（交通信息工程及控制专业论文）信息融合在车辆组合导航中的应用研究.pdf

北京交通太学颥士学位论文 v 8 7 8 s 5 7 摘要 摘要 本文翦先套绥了车辆缌舍导舷系统、箍塞融会等摆关壤念以及其国 内外的发展状况。在国家自然基金项目信息融合技术在车辆容错定位 中约应受硪究麴鸳景下，本文分辑了将傣息融合技本应瘸于车辆组合 导航系统设计的可行性和必要性，井从精度和可靠性两个方面对车辆组 会导航系统进行了分辑 建成，巾功勋，万德钧，周百令g p s 佃r 组合等航系统自适 应扩展卡尔曼滤波模型的建立 j 控制理论与应用，1 9 9 8 年6 月，第1 5卷摹：季自一臻l 。 ；li霪委塑!鏊霪溽；嘲滋唰。耄l；障检测方法，提出采矧模甥逻毒孽 来实瑗叁适应故障捡溅，著收剿了良好豹效果。在组会导航系统的实瑷 蹬段，方嚣选月现裔鲍g p s ( 全球卫星定位系统) 接收机和i m u ( 惯性导航测量单元) 作为数据源，自行设计制作车载导簸样机。同对 以率载导航样机为硬件基破，设计嚣发配襄的组合导航软件以及算法评 价软件，这个评估软件是撼个车载缀合导航系统设计、开发的基础平台。文章中分翳采用了数獬 仿真、半物理仿真和现场测试方法对缀合导航系统从设计到实现的 各个关键阶段进行了分析，进一步证明了文章所选用盼 富憋融合方案的有效性。 通过对实验结果的分析 x 北京交通大学硕士学位论文 息融合算法，能够充分发挥各个导航子系统的优势，使得组合导航系统 的整体性能在系统精度和可靠性等方面，明显优于独立导航系统。 关键词：全球卫星定位系统( g p s ) ；惯性导航( i n s ) ；组合导航；信息 融合 北京交通大学硕士学位论文 摘要 a b s t r a c t f i r s to fa l l ，j n t e g r a t e dn a v j g a l i o ns y s t e mf o rl 柚dv e h i d e ，i n f o n n a t i o n f l l s i o na n do t h e fr e l a t e dc o n c e 州o sa n dt h e i f1 0 c a la n d 舀o b a ld “e l o p m e n t w e r ep r e s e n t e d 缸t h i sd i s s e n a t i 彻u n d e rt h eb a c k 掣d u n do ft h ep m j e c t f i l n d e db yn a t i o n a ln a t u r a ls d e n t i f i cf 0 u n d a t i o no fc h i n a ， n a m e d i n f o 册a t i o nf u s i o na p p l j c a t i 咖i nf a u l t - t o l e r a n tp o s i t i o n i n gs y s t e mf o r l a n dv c h j c l e ，t h ef e a s i b i l j t y 柚dn e c e s s i t yo ft h ea p p l i c a t i o no fj n f o l l n a t i 仰 f l l s i o ni ni n t e g 船i e dn a v i g a t i o ns y s t e mw e r ca n a l y z e da n db a s e do nt h a t ，a m n t e g r a t e dn a v i 舶虹o ns y s t e mi s 锄a l y z e dj nt e 珊so f t h ea c c l l r a c ya 1 1 dt h e r c l i a b i l i t y n e c e s s a r yt h e o r e t i la n a l y s i sa l l dr e s u l ts i m u l a l i 叫w e r e 西v e nt o “n d s o fi n f b 皿a t i o n 如s i o na l g o f i t h m s ，e s p e c i a n ys o m ef b 册so fk a l m 锄f i l t e w h i c hh a v eb e e nw i d e l ye m p l o y c di nn a v i g a t i o ns y s t e m s a c c o r d i n gt ot h i s ， t h ep e 加n a n o 瞄o fd i f 瑚tf i l t e r sw e f ec o m p a r c d i tw a sf o c u s e dh e r e i nt o a n a l y z cj n t e g r a t c dn a v i g a 虹o ns ) r s l e mj nt e 咖so ft i l ea c c u r a c ya n dr c l j a b j j i t