论文部分内容阅读
智能车辆日渐成为国内外研究热点,它集合了环境感知、决策规划、辅助驾驶等多项功能。本文以北京工业大学智能车辆为实验平台,重点研究智能车辆导航定位技术和改进滤波算法,主要内容如下:(1)为消除捷联惯性导航系统(SINS)的初始误差,为惯性导航解算提供初始姿态矩阵和姿态角,本文研究并改进了基于降阶卡尔曼滤波算法的静基座初始对准,并以实验室内置惯性测量单元的二轮直立小车对初始对准进行了实验验证。结果表明:基于降阶卡尔曼滤波算法的初始对准能准确估计出小失准角,求得准确的初始姿态矩阵和初始姿态角。(2)为保证惯性导航解算的精度,消除高频噪声及振动等的影响,本文提出了基于小波变换和基于当前统计模型的自适应渐消卡尔曼滤波算法,对实车实验中惯性测量单元输出的动态数据进行去噪处理,并分别以原始数据和基于两种去噪方法处理过的数据完成惯性导航解算。定位结果表明:通过去噪处理,大大降低了惯性导航定位的误差,且基于自适应渐消卡尔曼滤波算法的去噪方法比小波变换方法去噪效果更好,定位精度更高且易于实现。(3)在长时间缺失GPS信号时,受惯性传感器精度和捷联惯性导航系统积分式工作原理的影响,若只使用纯惯性导航定位方式会导致导航定位误差积累,故设计了SINS/里程计组合导航方案,并提出了加入滤波异常判断的模糊自适应卡尔曼滤波算法来自适应调整量测噪声方差矩阵,进行状态误差的最优估计。当GPS信号可用时,根据系统非线性的本质,研究了基于简化无迹卡尔曼滤波的GPS/SINS非线性组合导航方案,建立了大失准角条件下的GPS/SINS非线性系统模型,其中,过程噪声和量测噪声均为复杂加性噪声,并且量测方程为线性方程。之后,利用简化无迹卡尔曼滤波实现GPS/SINS非线性状态误差估计。(4)介绍了实验室智能车辆配备的导航定位传感器及有关编程的关键参数,且为保证实现组合导航方案的数据的时间同步,设计了智能车辆组合导航定位软件平台。在实车实验中用此软件平台采集导航定位传感器输出的数据,完成了基于改进的模糊自适应卡尔曼滤波的SINS/里程计组合导航和基于简化无迹卡尔曼滤波的GPS/SINS非线性组合导航的实验验证,定位结果表明本文提出的组合导航方案定位精度更高,且方法较简单,计算量较小,能满足智能车导航定位的要求。