论文部分内容阅读
微型无人机集航空技术、控制技术、计算机技术、导航技术及通讯技术于一体,是现代高新技术的集中体现,使得国内外对其研究与应用越来越广泛。而在微型无人机的导航系统中,GPS/微型惯性测量单元组合导航系统以其较高的精度和稳定性成为未来无人机导航的主要发展趋势。采用GPS/微惯性组合方案时,有两个方面的因素影响着系统导航与定位的精度:首先微型惯性测量单元的元件精度有限,工作时易受到环境干扰而产生异常误差,使野值出现的几率大大增加,且由于微型惯性测量单元存在较大零位偏置和随机噪声,系统误差在短时间内就变得很大,使系统的误差方程呈现了一定的非线性;其次,基于常规卡尔曼滤波的无人机GPS/MIMU组合导航系统中,残差序列都是理想的正态分布。但状态模型和观测模型的误差会使得粗差大量出现,并非理想的正态分布,这会给无人机状态估计带来不良的后果。论文主要研究和构造基于抗差自适应估计的无人机GPS/微惯性组合动态数据处理和组合导航数据融合理论与算法。首先将抗差自适应滤波的思想应用于卡尔曼滤波,根据等价权原理,设计了针对无人机导航的IGG方案三段等价权函数,根据建立的统计量,合理的利用观测信息,抑制异常误差的影响;设计采用基于不符值原理构造的统计量设计自适应因子,平衡预测信息和观测信息在滤波中的权比,以控制模型误差对无人机状态估计的影响。提出了基于抗差估计的自适应无迹卡尔曼滤波(UKF)应用于无人机组合导航,减小了系统模型误差,改善了Sigma点分布,提高了状态估计精度;提出了基于迭代测量更新的抗差自适应UKF,以经过迭代运算的状态估计值和协方差为基础进行重采样,改善了Sigma点分布。仿真表明,采用抗差自适应滤波能有效地抑制异常误差的影响,而UKF则有效的减小了状态模型和观测模型误差的影响,提高了无人机定位精度,验证了算法的合理性和有效性。