y f o rt h ew j d e l y c m p l o y e dg p s ，州s i n t e 芦a t e dn a v i g a t j o ns y s t e m ，s o m e p e r f o 瑚卸c ei n d 懿e sw e r ep r o p o s e d 1 nt h es t a g co fs y s t e m d e s i g n ，b a s e d o nj n f o 咖a t i o nf u s i o na n d c o n s i d e r i n gs p c c i f j cr e q u j 嘣n e n t so ft h es y s t e md e s i g n ，as e r i e so fm e t l l o d s w e r e e m p l o y e do rp r o p o s e d t o j m p r 0 v el h ep e r f b 加a n c eo ft h es y s t e m f j r s t l y ，e 肿rv a i i a b l e sw e f cd e s i g n e d 勰嗣t e fs t a t e ss ol h a tl i n e a r j z a t i 彻 e 邛o r sw e r el i m 讹di nac e r t a i ns c o p ea n df a u l td e t e c t i o n 卸df a u l i - t o l e r a n t a b i l i t yw e r eg u a 瑚t e e d c o m p a r e d 谢t ho t h e rw o r k s ，d y n a m i cd a t aa o q u i s i t i o nw a sp r o p o s e dt o b ee m p l o y e di n6 p se h o fm o d e l i n g a sar c s u l t ，i h ea c c l | r a c yo fl h ee r r o r m o d e lw a si m p r 州e dc o m p 盯e dw i t hs t a t j cd a t aa c q u i s i t i o nm e t h o d f i n a l l y f u z z yl o g i cb a 9 c df a u l td e t e c t i 帆w a sp i o p o s e d 勰ac o m p e t i t i v ea l t e m a t i v e o ft h et 珀d i t i 啦i a ls t a t i s t i c a lm o d e lb a s e ds o l u t i o n a n dt h i s f t l z z yb a s e d s o | l i t i o nw a sd 啪o n s t r a t e dh e i - e i n i v 北京交通大学硕士学位论文 i nt h es t a g eo fs y s t 锄i m p k m e n t a t i o n ，g p s 卸di m uw e r es e l e d e da s d a t as o u r c e st od e v d o po n b ( m d n a v i g a t i o nh a r d w a r c c 0 r r e s p o n d i n g s o f t w a r ew a sa l s od e v e l o p e db a s e do nt h eh a r d 、 r a r e ，w h i c hw a sas o f t w a r e p l a t f b ml od e s i 印，d c v e l o p 柚dt e s “n t e g 蚰t e dn a v i g a t i o ns y s t e m s s i m u l a t i o no fs e n s o rd a t a ，s e m i p h y s i c a ls i m u l a i i o na n df i e l dt e s t sw e r e a i le m p i o y e dt oa n a l y z ea n de v a l u a t et h es y s t e mw h e ni t ss t a g cw a sc h a n g 如g f r o md e s i g nt oi m p l e m e n t a t i o n u lt l l e s ec a nd e m o n s i r a t ei h ev a l i d “yo ft l i e p r o p 0 s e di n f o 珊a t i o nf u s i o n l u 蛔 b a s e d 叩i b ea n a l y s i so fe x p e r i m