車載導(dǎo)航系統(tǒng)自主重構(gòu)技術(shù)與信息融合算法研究.pdf

1、車載導(dǎo)航系統(tǒng)在理論研究與工程應(yīng)用上向著智能化與可視化的方向發(fā)展。常用的導(dǎo)航方案一般都采用GPS/INS的組合方式，但其理論方法與應(yīng)用研究工作幾乎都集中在GPS和INS都可用條件下對(duì)卡爾曼濾波算法的替代或改進(jìn)方面。在GPS信號(hào)無(wú)法覆蓋以及 INS精度下降情況下，如何采用低成本的系統(tǒng)重構(gòu)方案以及智能信息融合算法來(lái)提高導(dǎo)航系統(tǒng)的可靠性與保證系統(tǒng)的導(dǎo)航精度是需要盡快解決的研究課題。
　　論文結(jié)合國(guó)家“863”計(jì)劃項(xiàng)目“組合導(dǎo)航系統(tǒng)自主重構(gòu)

2、技術(shù)與智能導(dǎo)航算法研究”對(duì)車載導(dǎo)航系統(tǒng)重構(gòu)技術(shù)與數(shù)據(jù)融合算法問(wèn)題進(jìn)行深入的研究。主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　研究了車載導(dǎo)航系統(tǒng)的故障檢測(cè)與隔離問(wèn)題。在分析車載導(dǎo)航系統(tǒng)故障檢測(cè)問(wèn)題的基礎(chǔ)上，采用小波技術(shù)對(duì)各傳感器的狀態(tài)信號(hào)作小波分析，在較短時(shí)間內(nèi)發(fā)現(xiàn)故障點(diǎn)。通過(guò)模糊推理的方法在故障系統(tǒng)和非故障系統(tǒng)之間進(jìn)行無(wú)擾動(dòng)切換，隔離存在故障的系統(tǒng)，實(shí)現(xiàn)自適應(yīng)系統(tǒng)重構(gòu)。
　　研究了室外環(huán)境中基于點(diǎn)特征的同時(shí)定位與地圖構(gòu)建（Simul

3、taneous Localization and Mapping-SLAM）算法。針對(duì)SLAM算法中存在的計(jì)算復(fù)雜度與信息豐富度之間的矛盾，提出提取環(huán)境陸標(biāo)點(diǎn)特征并轉(zhuǎn)化為線特征的P-L（Point to Line）地圖構(gòu)建算法，形成SLAM地圖構(gòu)建中室外環(huán)境信息表達(dá)的新方法。為提高地圖創(chuàng)建方法的適應(yīng)能力，從降低觀測(cè)信息的不確定性入手，利用道路約束條件對(duì)SLAM算法中的狀態(tài)向量進(jìn)行估計(jì)，減少定位誤差，增強(qiáng)地圖創(chuàng)建的精確度。
　　研究

4、了GPS信號(hào)失效時(shí)采用低成本組合方式進(jìn)行系統(tǒng)重構(gòu)的問(wèn)題，設(shè)計(jì)基于地圖構(gòu)建的系統(tǒng)重構(gòu)方案、基于協(xié)作偽衛(wèi)星的系統(tǒng)重構(gòu)方案，并完成可應(yīng)用性分析。
　　研究了基于多模型的噪聲自適應(yīng)技術(shù)和非線性噪聲耦合技術(shù)，用以提高系統(tǒng)狀態(tài)估計(jì)的精度。將人工智能技術(shù)融合到爾曼濾波法中去，設(shè)計(jì)基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)因子，用以調(diào)節(jié)濾波器增益，提高濾波穩(wěn)定性。
　　在上述研究成果的基礎(chǔ)上，以機(jī)動(dòng)車沿特定的線路運(yùn)動(dòng)過(guò)程為基本考察對(duì)象，在車輛運(yùn)動(dòng)過(guò)程中進(jìn)行衛(wèi)星導(dǎo)