2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩150頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在當(dāng)今日益競(jìng)爭(zhēng)的國(guó)際形勢(shì)下,水下導(dǎo)航無(wú)論是對(duì)于民用打撈搜救、海底管道維護(hù),還是軍事潛艇戰(zhàn)略巡航等,都具有很高的研究?jī)r(jià)值及意義,目前已成為國(guó)內(nèi)外研究的熱點(diǎn)與難點(diǎn)。
  根據(jù)慣性導(dǎo)航系統(tǒng)能夠長(zhǎng)期滿(mǎn)足定位要求的特點(diǎn),本文采用捷聯(lián)慣性導(dǎo)航(strapdown inertial navigation system,SINS)與同時(shí)構(gòu)圖定位導(dǎo)航(simultaneous localization and mapping,SLAM)相組合的導(dǎo)航

2、方式進(jìn)行研究。通過(guò)傳感器采集周?chē)h(huán)境特征物,SLAM技術(shù)不僅能夠提供載體及路標(biāo)的位置信息,用來(lái)輔助校正SINS漂移誤差,而且能構(gòu)建與周?chē)h(huán)境相一致的特征地圖。本文基于課題的研究背景和意義,總結(jié)了國(guó)內(nèi)外SLAM中數(shù)據(jù)關(guān)聯(lián)算法,并對(duì)其關(guān)鍵技術(shù)進(jìn)行了深入的研究。
  針對(duì)海底石油管道探測(cè)定位工程的背景及意義,本文通過(guò)設(shè)定具有一定函數(shù)形式的管道模型,并將該函數(shù)軌跡作為載體的航行參考路徑,通過(guò)多次航行由聲學(xué)、光學(xué)以及慣性傳感器采集到的方位信

3、息、距離信息和圖像信息等,進(jìn)行了多傳感器融合算法研究,仿真實(shí)驗(yàn)實(shí)現(xiàn)了高精度的管道定位。具體的改進(jìn)算法及研究?jī)?nèi)容包括如下:
  1、在水下導(dǎo)航定位中,載體需攜帶多種傳感器協(xié)作完成導(dǎo)航任務(wù),而這些傳感器提供的目標(biāo)位置觀測(cè)值之間,需進(jìn)行數(shù)據(jù)關(guān)聯(lián)分析后,判斷是否來(lái)自同一實(shí)物,以被存儲(chǔ)在地圖數(shù)據(jù)庫(kù)中。針對(duì)最近鄰關(guān)聯(lián)算法在處理信標(biāo)多、關(guān)聯(lián)關(guān)系復(fù)雜方面的不足,提出了一種基于柵格圖模糊邏輯的SLAM數(shù)據(jù)關(guān)聯(lián)算法。仿真實(shí)驗(yàn)表明,該算法可以實(shí)現(xiàn)較高精

4、度的數(shù)據(jù)關(guān)聯(lián)。
  2、針對(duì)水下環(huán)境及系統(tǒng)觀測(cè)噪聲的模糊性,進(jìn)行數(shù)據(jù)關(guān)聯(lián)時(shí)容易產(chǎn)生模糊關(guān)聯(lián)或錯(cuò)誤,從而導(dǎo)致SLAM過(guò)程失敗這一問(wèn)題,提出了基于最大概率BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)關(guān)聯(lián)算法,實(shí)驗(yàn)結(jié)果表明,新算法對(duì)目標(biāo)位置觀測(cè)值進(jìn)行關(guān)聯(lián)后可得到較高的關(guān)聯(lián)度,其對(duì)應(yīng)的定位估計(jì)濾波精度也較高。
  3、針對(duì)擴(kuò)展卡爾曼濾波的SLAM算法(Extended Kalman filter-SLAM,EKF-SLAM)、無(wú)跡卡爾曼濾波的SLAM算法(U

5、nscented Kalman filter-SLAM,UKF-SLAM)、可調(diào)節(jié)系數(shù)無(wú)跡卡爾曼濾波(η-UKF-SLAM)等SLAM算法中非線性誤差較大,進(jìn)行時(shí)間更新與預(yù)測(cè)更新比較繁瑣,導(dǎo)航計(jì)算機(jī)運(yùn)行速度慢等問(wèn)題,提出了一種基于粒子濾波的SLAM算法,用一個(gè)最小的樣本點(diǎn)集來(lái)近似系統(tǒng)狀態(tài)的分布函數(shù),通過(guò)設(shè)置有效樣本,判斷在粒子權(quán)值更新過(guò)程中是否進(jìn)行重采樣,以滿(mǎn)足粒子的多樣性和豐富性。并針對(duì)水下管道檢測(cè)定位應(yīng)用,仿真實(shí)驗(yàn)驗(yàn)證了該算法對(duì)“對(duì)

6、角線”型函數(shù)管道定位可達(dá)到較高的定位精度。
  4、針對(duì)海底大范圍區(qū)域的系統(tǒng)本身或隨機(jī)干擾信號(hào)模型的模糊性,航行器初始狀態(tài)估計(jì)精度低,以及系統(tǒng)魯棒性差等問(wèn)題,結(jié)合“曲線”型函數(shù)管道檢測(cè)定位,提出了一種基于擴(kuò)展H∞濾波的SLAM算法,該算法設(shè)計(jì)從干擾輸入到濾波輸出的H∞范數(shù)最小的H∞濾波器,并求取相應(yīng)系統(tǒng)參數(shù)進(jìn)行時(shí)間更新與預(yù)測(cè)更新。仿真實(shí)驗(yàn)表明,跟蹤檢測(cè)具有較高的關(guān)聯(lián)精度,采集并提取的部分管道特征地圖可以達(dá)到較高的定位精度。

7、  5、針對(duì)傳統(tǒng)n維Sigma點(diǎn)的非線性濾波中采樣點(diǎn)維數(shù)較多導(dǎo)致計(jì)算量加大,運(yùn)算速度下降,且大噪聲下系統(tǒng)的可觀性較弱等問(wèn)題,提出了一種基于SLAM的超球面分布采樣(Spherical Simplex,SS)的平方根容積卡爾曼濾波(Square-Root Cubature Kalman Filter,SRCKF)算法。該算法對(duì)n+2維容積點(diǎn)計(jì)算及傳播,并進(jìn)行狀態(tài)的預(yù)測(cè)及估計(jì)更新等,提高了模型中的導(dǎo)航參數(shù)運(yùn)算速度。通過(guò)與SRUKF和SSCK

8、F兩種濾波算法比較,實(shí)驗(yàn)結(jié)果表明,本文提出的SS-SRCKF算法在平方根協(xié)方差保證非負(fù)性?xún)?yōu)勢(shì)下,其定位精度較高且穩(wěn)定性最好,同時(shí)也證明了新的算法對(duì)未來(lái)水下導(dǎo)航實(shí)際工程應(yīng)用中的參考價(jià)值。
  6、依據(jù)水下管道探測(cè)為研究背景,設(shè)置特定的仿真環(huán)境,分別采用多傳感器數(shù)據(jù)融合思想的粒子濾波、擴(kuò)展H∞濾波、SS-SRCKF三種濾波算法,在仿真區(qū)域中管道軌跡參考路徑下,對(duì)載體位置進(jìn)行定位估計(jì)分析。依據(jù)室內(nèi)目標(biāo)物的SIFT(Scan Invari

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論