e n t a lr c s u l t s ，i tw a sd e m o n s t r a t e dt h a t p m p e ra 即l i c a t i o no fi n f b 咖a t i o nf i l s i o ni ni n t e g r a t e dn a v i g a t i o ns y s t e mc a n e x p l o i tt l l ea d v a n t a g eo fe a c hs u b s y s t e ms oa st op r o v i d eb e t t e rp e 0 m a n c e o ft h es y s t e l nc o m p a r c dw j 出i n d i v j d u a ln a v i g a t i 咖s y s t e mj nt e 瑚so ft h e a c c u r a c ya n dr e l i a b i l i t y k e yw o r d s ：g p s ；i m u ；l n s ；d a t af u s i o n v 北京交通大学硕士学位论文 ( d e a d r e c k o n i n g ) 、卫星导航系统( g n s s ) 如6 p s ( g l o b a lp o s i t i o n i n g s v s t e m ) 和地面无线电定位技术如雷达等。虽然已研究出了许多车辆导 航传感器和子系统，并提出了许多提高定位精度的方法，但仍然没有现 存的单一车辆导航技术能满足许多先进的智能交通系统的应用。因此需 要从系统的角度综合、合理地利用现有的传感器技术和多传感器融合与 集成技术来实现精确、可靠的导航系统，即发展多传感器融合提供车载 系统相互补偿的冗余的定位和导航信息系统。 精度和可靠性是定位、导航的两个重要方面，车辆定位导航的精度 直接取决于各个传感器的精度，而传感器的精度提高往往受技术、等因 素影响，同时价格也非常高。故目前广泛采用多传感器融合的综合导航 定位系统，可有效提高导航定位精度，已研究出许多传感器可用来增强 g p s 能力，但在汽车、城市交通系统的导航定位系统中价格因素限制了 高精度惯性传感器的广泛应用。随着微机械、微系统技术的发展，低价 格、精度适中的惯性传感器逐渐民用化，虽然还不能作为单独的导航定 位系统，但与g p s 等系统集成后可获得广泛的应用。可用性可得到满足。 各种航位推算传感器如里程计、陀螺、倾角计和电子罗盘等具有较好的 短期精度，但误差随着时间而增长。而g p s 长期精度较好，适中的短期 精度。因此这两类系统有互补特性，并可集成后提供精确定位。有许多 中外学者进行了这方面的研究，并有相关的应用系统出现。 另外，从近期看，这样一个精确、可靠的定位系统也是我国目前正 在进行的城市公交系统( 城市轨道、公共汽车) 智能化管理、特殊车辆的 监控和调度、公路监测等所必需的。因此对组合导航技术的研究无论是 从近期还是远期看都具有广泛的应用前景和重要的社会经济意义。 受国家自然科学基金项目信息融合在容错的车辆组合导航系统中 的应用研究的资助，本论文着重对信息融合在容错的组合导航中的应 用，基于信息融合技术的组合导航系统设计，组合导航系统的可靠性和 精度进行研究，并以g p s i n s 组合导航为例，实现组合导航样机和导航 软件，最后通过现场实验对组合导航样机和导航软件的性能进行测试。 论文侧重于信息融合算法在容错组合导航系统中的应用研究，针对 组合导航系统，论文提出不同的信息融合方案，除了考虑导航的精度以 北京交通大学硕士学位论文组合导航系统中的信息融台 传感器提供的车辆运行状态信息对车辆进行导航。目前状况下，还没有 任何一个独立传感器或者导航系统能够提供完全准确的车辆导航信息， 所以需要利用信息融合技术对多个导航子系统进行集成和融合，从而提 供更加精确和可靠的导航信息。许多融合技术已被研制出来，以便把来自 不同信息源的互补信息融合成统一的格式。组合信息可来自于一个时间 周期的多个传感器，或者来自于延长时间周期的单个传感器。集成的传感 器系统具有提供高精度测量和容错的能力。 信息融合的方法已经有上百种之多“8 “”1 ，大致上可以分为两类，一 类是随机方法：一类是人工智能方法。其中最基本的信息融合算法包括： 卡尔曼滤波、b _ s 证据推理。d _ s 证据推理最主要的问题在于计算量较大， 不太适合实时性要求高的场合；而卡尔曼滤波器利于计算机实现，计算 量和存储量都相对较小，结合自然基金项目的实际要求，论文主要讨论 以卡尔曼滤波为基础结构的信息融合方法。 2 、3 、卡尔曼滤波方法 卡尔曼滤波”2 ”属于最优线性滤波的范畴，其本质就是状态估计。 所谓状态估计，简单的说，就是状态的重构。这与确定性系统的状态观 测器理论相似。但是，动态噪声和量测噪声的存在，使状态估计问题比 状态观测器问题复 x 北京交通大学硕士学位论文 组合导航系统中的信息融合 4 )当故障外部观测量进入系统时，影响系统精度，甚至导致系 统发散。 对于系统模型不准确的情况，有的研究中，采用了对系统模型误差 建模的方法；有的研究中则采用将系统模型误差归并到随机误差中，并 建模的方法。