INS-WSN組合導航系統(tǒng)設計與算法研究.pdf

1、隨著機器人技術的快速發(fā)展，移動機器人被越來越多地應用于國民經(jīng)濟建設的各個領域。在移動機器人涉及的多項技術中，其導航定位系統(tǒng)業(yè)已成為學者們的研究熱點。在室內(nèi)復雜環(huán)境下，常規(guī)的無線定位技術難以同時滿足系統(tǒng)定位精度和可靠性的需求，研究新型高可靠、高精度的室內(nèi)機器人定位系統(tǒng)成為室內(nèi)定位亟待解決的問題。本文以INS/WSN組合導航系統(tǒng)為研究對象，對系統(tǒng)的模型設計及信息融合算法進行了研究，系統(tǒng)地分析了不同的模型以及不同的信息融合濾波算法對INS/W

2、SN組合導航定位精度的影響。
　　在INS/WSN松組合架構下，本文通過對多模型理論的研究，分別提出了基于交互多模型的濾波方法、基于模型切換的濾波方法以及基于模型集切換的濾波方法，并引入強跟蹤濾波器以提高INS/WSN濾波模型的魯棒性。與基于單個模型的濾波方法相比，基于交互多模型的濾波方法能在一定程度上提高對移動機器人的定位精度，但當移動機器人的運動模式改變時，系統(tǒng)模型集中與之匹配的有效模型并沒有得到及時地切換，這會影響該濾波方法

3、的定位精度。為解決上述問題，本文提出了一種基于模型切換的濾波方法，其采用加速度統(tǒng)計信息作為特征量來選取與移動機器人運動模式相匹配的系統(tǒng)模型。進一步地，為了減輕未知系統(tǒng)噪聲造成的先驗模型與真實模型之間的不匹配程度，本文提出了基于模型集切換的濾波方法。仿真實驗結果表明，在三種INS/WSN松組合濾波方法中，基于模型切換的濾波方法的計算量最小，基于模型集切換的濾波方法的定位精度最高。最后，為了提高系統(tǒng)的魯棒性，本文將強跟蹤濾波器應用到了INS

4、/WSN松組合導航算法中，仿真實驗結果表明，在模型集相同的情況下，強跟蹤濾波器的濾波精度要優(yōu)于標準卡爾曼濾波器的濾波精度。
　　在INS/WSN緊組合架構下，沿著與INS/WSN松組合架構下同樣的算法設計思路，將上述三種濾波方法應用到了INS/WSN緊組合架構中，并獲得了與在松組合架構下一致的結論。進一步地，為了減小擴展卡爾曼濾波器存在的非線性逼近誤差，本文將無跡卡爾曼濾波器應用到了INS/WSN緊組合導航算法中，以提高INS/W