合高精度導(dǎo)航定位技術(shù)，提出了高精度 GNSS-MINS組合導(dǎo)航定位系統(tǒng)總體構(gòu)成方案，從對(duì)系統(tǒng)誤差產(chǎn)生的分析提出改進(jìn)的算法，設(shè)計(jì)出在 GNSS失鎖情況下，INS輔助導(dǎo)航的自適應(yīng)學(xué)習(xí)實(shí)時(shí)校正，保證觀測(cè)者能夠正確獲得載體的運(yùn)動(dòng)情況和姿態(tài)情況。本文先討論出GNSS和INS組合導(dǎo)航系統(tǒng)存在的誤差情況，再通過(guò)單一的算法，比如利用神經(jīng)網(wǎng)絡(luò)算法、卡爾曼濾波算法進(jìn)行誤差修正，然后進(jìn)行跑車實(shí)驗(yàn)來(lái)證明算法的有效性和健壯性。經(jīng)過(guò)多次實(shí)驗(yàn)表明，

4、單純的一種基本算法是無(wú)法滿足復(fù)雜的路面環(huán)境，無(wú)法預(yù)測(cè)到準(zhǔn)確的跑車位置，于是本文接下來(lái)提出了改進(jìn)的算法，針對(duì)具體情況把神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了改進(jìn)，通過(guò)設(shè)置不同收斂速度和收斂值的隱層函數(shù)來(lái)進(jìn)行測(cè)試；考慮到神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練過(guò)程的準(zhǔn)確性，本文提出了利用卡爾曼濾波先將組合導(dǎo)航系統(tǒng)誤差進(jìn)行補(bǔ)償，將可能的野點(diǎn)去除，再通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練，預(yù)測(cè)出在失鎖情況下載體的運(yùn)動(dòng)位置和運(yùn)動(dòng)情況。實(shí)驗(yàn)表明，卡爾曼濾波存在時(shí)空延時(shí)，表現(xiàn)為在系統(tǒng)中INS和GNSS的數(shù)據(jù)

5、容易出現(xiàn)交疊，因此在多次實(shí)驗(yàn)的基礎(chǔ)上，算法升級(jí)為利用改進(jìn)的分布式卡爾曼濾波的方式，補(bǔ)償 INS的系統(tǒng)誤差，保證了收斂時(shí)間和后續(xù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的可靠性。通過(guò)多次跑車實(shí)驗(yàn)，也證明了此融合算法的健壯性。所以，對(duì)分布式卡爾曼濾波進(jìn)行研究和改進(jìn)成為了本文的主要討論對(duì)象，在組合導(dǎo)航系統(tǒng)中，改進(jìn)的分布式卡爾曼濾波可以降低由于系統(tǒng)器件帶來(lái)的誤差值，實(shí)現(xiàn)補(bǔ)償?shù)墓π?，同時(shí)，利用性能提高后的徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)訓(xùn)練和預(yù)測(cè)誤差補(bǔ)償，保證了載體在被遮擋情況下觀測(cè)

6、者對(duì)載體運(yùn)行狀態(tài)的準(zhǔn)確掌控。最后通過(guò)多次在上海交通大學(xué)閔行校區(qū)附近的普通道路的跑車實(shí)驗(yàn)，來(lái)證明算法的及時(shí)有效性，并得出了一般性結(jié)論，即在車速為50km/h，GNSS失鎖的情況下，通過(guò)對(duì)失鎖前400s的GNSS數(shù)據(jù)和INS數(shù)據(jù)進(jìn)行學(xué)習(xí)和建模，最大預(yù)測(cè)出失鎖后100s內(nèi)載體的運(yùn)動(dòng)情況，經(jīng)度誤差小于10米，緯度誤差小于20米。通過(guò)多次實(shí)驗(yàn)，本文將此算法升級(jí)為可以滿足自適應(yīng)學(xué)習(xí)以及實(shí)時(shí)校正的工業(yè)生產(chǎn)要求，INS與GNSS測(cè)量數(shù)據(jù)出現(xiàn)大于設(shè)定閾值