本论文主要研究信息融合在组合导航中的应用，关于系统 建模的问题已经超出了论文的讨论范围，这里就不作详细的说明。 对于非线性误差，有人采用u k f ( u n s c e n t e dk a l i l i a nf i l t e r ) 来提高系统精度，这种改进的卡尔曼滤波经常在一些基于伪距的导航系 统中使用；有人则采用变通的方法，将非线性的扩展卡尔曼滤波 ( e x t e n d e dk a l m a nf 订t e r ) 转换成为线性的普通卡尔曼滤波。在本项 目的研究过程中，主要使用的是卫星导航直接的导航数据，我们采用误 差状态量解决非线性的问题。 本文主要讨论的是观测噪声和系统噪声变化对系统性能的影响以及 故障外部观测量对系统的影响，以及如何抑制这些误差，保证滤波器收 敛。 卡尔曼滤波器的主要参数包括：滤波器增益、观测噪声协方差和系 统噪声协方差。因此，有许多的研究都集中在如何利用各种自适应算法 调节这三个参数，使得滤波器能够适应噪声特性的变化，从而保证滤波 器收敛。在本章的下面部分会详细的比较两种常用的自适应卡尔曼滤波 器，分析他们在提高系统性能方面的作用和不足。 目前对于抑制故障外部观测对系统的影响，大体有两种方式：一种 是采用自适应滤波的方法，调节滤波器参数，从而抑制故障观测量。但 是这种方法的效能有限，对于幅值比较大的故障以及连续出现的故障的 抑制效果不佳。因此现在普遍采用的是另外一种方式，就是通过专门的 故障检测和隔离算法来进行故障的监测和隔离，保证系统工作正常。关 于故障检测和隔离的算法将在本章中的组合导航系统可靠性分析一节中 详细说明。 8 北京交通大学碗士学位论文 组合导航系统中的信息融合 2 、3 、1 、噪声特性自适应卡尔曼滤波器 我们利用极大似然估计理论，对噪声的统计特性进行动态在线修 正，那么就得到了一种自适应卡尔曼滤波器。这种滤波器所采用的自适 应算法如下： q = 去冀( 土硝一主一- ) ( 主所一主埘- ) 7 r 一三弘幺。顶妒训7 ( 式2 一1 ) ( 式2 2 ) 其中的l 是实际系统的测量值。为了比较自适应与普通卡尔曼滤波 在噪声方差取值相差两个数量级时的效果，取o i ；o ：= o ；= 4 7 4 0 0 2 进 行仿真，其余参数不变，仿真结果如下图所示。由仿真结果可以看出， 由于噪声方差阵选取过大，使普通卡尔曼滤波器的系统的动态跟踪性能 大大受到影响，而噪声自适应卡尔曼滤波器能根据系统输出自动调整噪 声方差阵，使滤波器的性能不会因此而受到影响。因此，这种滤波器适 合应用于系统噪声或者观测噪声随时问变化明显的系统中。这种滤波器 的主要缺点是，系统对滤波器参数的调整来源于对实时数据的统计，因 此故障观测数据会对自适应算法的性能产生较大的影响。 9 北京交通大学碗士学位论文 x 1 萨 x 1 矿 幽2 2 普通卡尔曼滤波器效果 组台导航系统中的信息融台 嚣 3 噪声蠡适墩卡承受滤波器效莱 l o 矿 0 x 钳鞘甜辩麟艚硝酶i窜 4 4 4 4 4 一*驻辞蕹刊蠢薹傩 蝴 雠 蝴 州 秘是瓤扩鄞 辫箍 海时 琳 扩拍氟b 靴斟辩驹辩雌瞄i晕惦雌 d 4 4 4 4 一篝单!x辨ii雾蕾再 辩 - 窘 蝴 妒#塾#*妒豁 北京交通大学硕士学位论文组台导航系统中的信息融合 2 、3 、2 、延时卡尔曼滤波器 该滤波器的设计思想是根据中值滤波理论和t u r k e y 重加权算法 对卡尔曼滤波器模型进行修正，用滑动窗进行实时统计，得到加速度均 值及方差的估值：对滤波器残差序列进行非线性滤波处理，对滤波器增 益进行双重加权，即得到时延值滤波器。如果残差序列为： y ( 七) = y ( 七) 一日工( t t 一1 ) ( 型e2 3 ) 则滤波器增益的调节因子y 可以计算为： n ， 羔堡! 。6 m 础鲫【i y ( 枷 ( 式2 4 ) v = o 一是荨? 1 时 。式。一。， 对改进后的时延卡尔曼滤波进行仿真，仿真结果如下图所示。由仿真 结果可以看出，g p s 原始数据中的故障数据被有效的抑止了。这说明时 延卡尔曼滤波器在消除随机噪声干扰的同时，有效的抑制了故障数据。 但是从时延滤波器的算法公式中我们看到，所求的增益调节因子需用到 历史数据的中间值，这样就需要增大存储量来记录历史数据，也需要相 应的排序算法来得到中间值，从而导致运算量加大，不利于实时性要求 高的系统应用。 北京交通大学硕士学位论文 组合导航系统中的信息融合 x 1 0 5 ” 时月嚣杪) “ 时问f 虽勘 图2 4 时延卡尔曼滤波器效果 2 、4 、组合导航系统的精度分析【2 4 】 如果有n 个导航子系统对某个导航参数进行估计，其中第i 个子系 统的估计结果为x 。，其中i = l ，2 ，3 ，n 。由于各个子系统的品质不 同，它们各自所得到的估计的精度也不同。其估计值x ，具有随机特性， 可以认为x ，是服从正态分布( 肫，q 2 ) ，其中以为数学期望值，盯? 为统 计方差。 