论文部分内容阅读
导航系统在航空、军事、车辆、人员定位等应用越来越广泛，在铁路领域也具有车辆及人员高精度实时定位的需求，通过实时定位结果能够提高管理效率及安全性。卫星导航系统能够提供全球全天候高精度定位结果，但卫星信号收到遮挡时会导致定位失效。惯性导航系统依靠惯性器件数据进行自主定位解算，无需依靠外部数据，但由于解算过程用到积分运算导致误差累积，长时间使用定位误差发散。组合导航系统将两者相结合，利用两个系统各自的优点，能够提供长时间高精度定位结果。随着MEMS技术的不断发展以及MEMS惯性器件的出现，使得组合导航系统成本降低，但MEMS惯性器件噪声较大，导致各解算参数误差增大，针对该问题具有许多的研究方向。 本文以铁路位置网应用为背景，研究了基于MEMS惯性器件组合导航算法中各部分存在的问题及改进方法，首先分析MEMS惯性器件误差特性，提出了一种自适应误差补偿方法，然后针对复杂运动场景下姿态估计问题，提出了自适应姿态估计算法，其次通过分析车辆运动特性得到运动约束方程，并对组合导航信息融合算法进行改进，最后使用组合导航硬件系统进行实际测试。 本文主要工作及创新点如下: 针对陀螺仪误差补偿中噪声方差估计不准确的问题，将神经网络改进卡尔曼滤波算法应用于陀螺仪随机误差补偿，采用卡尔曼滤波当前时刻及历史时刻新息值组成新息矩阵作为神经网络输入，自适应地估计卡尔曼滤波量测噪声方差，采用Allan方差分析法对不同算法补偿前后数据进行定量分析，实验结果表明该算法具有更好的误差补偿效果，有效地提高了陀螺仪数据精度。 针对载体运动情况下由于运动加速度引起的载体姿态估计误差，将模糊控制改进卡尔曼滤波应用于载体姿态估计算法。以加速度计采集值作为模糊控制器输入，自适应地估计卡尔曼滤波量测噪声方差。通过静止、转动及运动实验采集加速度计和陀螺仪数据，分别使用互补滤波法、梯度下降法和模糊卡尔曼滤波法进行姿态估计，结果表明模糊卡尔曼滤波在运动情况下准确性大幅提高，在静止、转动和运动下均具有更好的实时性。为惯性导航位置解算过程提供精度保证，能够有效提高惯性导航系统定位精度。 针对松耦合组合导航系统中卫星导航失效时误差累积的问题，提出了一种基于运动约束的松耦合组合导航算法，通过分析车辆运动特性建立运动约束方程，利用该方程增加组合导航信息融合算法中的观测量，在卫星导航失效时仍能够通过外部观测量对系统误差进行估计及反馈补偿，实验表明该算法有效抑制了卫星导航失效时惯性导航解算误差累积发散问题，提高了组合导航系统在复杂环境下定位精度。 使用了组合导航硬件系统在地铁上进行实际运行测试，通过网络将定位结果上传至服务器并显示在地图上，实验结果表明本文提出的组合导航算法具有一定的有效性及可用性。