GNSS-MINS組合高精度導航定位技術(shù)研究.pdf

1、近年來，各國一直在研究全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS），旨在應用于工業(yè)、軍事和民用產(chǎn)業(yè)。但是在實際的應用中，有時候會存在信號被高樓或者山體等大型物體所遮擋，而遮擋會造成 GNSS的信號不能夠及時被地面的接收機所接收，有時候也會存在 GNSS信號丟失的問題，從而會影響到觀測者對載體運動情況和地點的監(jiān)控，因此此時的GNSS不能夠達到導航的目的。慣性導航系統(tǒng)（INS）是利用安裝在運載體上的加速度計和陀螺儀來測定運載體的位置。通過這兩個器件來感知載

2、體的加速度和航姿數(shù)據(jù)，然后通過運算，可以確定運動載體在慣性參考坐標系中的運動狀態(tài)以及位置信息。在工作過程中，INS不與外界發(fā)生任何聯(lián)系，依靠載體自身設備即可完成導航工作。隨著技術(shù)的發(fā)展，微機電系統(tǒng)（MEMS）因為其成本低，性能高的特點，開始應用于慣性導航系統(tǒng)中，因而誕生了微慣性導航系統(tǒng)（MINS）。
　　綜上所述，為了最大化的發(fā)揮 GNSS導航和微慣性導航系統(tǒng)（MINS）的優(yōu)點，催生了GNSS-MINS組合導航系統(tǒng)。本文研究的是G

3、NSS-MINS組合高精度導航定位技術(shù)，提出了高精度 GNSS-MINS組合導航定位系統(tǒng)總體構(gòu)成方案，從對系統(tǒng)誤差產(chǎn)生的分析提出改進的算法，設計出在 GNSS失鎖情況下，INS輔助導航的自適應學習實時校正，保證觀測者能夠正確獲得載體的運動情況和姿態(tài)情況。本文先討論出GNSS和INS組合導航系統(tǒng)存在的誤差情況，再通過單一的算法，比如利用神經(jīng)網(wǎng)絡算法、卡爾曼濾波算法進行誤差修正，然后進行跑車實驗來證明算法的有效性和健壯性。經(jīng)過多次實驗表明，

4、單純的一種基本算法是無法滿足復雜的路面環(huán)境，無法預測到準確的跑車位置，于是本文接下來提出了改進的算法，針對具體情況把神經(jīng)網(wǎng)絡算法進行了改進，通過設置不同收斂速度和收斂值的隱層函數(shù)來進行測試；考慮到神經(jīng)網(wǎng)絡學習和訓練過程的準確性，本文提出了利用卡爾曼濾波先將組合導航系統(tǒng)誤差進行補償，將可能的野點去除，再通過神經(jīng)網(wǎng)絡學習和訓練，預測出在失鎖情況下載體的運動位置和運動情況。實驗表明，卡爾曼濾波存在時空延時，表現(xiàn)為在系統(tǒng)中INS和GNSS的數(shù)據(jù)

5、容易出現(xiàn)交疊，因此在多次實驗的基礎(chǔ)上，算法升級為利用改進的分布式卡爾曼濾波的方式，補償 INS的系統(tǒng)誤差，保證了收斂時間和后續(xù)神經(jīng)網(wǎng)絡預測的可靠性。通過多次跑車實驗，也證明了此融合算法的健壯性。所以，對分布式卡爾曼濾波進行研究和改進成為了本文的主要討論對象，在組合導航系統(tǒng)中，改進的分布式卡爾曼濾波可以降低由于系統(tǒng)器件帶來的誤差值，實現(xiàn)補償?shù)墓π?，同時，利用性能提高后的徑向基神經(jīng)網(wǎng)絡進行系統(tǒng)訓練和預測誤差補償，保證了載體在被遮擋情況下觀測

6、者對載體運行狀態(tài)的準確掌控。最后通過多次在上海交通大學閔行校區(qū)附近的普通道路的跑車實驗，來證明算法的及時有效性，并得出了一般性結(jié)論，即在車速為50km/h，GNSS失鎖的情況下，通過對失鎖前400s的GNSS數(shù)據(jù)和INS數(shù)據(jù)進行學習和建模，最大預測出失鎖后100s內(nèi)載體的運動情況，經(jīng)度誤差小于10米，緯度誤差小于20米。通過多次實驗，本文將此算法升級為可以滿足自適應學習以及實時校正的工業(yè)生產(chǎn)要求，INS與GNSS測量數(shù)據(jù)出現(xiàn)大于設定閾值