通过使用信息分配权值的方法进行数据融合，若第i 个子系统的权 值为蛾，那么n 个子系统的信息融合结果为： 写成向量形式： x s2 蔷q 置 式2 6 x | = 麟 ( 式2 7 ) 1 2 删鼎糊删删 和籼蟊弘静 一一一一扩f驴爱 一；if茸井一囊剖鼍鞘藿 北京交通大学硕士学位论文 维会导航系统中的信息融合 其中 矽：囟，m ：，a b ，m 。】x = 口，x ：，盖，。，羞。j 赉子x 鞭麸歪态分布( 琏，曩：) ，经遘变换五。墨_ 二笠螽，t 羧获 标溱蓬态分毒穗骛。多元夔凝囊鬓z 经过下嚣懿交换君藏藏为爨猴歪 态分布的随机向量。 z = 彳 x u ) ( 式2 8 ) 其中 z k 锄孙一】名= 揪匕，去，去，- - ，毒】u k 础：鸺巩l r 计算出融合詹的系统精度达刻： 善耐 ( 式2 9 ) 警各令转凑器懿测量耩袋一定豹时候，冒敬看到影响融合精褒麓就 是杈值w 的分配。所谓最优权值分配，就是求解权值w 使上式的值达到 最，l 、。鬟| j 闷题l 舞缝到数学上瓣末条黪较僮熬翊蓬。罴耀拉辂麴蠢乘数法 求解。计算的到： m _ 。- _ w _ _ _ _ - 一 l a 嘎孝 式2 1 1 融会嚣熊够这弱静赣凄： 1 综上瘊连，逶避聚饶信惑权篷分配褥爨瓣融合精度离子任何一个予 系统单独的估计精度，即使一个精度较差的予系统被加入系统，同样能 够鬟藤系统熬熬会耱瘦。 一珏 一f；，t 北京交通大学硕士学位论文 组合导航系统中的信息融合 2 、5 、组合导航系统的可靠性分析【2 5 l 可靠性是组合导航系统性能的重要评价标准之一，所谓组合导航系 统的可靠性是指，系统所具有的检测错误、剔除错误以及容错的能力。 对于错误的检测通常通过可靠性检查来实现，如果系统使用卡尔曼滤波 其作为信息融合的基础，那么这种可靠性检查是针对卡尔曼滤波器新息 序列进行的。 对系统的可靠性研究还包括了在一定的统计假设条件下对系统理论 可靠性的分析。统计意义上的可靠性主要包括两个方面：一方面被称作 主观可靠性，它是指理论上能被检测出来的错误的大小；另一方面被称 作客观可靠性，它是指未被检测出来的错误对系统性能的影响，这个似 乎对整个系统的性能更加重要。 根据概率论的知识我们知道，当我们选择系统的误检率为口，而漏 检率为芦的时候，那么系统能够检测出的最小故障值应该为： v m2 赤 c 船蚴 其中氐是偏心率。上式计算出来的就是系统能够检测出来的最小故 障值，也被称作系统的主观可靠性。 当系统能够正常检测出故障的时候，故障不会对系统造成影响，但 是当系统无法正常检测出故障，特别是故障值接近最小故障的时候，系 统可能发生漏检，此时故障对系统状态估计的影响为： 腊= 胛。h ( 式2 1 3 ) 这被称作系统客观可靠性，表示了故障对系统性能的影响，可见这 一指标对于组合导航系统的性能评价更为重要。 为了保证系统的可靠性，需要有相应的故障检测和隔离算法，实现 对故障数据的检测和剔除。目前广泛使用的是基于概率和统计的故障检 测方法，该方法的原理如下： 对于使用卡尔曼滤波器的系统而言，卡尔曼滤波器的新息序列可以 1 4 北京交通大学硕士学位论文组合导航系统中的信息融合 表示为： v ) = z ) 一日x ( 式2 一1 4 ) 其协方差计算为： c 。：片r 盒h + r ( 式2 1 5 ) 当系统中存在错误矩阵v ，使得新息序列的变化量为：v ：l f v ， 如果令： r ：矿c 。寺 v 则可靠性检验可以通过下面的假设来实现： r i 乩一工2 ( d ，o ) f k x 2 q ，62 ) ( 式2 1 6 ) ( 式2 1 7 ) 其中d 是自由度，62 是分布的离心参数。当假设系统中在同一时刻 只有一个故障发生的情况下，可靠性检测变得更加简单，此时取： f ；肇掣 ( 式2 _ 1 8 ) f = _ ；2( i r9 1 r ) 、( c i l ) 。 则当系统中没有故障发生的时候，t 满足标准正态分布，其概率密 度函数如下图2 5 所示： 图2 5 对随机变量t 进行假设性试验 1 5 北京交通大学硕士学位论文 组合导航系统中的信息融台 对于系统中同时发生一个以上故障的时刻，可以采用重复进行上述 故障检测方法的方式将所有故障点去除。 这种故障检测方法能够按照预先设定的误检率口和漏检率口进行故 障检测。这就造成了误检率a 和漏检率口取值的冲突，所以实际应用中 必须进行折衷。在实时运行环境下，由于外界条件的变化，故障数据的 统计特性也是经常变化的，因此为了保证故障检测的稳定工作，就需要 使用自适应算法动态调节a 和芦的取值，在本文的后续章节，将结合 g p s i n s 组合导航的具体情况，提出了基于模糊逻辑的自适应故障检测 与隔离算法，并通过实验验证算法的有效性。 2 、6 、g p s i n s 组合导航系统性能评价指标 国内外已经有许多研究成果是关于g p s i n s 组合导航的，这些研究 指出，g p s i n s 组合导航系统能够提供更丰富的导航信息，更高的数据 采样率，更高的精度，更好的可靠性1 。 目前国内外关于g p s i n s 组合导航的研究主要集中于当g p s 处于完 全失锁或者信号丢失的情况下，导航系统的工作精度和工作时间”。有 的研究指出，当g p s 信号丢失2 0 秒，导航系统的精度保持在分米级别啪1 ； 还有的研究支持，当g p s 信号丢失6 0 秒，导航系统的精度保持在分米级 别。