《GPSINS自适应组合导航算法研究》由会员分享，可在线阅读，更多相关《GPSINS自适应组合导航算法研究（9页珍藏版）》请在金锄头文库上搜索。
1、论文中英文摘要作者姓名：高为广论文题目：GPS/INS 自适应组合导航算法研究作者简介：高为广，男，1979 年 09月出生，2005 年 9月师从于信息工程大学杨元喜院士，于 2008年 06月获博士学位。中 文 摘 要本文围绕利用 GPS/INS 自适应组合导航算法这一中心问题展开研究，涉及到自适应滤波算法研究、神经网络算法研究、动力学模型误差补偿算法研究、故障检测算法研究等诸多内容，所有这些构成了一套完整的 GPS/INS 组合导航系统自适应滤波理论、模型和算法，得到了一些有益的结论。论文的主要内容和创新点概括如下：1对全球卫星导航系统（GPS、GLONASS、GALILEO、北斗）和区
2、域卫星导航系统（MSAS/QZSS、GAGAN/IRNSS）的发展现状进行了概括总结。论述了本文的研究背景及意义，分析了 GPS/INS 组合导航系统数据处理算法的研究历史及现状，介绍了论文的主要研究内容。2从线性最优估计算法和非线性次优估计算法两方面出发，对目前导航系统数据处理算法进行了归纳与分类。并指出：导航解算时，必须首先分析非线性模型方程的非线性强度，非线性强度弱可以采用该方法直接进行导航解算。反之，则应该采用其它能够尽可能避免线性化误差的算法，如迭代滤波算法、高阶截断滤波算法、UKF 滤波算法等等。3重点对组合导航系统的自适应滤波算法进行了研究。主要内容包含如下几个方面：首先，在观测
3、信息无冗余的情况下，介绍了几种新的基于预报残差构造的自适应滤波算法。分析总结了观测信息冗余情况下基于预报状态构造的几种自适应因子表达式，并详细推导了基于状态不符值和基于方差分量比构造自适应因子的方法。其次，为了弥补基于预报状态构造的自适应滤波算法对观测信息冗余情况的要求，重点研究了基于预报残差构造的统计量和几种自适应因子，并给出了几种预报残差协方差矩阵的表达式。该统计量及相应的自适应因子虽然对观测信息个数没有要求，但可以较好地调整动力学模型信息和观测信息之间的权比，抑制动力学模型误差和扰动异常对导航解的影响。其次，在 GPS 观测信息有无冗余情况下，基于预报残差构造的自适应因子，给出了相应的自
4、适应滤波导航算法。实测数据计算结果表明，观测信息冗余时，基于预报状态构造的自适应滤波解优于基于预报残差构造的自适应滤波解；观测信息无冗余时，基于预报状态构造的自适应滤波算法不可用，此时基于预报残差构造的自适应滤波算法能够有效地抑制动力学模型异常扰动误差对导航解的影响，其导航解优于标准 Kalman 滤波。第三，在 GPS/INS 松组合导航系统观测信息无冗余情况下，将基于预报残差构造的自适应因子引入到 GPS/INS 松组合导航系统，给出了一种 GPS/INS 自适应组合导航算法。实测数据计算结果表明，该算法导航解精度明显优于标准 Kalman 滤波导航解，能够有效地抑制动力学模型误差对导航解
5、的影响。最后，在观测信息有冗余和无冗余混合的情况下，基于预报状态构造的自适应滤波算法和基于预报残差构造的自适应滤波算法，对联邦滤波算法进行了改进，提出了一种自适应联邦滤波算法，并用模拟数据验证了算法的可行性。4重点研究了 Hopfield 神经网络和 BP 神经网络的改进算法及其在导航系统中的应用。首先，给出了基于 Hopfield 神经网络进行状态估计的有效算法。对 Hopfield 神经网络学习速率的人为给定问题，进行了自适应计算。并且为了抑制异常观测信息对导航解的影响，将抗差等价权原理引入到 Hopfield 神经网络算法，提出了基于等价权原理的 Hopfield 神经网络状态估计算法。
