原文传递
智能车辆组合导航系统设计及先进信息融合算法研究
| 论文题名： | 智能车辆组合导航系统设计及先进信息融合算法研究 |
| 关键词： | 智能车辆;组合导航;多传感器信息融合;Kalman滤波;模糊推理 |
| 摘要： | 智能车辆作为一种集导航定位、决策规划和辅助驾驶等功能于一体的新型综合系统，是未来汽车的发展方向。为提升智能车辆导航系统的定位精度，本文对INS/GPS组合导航系统及其改进信息融合算法进行了深入研究。针对由噪声统计特性随工作条件改变而引起的卡尔曼滤波发散问题，创新提出了基于模糊推理的卡尔曼滤波算法，实现对量测噪声协方差阵R以及过程噪声协方差阵Q的实时估计与在线调整，并结合实际制定了本文INS/GPS组合导航系统的总体设计方案，基于方案对系统软硬件进行设计，并且构造了系统的数学模型。最终进行计算机仿真实验，仿真结果表明，本文所提出的基于模糊推理的自适应滤波算法能够有效解决卡尔曼滤波在组合导航信息融合中的发散问题，提升智能车辆组合导航系统的定位精度，增强系统的动态跟踪性能，具有较强的理论价值与实际应用意义。论文主要工作成果归纳如下： 首先，详细介绍智能车辆组合导航以及多传感器信息融合技术的发展历程与研究现状。 其次，对INS、GPS系统的导航原理、性能以及误差来源做出详细分析，选定适合于本文的组合设计方案，并对方案的原理及结构作出解释：基于位置、速度的松组合模式，采用间接法、输出校正方式滤波。 第三，构造INS/GPS组合导航系统数学模型，并对系统量测方程、状态方程进行离散化处理。 第四，针对由噪声统计特性随机改变引起的滤波发散问题，进一步围绕基于模糊推理的信息融合方式展开研究，对推理系统结构、设计思路以及控制性能分别进行剖析。 最后，提出基于模糊推理的滤波参数自适应调整算法并引入改进的双模糊推理机制；提出基于模糊推理的改进指数加权滤波算法，实现对指数加权滤波的性能改进；仿真实验表明，本文基于模糊推理的自适应滤波算法能够有效地提升滤波的精度、实时性与自适应性。 |
| 作者： | 李振 |
| 专业： | 控制工程 |
| 导师： | 曹梦龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 青岛科技大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