1 。这些研究数据的不同，一方面是由于采用了不同的惯性测量单元 ( i m u ) ：方面是由于在卫星信号丢失期间，车辆运动的动态性能的不 同所致”1 。 为了较好的评价g p s i n s 车辆组合导航系统，我们提出下列四个评 价指标： 1 ) 测试系统稳定性是将系统静止放置于坐标已知的固定点上， 通过一定时间的纪录，考察系统在静止情况下，一定时间内的位置误 差范围以及误差变化趋势。 2 ) 系统精度测试是通过将n o v a t e l 和j u p it e r 两块g p s 接收机 1 6 北京交通大学硕士学位论文 组合导航系统中的信息融合 黼时介入导航样机，将n o v a t e l 的数据作为基准登标，计算院较j u p i t e r 援收机的导航结果和误藏。 3 ) 系统w 靠往测试主要怒考察在g p s 数攒 l 瑶敖漳豹爵谈，等 航系统对故障的检测能力，以及其容错能力。 4 ) 系统连续懂与鹰强健测试集中在当g 黟窭瑰赦簿静渚嚣下， 系统能够在一定精度下谶续工作的时间。 北京交通大学硬士学位论文 g p s i n s 组台鞲航系统设计 信号出现遮挡或者失锁的情况时，惯性导航能够独立的在一定的时间范 围建撬供一定精凄戆浮靛信慧，鲡噩乏虢提高了系统豹霹靠毪。这耱缀合 导航方式对予导航系统的信息利用率不高，信息融台的深度不够，因此 - 骥魏导靛弱发鼗没有撂到鬏零熬擦躺；贯一方瑟，系统怼g 妫蓿患戆敖 障检测能力麓，当g p s 出现故障时，系统能够稳定工作的时间也有限。 虽然溶秘组会导靛方式靛实瑷毙较簧攀，照怒瑷在已经缦少使用。 为了让信息融合技术在组合导航中发挥疑加有效的作用，于是便提 出了松缀会熬g p s i n s 组合黪舷方式，这种方式下，使用最饯线性继量 的手段进行信息融合，常用的是卡尔曼滤波器。通过卡尔曼滤波器对g p s 移镁性导航债息进行蠢效融合，从耪度和可靠性两个方恧提离导航系统 性畿。 为了进步提赢导航精艘，充分测用惯性导航僚息帮助失锁的g p s 重新锁定，又提出了紧组合的导航方式，这稀方式下，g p s 和惯往导航 系统形成完熬导航回路，但怒往往需疆g p s 接收机硬件提供商的支持。 在这攫已经怒出了文牵讨论瀚范蕊。 本文结含实际需要和实际条件，选择松耦合方式构建容锚的导航系 统。 3 、3 、g p s 误差模型 以往基经存壤多文章余缀翔键建立g p s 误差模篓”，整楚大多酆采 用静态数据采集的办法，通过采集和分析定点的g p s 数据得到g p s 误差 模型鲍参数，霉将这秘模型秘专尔曼滤波器禚缝会应弼于组会导靛系统。 考虑到g p s 在车辆不同的动态情况下的性能有明最的区别，我们一 改这葶巾静态数据采集瓣方式，采用n o v a t e l 的d l - 4 测量型g p s 接收枫作 为测馐基准，其r t k 模式下的工作精度可队飘l 达毫米级。其他低精度导 航型g p s 接收枫的数据以d l 一4 的数攒为准，在车辆遴动过程申，获撼动 态诶差数据，从而得到更加猴确豹g 隅误差模型。 我们通常对g p s 一个方向上的坐标的一次差分量采用a r ( 2 ) 建立 模型，通过参数匹配，得到a r ( 2 ) 模型，并且通道误差的臼噪声检验 1 9 北京交通大学硕士学位论文 g p s i n s 组台导航系统设计 来验证模型的有效性。采用a r ( 2 ) 建立的模型结构如下： e ( 七) = 口1 e ( 七一1 ) + 口2 e ( 七一2 ) + 占 ( 式3 1 ) 通过实验数据得到口，和n ：的数值，如果残差满足白噪声特性，则 可以认为所建立的模型是准确的。将分别建立的北向何东向坐标的误差 模型应用于卡尔曼滤波器，以提高g p s 数据精度。 以j u p i t e r 的g p s 接收机作研究对象，采集数据，与n o v a t e ld l 一4 采集的数据比较，得至4 误差数据的一阶差分，其中北向差分数据如图3 1 所示。对北向和东向误差的一阶差分按照上式( 3 1 ) 建立模型有： e ，( k ) = o 6 3 2 9 e 。体1 ) + o 3 1 2 8 e ，( k 一2 ) ( 式3 2 ) e y ( k ) = o 1 1 2 2 e y ( k 1 ) + o 0 9 4 3 6 凸正y ( k 一2 ) _-_ h山j - “上l 。1 。山u1 儿蛆。jl 星1 汕i l“一 胃| ri 下叮 f 1r 丌1 可1p r ”11 1 r 讯 l 鼍盯 +。 。瑚4 0 0 鲫嘲0 瓢知4 0 0 1 锄1 啪2 咖 图3l 北向误差一阶差分 2 0 0 ， 2 3 4 鼍束枷矗制墨垣等 北京交通大学硕士学位论文 g p s i n s 组合导航系统设计 3 、4 、滤波器状态变量的选择 3 、4 、1 、全状态变量方案m 聃1 滤波器的状态变量取为，j = p 咋n 。nv 。n r 。e 、n 分别为车辆东 向和北向的位置分量，v 。v 。分别为车辆东向和北向的加速度分量。采用 机动载体的“当前”统计模型，建立组合导航系统总体方程。 