6、计算结果表明：当观测信息存在异常观测（粗差）或观测噪声不满足高斯白噪声分布时，最小二乘算法不能得到状态参数的最优解。而 Hopfield 神经网络算法对观测噪声的分布没有特别要求，观测噪声为非高斯分布或法方程系数矩阵弱相关时，其导航解相对最小二乘算法均有明显改善。其次，详细研究了 BP 神经网络的改进算法。为了提高网络训练速度，分别给出了提高BP 神经网络收敛速度的两种算法学习速率和动量因子的自适应计算方法以及层间连接权的误差补偿算法，并利用机载实测数据证明了方法的可行性。在提高神经网络泛化能力方面，首先给出了利用 EKF 和 UKF 对神经网络隐含层和输出层连接权值的部分训练方法。针对 UK
7、F参数选取随意性的问题，采用移动开窗估计法对状态噪声和观测噪声协方差矩阵进行自适应估计，提出了一种新的提高神经网络泛化能力的自适应 UKF 算法。并利用实测数据进行了验证，结果表明利用 EKF、UKF 和自适应 UKF 算法训练神经网络都能提高其泛化能力，其中自适应 UKF 优于其它几种算法。5重点研究了 GPS/INS 组合导航系统动力学模型误差的补偿算法。主要内容包含如下几个方面：首先，对各种控制动力学模型误差影响的函数模型补偿滤波算法和随机模型补偿滤波算法进行理论和实用方面的比较与分析。并通过 GPS 实测数据的计算，得出一些结论：（1）在 GPS 导航解算中确实存在动力学模型误差。 （
8、2）在不考虑观测方程模型误差影响的情况下，Sage 滤波和自适应滤波算法的结合应用对动力学模型误差的补偿效果最好，原因在于该算法能够同时抑制较小的动力学模型误差和较大的异常扰动误差对导航解的影响。 （3）在动力学模型误差补偿方面，随机模型补偿滤波算法的出发点是对模型误差进行调整，而函数模型补偿滤波算法是对模型误差进行补偿修正，且这种补偿修正算法建立在模型误差统计特性精确已知的基础上，这在实际应用中是比较困难的。所以，从算法实现的难易程度上考虑，随机模型补偿滤波算法较优于函数模型补偿滤波算法。其次，针对 GPS/INS 松组合导航系统观测信息无冗余的情况，提出了一种基于 Kalman滤波直接进行
9、模型误差估计的算法。计算结果表明：GPS/INS 松组合导航解算时，动力学模型误差不但确实存在，而且利用基于 Kalman 滤波的方法对动力学模型误差进行直接估计也是可行的。且动力学模型误差修正后的组合导航滤波解明显优于修正前的组合导航解。第三，基于迭代滤波思想，提出了对 GPS/INS 松组合导航系统动力学模型误差进行补偿的算法。该算法采用迭代策略不断利用观测信息去修正动力学模型信息，不但能够很好地抑制动力学模型异常扰动误差对导航解的影响，而且能够充分挖掘观测信息中含有的状态参数最优估值信息。实测数据计算结果表明：该算法能够进一步提高导航解的精度，且经过少量迭代（16 次）后，其导航解精度就
10、明显优于标准 Kalman 滤波。第四，研究了利用非线性滤波算法减小动力学模型误差影响的方法。将自适应估计原理引入到 UKF 算法，提出了 UKF 的改进算法。计算表明：将自适应因子引入到 UKF 算法，不但可以避免动力学模型线性化误差对导航解的影响，而且可以通过自适应因子进一步抑制初始值偏差和动力学模型异常扰动误差对导航解的影响。且自适应 UKF 算法即继承了 UKF 的优点，又能够通过自适应因子进一步提高 GPS/INS 导航解的精度。最后，详细研究了基于自适应滤波和神经网络进行动力学模型误差补偿的算法。提出了将神经网络算法和自适应滤波算法相结合，对动力学模型误差进行先修正再调整的两级控制
11、方法，并给出了两个动力学模型误差补偿方案。结果表明：神经网络算法可以很好地控制动力学模型较小的模型误差对导航解的影响，具有很强的模型误差消噪功能；采用自适应滤波算法对神经网络修正后的动力学模型信息进行第二次调整，不但充分顾及到动力学模型的各种模型误差对导航解的影响，而且对神经网络输出值也是一种约束。这种约束又可以很好地抑制神经网络输出值可能存在的异常信息对导航解的影响。6重点研究了利用神经网络对基于预报残差构造的自适应滤波进行改进的算法。首先，针对基于预报残差构造的自适应因子受异常观测信息影响的问题，将神经网络算法引入到自适应滤波算法中，基于神经网络输出值和不符值原理构造了不受异常观测信息影响
