基于INS-WSN組合導航的關(guān)鍵技術(shù)研究.pdf

1、隨著計算機技術(shù)、信息技術(shù)、通訊技術(shù)、微電子技術(shù)和機器人技術(shù)的飛速發(fā)展，針對智能移動機器人技術(shù)的研究與應用取得了長足的進步，使其在許多場合被寄予了替代人類自動執(zhí)行某些日常性與危險性任務(wù)的厚望。機器人的導航與定位作為實現(xiàn)機器人智能化和完全自主化的關(guān)鍵技術(shù)，逐漸成為目前該領(lǐng)域的研究熱點。特別是面向室內(nèi)環(huán)境的移動載體持續(xù)高精度組合導航，其市場需求巨大，前景十分廣闊。在現(xiàn)有的室內(nèi)導航策略中，基于無線傳感器網(wǎng)絡(luò)(Wireless Sensor Ne

2、tworks，WSN)的目標跟蹤以其低成本、低功耗和低復雜度的特點表現(xiàn)出很大的潛力。但由于室內(nèi)環(huán)境復雜多變，WSN信號十分容易受到干擾并造成失鎖，與此同時，WSN采用的通信技術(shù)通常為短距離無線通信技術(shù)，因此若想完成長距離、大范圍的室內(nèi)目標跟蹤和定位，需要大量的網(wǎng)絡(luò)節(jié)點共同完成，這必將引入網(wǎng)絡(luò)組織結(jié)構(gòu)優(yōu)化設(shè)計、多節(jié)點多簇網(wǎng)絡(luò)協(xié)同通信與定位等一系列問題。慣性導航系統(tǒng)(Inertial Navigation System，INS)通過自身攜帶

3、的加速度計、陀螺儀等傳感器測量載體當前時刻的旋轉(zhuǎn)角速度和線加速度，將測得的數(shù)據(jù)通過積分得到載體的位置、速度和姿態(tài)信息，是一種完全自主的導航方式。然而，INS的測量誤差隨著時間而累積，獨自長航時運行會導致導航精度嚴重下降。為了實現(xiàn)智能移動機器人在室內(nèi)環(huán)境下持久的高精度實時導航，本文以INS/WSN組合導航算法為研究重點，在參考國內(nèi)外大量無線定位和組合導航文獻的基礎(chǔ)上，根據(jù)本文的研究背景對現(xiàn)有的組合導航模型進行改進，從理論上深入研究了基于W

4、SN的目標跟蹤、WSN/DR組合、INS/WSN松組合和緊組合等面向室內(nèi)移動機器人的導航模型。在導航模型的基礎(chǔ)上，對現(xiàn)有的數(shù)據(jù)融合算法進行改進，設(shè)計出適合面向室內(nèi)環(huán)境的智能移動機器人高精度導航的數(shù)據(jù)融合算法，將基于WSN的目標跟蹤與INS有機的結(jié)合在一起，彌補WSN、INS在單獨應用時存在的缺陷，提高了組合導航的精度和實時性。論文的主要工作與創(chuàng)新點如下:
　　(1)提出了一種面向室內(nèi)移動機器人的INS/WSN無偏緊組合模型。本文首

5、先對基于WSN的目標跟蹤算法和INS導航的原理進行分析，指出了上述兩種導航方法的優(yōu)點和不足。為了克服WSN定位及通信信號容易受到干擾和INS導航信息解算誤差隨時間累積的缺點，實現(xiàn)室內(nèi)環(huán)境下的持續(xù)高精度導航。本文提出了INS/WSN組合導航系統(tǒng)，將WSN與INS有機的結(jié)合在一起，彌補各導航技術(shù)在實際應用中存在的缺陷，進而提高組合導航的精度。在此基礎(chǔ)上，為了使INS/WSN組合導航系統(tǒng)能夠獲得更高的導航精度，降低組合導航系統(tǒng)對參與組合的單個

6、系統(tǒng)數(shù)據(jù)的要求，擴大組合導航系統(tǒng)的應用范圍，本文對導航模型進行了深入研究。首先將移動載體看作一個整體，提出了WSN/DR組合導航模型。在此基礎(chǔ)上，本文進一步提出了INS/WSN松、緊組合導航模型以提高組合導航精度。同時，為了克服緊組合導航模型在計算兩種導航技術(shù)測量的參考節(jié)點與未知節(jié)點的距離之差時，由于忽略泰勒展開式中的高階小量而引入的新誤差，本文又進一步提出了無偏緊組合導航模型，并給出了導航模型的構(gòu)建方法和算法實現(xiàn)。實驗數(shù)據(jù)顯示，與松組

7、合導航模型相比，無偏緊組合模型具有更高的導航精度，對數(shù)據(jù)的適應能力也更強。
　　(2)提出了一種基于INS/WSN組合導航的在線自適應迭代平滑算法?；贗NS/WSN無偏緊組合導航模型，本文對擴展卡爾曼濾波算法(Extended Kalman Filter,EKF)、自適應擴展卡爾曼濾波（Adaptive EKF, AEKF）和迭代擴展卡爾曼濾波（IteratedEKF, IEKF）等非線性融合濾波算法進行了系統(tǒng)的仿真實驗，以驗證

8、、分析和比較在INS/WSN無偏緊組合模型下的濾波器性能。為了獲取更高的數(shù)據(jù)融合精度，本文在傳統(tǒng)IEKF算法基礎(chǔ)上加入了觀測噪聲時變估計器，得到了自適應迭代擴展卡爾曼濾波算法(Adaptive IEKF, AIEKF)。并將AIEKF算法應用到Rauch-Tung-Striebel(R-T-S)平滑算法中，得到了自適應迭代R-T-S平滑算法(Adaptive Iterated Extended R-T-SSmoothing，AIERTS

9、S)。與此同時，為了克服傳統(tǒng)平滑算法不能實時進行的缺點，本文還提出一種在線AIERTSS算法，并給出了濾波算法的實現(xiàn)方法。半物理仿真實驗表明，在本文所搭建的實驗平臺下，基于INS/WSN無偏緊模型，與WSN系統(tǒng)自身解算的位置和速度的均方根誤差相比，通過使用AIEKF算法，組合導航系統(tǒng)的位置和速度的均方根誤差分別下降了60％和40％左右。而AIERTSS算法的提出，更是使誤差在AIEKF算法的基礎(chǔ)上分別下降了15％和25％左右。與離線平滑

10、濾波算法相比，雖然在線模式提高了AIERTSS算法的實時性，但是其位置和速度的均方根誤差與離線模式相比有所提高。
　　(3)對WSN失鎖情況下組合導航系統(tǒng)架構(gòu)和數(shù)據(jù)融合方法進行了設(shè)計。針對WSN系統(tǒng)數(shù)據(jù)在室內(nèi)環(huán)境下的存在的失鎖問題，本文從替代失鎖環(huán)境下不能工作的組合導航數(shù)據(jù)融合濾波器和在失鎖環(huán)境下維持數(shù)據(jù)融合濾波器繼續(xù)工作兩個方面對失鎖環(huán)境下的數(shù)據(jù)融合算法進行了設(shè)計，并給出了算法的實現(xiàn)方法和性能分析。
　　(4)為了完成對本