01 o 0 o o o o 0 0 o o 00 10 c 1 0 o0 oo o0 oo 00 0o 10 o1 o 。2 + o o 吐。 o o ( 式3 3 ) 系统的观测变量是g p s 输出的东向和北向位置e 、n ，还有从陀螺 仪和加速度计得到的加速度a 和角速度u 。 。：厢托 m = 詈 a n c t a n 【号) + s 。5 特+ s 。 ( 式3 4 ) ( 式3 5 ) 观测方程不是线性方程，所以在用最优估计方法对状态变量进行估 计时，先要进行线性化。由于对模型的线性化处理时作了一些近似处理， 因此，这时的状态估计也就不是最优估计，而成为状态的次优估计。首 先进行离散化，然后根据：删；鬻 ( 船6 ) m k ，k jj 进行线性化。 下图3 2 和3 3 是用g p s 接收机和i m u 按照上述方式构成组合导航 的实际测试结果。其中图3 2 是采用卡尔曼滤波进行数据融合的效果图， e 匕e k n办舢“如“ 北京交通大学硕士学位论文 g p s i n s 组台肆航系统设计 而图3 3 是不进行数据融合时，惯性导航系统发散的情况。 ；l 图中可以 着密，送蠡数据薤合辘够有效建避兔馁毪导靛子系统麓累稼误差造成系 统发敞，同时有效的弥补了g p s 系统数据输出速率低的劣势。对于类似 这榉裹除滤波嚣，可以裰攥分数滤波爨鹣理论，对系绞进嚣陲除楚瑗， 这样可以在能够保证系统的遮算精度的同时，有效提高系统的运算速度。 燕3 2g 携i n s 组台导航效果翻 嚣3 - 3 萃进镑鼗据睡台时静蠼蛙黪靛发簸媾嚣 针对车辆的运行环境的不断变化，可以搬据前面第二章所讲述的方 北京交通大学硕士学位论文 g p s i n s 组合导航系统设计 法构成自适应滤波器，以提高系统的适应性。 按照上述方法选取状态变量的组合导航系统中，有一个主要误差来 源就是系统的线性化误差，因为滤波器的观测方程需要进行线性化，而 使得滤波器工作在次优状态下。 3 、4 、2 、误差状态量组合方案 为了解决全状态变量的滤波器中所存在的线性化误差的问题，我们 引入误差状态变量的信息滤波器啪1 ，这种滤波器的状态变量由各个误 差量构成，其线性化误差可以被限制在一个已知的范围内。”。这种结构 的组合导航系统的工作原理如下图3 4 所示。由图中可以看出，滤波器 以g p s 和i n s 导航系统的输出信息的差值做为系统量测输入，通过误差 模型估计出i n s 系统的误差以及传感器的误差，反馈并且校正i n s 系统 和相应的传感器，最终得到对导航信息的全局估计。 为此，需要建立i n s 系统的误差模型，将此误差模型和卡尔曼滤波 器相结合，是构建误差状态量组合导航方案的基础。 图3 4 误差状态量导航系统结构 3 、4 、2 、1 、l n s 误差模型 针对惯性导航系统建立误差模型啪1 如下式所描述： d v 。= 爿。x 九+ c ：a ( 式3 7 ) 2 3 j b 京交通大学硕士学位论文 g p s i n s 组台导靛系统设计 6 以；枷。 6 巾。一“c ；6 b 将上述三令式予慧结霉秘矩阵彭式如下； 6p n 6 v 一 6 妒。 。群三倒 c 耔8 ， 【o o o j 将上述i n s 的谡差模型o ”m 1 和标准的卡尔曼滤波器相结合，构成对 i n s 误差的聚谯售谤。 3 、4 、2 、2 、g p 彭l n s 缀合髻靛 根据上蕊的误差模型：建立如爨3 4 所携述的缀合导舷系统，馊用 实验测试数据进行仿真，得剡结果如下图3 5 所示。 44 玛拓届万j 盎r 面京r 丽蟊商丽1 盎酽南i 忌1 3 幕向，m x ，一 图3 。喝( a ) 6 p s i n s 盟i 含导航效果 在匿3 5 中，3 5 ( a ) 怒每一秒遴嚣一次数据融食，印每一移对l 憋 进行次误麓估计和反馈的结果，而3 5 ( b ) 中是每间隔两秒钟对惯性 4 稍 棚 黜 脚 脚 俐 绷 脚 差越等 北京交通大学硕士学位论文 g p s i n s 组合导航系统设计 h ) ：堂擎型趔 ( 式3 9 ) 。 疆1 忙，七一” 也就是说状态的变化量越小，那么线性化误差就越小。如果采用全 状态量作为系统的状态变量，由于在一个工作周期内，导航系统的全状 态，比如导航坐标，运动体的速度等的变化范围比较大，因此有可能造 成较大的线性化误差，影响整个导航系统的精度。 由于误差量的变化范围和全状态量相比要小得的多，所以采用误差 量作为状态变量的滤波器的线性化误差就会被控制在一个相对较小的范 围之内。这对于提高导航精度是很有帮助的。对于东向坐标和坐标误差 的变化范围比较如下图3 6 所示： 图3 6 东向坐标和坐标误差变化范围比较图 从系统可靠性的角度来看，误差状态量系统中能够差生误差的残差 量，这对于检测和剔除g p s 误差都很有帮助，由于参照了惯性导航的结 果，这样的系统比传统的利用g p s 数据自身的统计特性来进行故障检测 的系统要更加可靠和稳定。 综合上面所说的情况，我们采用基于误差状态量的卡尔曼滤波器做 为g p s i n s 组合导航系统中信息融合的基础结构。 