12、的自适应因子，提出了基于神经网络构造的 GPS/INS 自适应组合导航算法。计算结果表明：该算法不但对观测信息冗余没有特别的要求，而且能够避免观测信息异常对自适应因子的影响，进而避免基于预报残差构造的自适应滤波算法可能存在的越调整越差的危险性。其次，详细研究了基于神经网络对自适应滤波进行改进的算法。提出了四种 GPS/INS 抗差自适应组合导航算法，并对四种算法进行了比较和分析。利用神经网络作为辅助导航信息，充分顾及到动力学模型和观测信息可能存在的四种情况，对自适应滤波算法进行了改进。实测数据计算表明，在观测信息存在异常粗差时，四种算法不但能够确保自适应因子的质量，而且能够较好地抑制动力学模型
13、异常扰动误差和异常观测信息对导航解的影响。且 GPS 信息短暂失锁时，训练后的神经网络能够较好地对 INS 信息进行消噪处理，进一步提高了导航解的精度。将神经网络和自适应滤波算法结合应用，能够较好地提高自适应滤波算法存在的问题，神经网络算法可以作为基于预报残差构造的自适应滤波算法进行性能提升的一种辅助手段。7重点研究了 GPS/INS 松组合导航系统的故障检测算法。首先，对基于模型的故障检测算法进行了归纳总结。详细分析了模型误差对滤波解和基于模型的故障检测算法的影响。分析推导了动力学模型误差和观测信息模型误差对滤波解、预报残差和基于模型的故障检测算法的影响表达式。并结合模拟数据和实测数据进行论
14、证指出：基于模型的故障检测算法受模型误差影响比较严重，为了提高故障检测算法的有效性，必须对模型误差进行修正。其次，针对 GPS/INS 松组合导航系统观测信息无冗余的情况，提出了一种神经网络辅助的组合导航故障检测算法。该算法首先利用神经网络对动力学模型预报信息进行修正，然后再基于修正后的动力学模型信息构造基于模型的故障检测算法，克服了基于模型的故障检测算法受模型误差影响的局限性。计算结果表明：该算法能够克服基于模型的故障检测算法受模型误差影响的局限性，能够很好地从模型误差中分离出观测信息含有的故障信息，降低了故障检测算法存在的虚警率；能够基于故障检测后可靠的观测信息进一步调整动力学模型信息对导
15、航解的贡献。8简要总结了本文的主要工作及结论，并提出了未来工作的一些设想。关键词：GPS/INS 组合导航；抗差估计算法；自适应因子；非线性滤波算法；自适应滤波算法；Hopfield 神经网络算法；BP 神经网络算法；故障检测算法Research on GPS/INS Adaptive IntegtratedNavigation AlgorithmsGao WeiguangABSTRACTThis dissertation mainly focuses on the theories and algorithms of GPS/INS adaptively integrated navigat
16、ion system. The main works and contributions are summarized as follows:1. The new development phases and the future programs of the global navigation satellite system, such as GPS, GLONASS, GALILEO and Compass, and Japan and Indian regional navigation satellite system, such as MSAS/QZSS, GAGAN/IRNSS, are introduced respectively in detail. Then, the background and significance of this dissertation research is discussed, and t