北京交通大学硕士学位论文 6 p s i n s 组合导航系统设计 使用g p s 和i n s 数据进行比对的方式。本论文主要是利用g p s 和i n s 数 据的比较进行故障检测和隔离。 3 、5 、2 、惯性导航系统故障 惯性导航系统的故障“2 1 主要来源于温度漂移造成的系统失效，或者 说是系统发散。这一点我们通过图3 3 就能够清晰的看见。当温度漂移 造成的角速度偏移为e 。的时候，那么随时问的推移，惯性导航系统角度 估计的偏移将达到陋。出。同样的道理，当加速度偏移为e 。，那么速度 ， ” 偏移将为严。m ，则位移的偏移将达到r r e 。出，因此累计误差将使惯性 导航系统很快发散、失效。所以惯性导航系统如果需要长期保持较高的 精度，就需要定期接受来自绝对定位传感器比如g n s s 系统的校正。惯性 传感器的工作点温度漂移如下图3 7 所示： 时闻，s 图3 7 陀螺仪工作点电压髓温度漂移 2 8 北京交通大学硕士学位论文 g p s i n s 组合导航系统设计 图3 一1 0 模糊集的组合 表3 一l 故障检验的模糊逻辑规则 d d 无故障 l 有故障发生 0 i f ( r 啪i s i 啊d ( d o p i s l a r g e ) t l l m 盯i s 陆g e i f ( n u m i s l l i g h ) a n d ( d o p i s 锄日母n l 口i ss 嫩1 1 l f ( n 啪i s l o w ) 越d ( d o p i s 蛐毋t h 眦盯i s m 曲h n i f ( n 眦1 i s i 】i 呼1 ) 觚d ( d 0 p i s k g e ) t h 眦口i s m 曲u m 幽3 1 1 用于参敢调节的模糊逻辑 在这里我们定义两套模糊规则，一套用以进行故障检测，另外一套 用以进行滤波器参数调节。进行故障检测的模糊规则如表3 1 所示，用 于滤波器参数调整的模糊规则如图3 一1 1 所示。使用表3 l 和图3 一l l 中 的规则进行模糊推理，然后对模糊量进行解模糊，得到具体数值，最终 使用下面的公式对滤波器参数r 和k 进行调节： r = 盯。见 k 。ai 丝： 式3 小 h ；h + r ( t ) 北京交通大学硕士学位论文 g p s i h s 组台导航系统设计 图3 1 2 基于模糊逻辑的组合导航解决方案 由此，基于模糊逻辑的组合导航系统如图3 一1 2 所示。基于模糊逻辑 的组合导航系统，对于故障更加敏感，而且对滤波器的调节更加精细， 能够获得很好的故障检测性能。通过模拟故障数据，我们得到采用模糊 逻辑规则进行故障检测时候的导航结果图，如图3 1 3 所示。同时也得到 采用和不采用模糊逻辑进行滤波器参数调节时，导航精度的对比图3 1 4 。 - a 口。 i 二譬端l 晦啦 掣蔓摹 一 誊蘸 一7 一 鬃季 盏二， j 滴 + 十+ 一，譬r j 。瀛 毒 ；孽 囊 + _ 二蔓 图3 1 3 模糊逻辑组合导航系统结果 3 3 北京交通大学硕士学位论文g p s i n s 组合导航系统设计 。菇i i j 。氍一一 # 。 一。 1 翼 删 ，“ - 谴龇脚：i 氆，“l ；l 酞l烬 一口 ! f 。 q麟哪帮 ：2 _- i 1 囊 荒、釜 ，r 1 ； 囊i j 等黔。! i 氍蓄萎 叠蓦 i 。；。一 差一j 瓤诗 l 舞i + - + 。4 ， l ? 曼 t h 枷 巾卜卅卜巾， 卜一 叠猫 一曩 驾 图3 一1 4 使用与不使用模糊逻辑的导航系统的精度对比 模糊逻辑能够比概率的方法更加精细的处理故障检测与容错，但是 当构造模糊规则的时候考虑的因素越来越多，模糊集的组合越来越复杂， 而且模糊推理关系更加复杂，就会造成整个模糊推理系统实现的困难。 北京交通大学硕士学位论文g p s i n s 组合导航系统实现 第四章g p s i n s 组合导航系统实现 本章根据前面对g p s i n s 组合导航系统的设计，实现了组合导航系 统的硬件和软件，充分考虑了实时滤波、数据同步等关键技术，最后通 过现场测试验证组合导航系统的性能，并且对误差进行了分析。 4 、1 、组合导航实验环境 圳 1 1一 + 厂面i 1 i 医堕耍图 j 匪塑垂圆 圈4 一l 车我导航试验系统框图 系统的试验设备采用如上的结构，中心计算机采集来自惯性澳4 量单 元和g p s 接收机的数据，并存储在存储设备中，同时通过屏幕给出相应 的提示或者操作界而。对组合导航系统的测试，就是采用试验采集的数 据进行模拟和仿真得到结果的。下面就试验系统中所采用的传感器，数 据采集与模拟技术以及算法的仿真与评价进行详细说明。 4 、1 、l 、惯性测量单元 惯性测量单元( i m u ) 是一种高性能、六自由度( 6 d o f ) 的惯性传感 器系统。广泛应用于导航、控制、动态测试以及仪器自动化的o e m 系统 集成中。这个高可靠性的测量单元提供了对角速率和线性加速度的精确 测量。 i 删通常采_ ；f j 了m e m s 加速度计和低噪音、高稳定性的陀螺仪。通过 使用独有的算法调整和改正温度，线性度和排列误差的影响，使其性能 达到最优。其校正后的角速率和加速度可以通过模拟和数字两种方式输 达