基于自适应H_∞滤波的组合导航方法研究
Research on integrated navigation method based on adaptive H_∞ filter
查看参考文献20篇
|
文摘
|
针对常规鲁棒滤波参数由初始设定而使滤波具有较大保守性的问题,提出了一种基于自适应鲁棒滤波的多传感器组合导航方法。该方法能够自动调节鲁棒滤波器参数,从而兼顾系统的精度和鲁棒性。通过运动学分析,建立了试验车的二维运动学模型,基于所建立的运动学模型,采用自适应鲁棒滤波的方法,能够实现对试验车位置、速度和航向角的精确估计。最后对实验车实际行走的数据进行了仿真对比实验,实验结果表明该方法能够紧密地跟踪滤波器的性能,自适应地调整滤波器参数的取值。与卡尔曼滤波相比,在系统噪声统计特性未知的情况下,该方法能够提供优于卡尔曼滤波的导航精度。 |
|
其他语种文摘
|
Aiming at the problem that conventional robust filter is more conservative because the parameter is set initially,a multi-sensor integrated navigation method based on adaptive H∞ filter is proposed. The method can automatically adjust the robust filter parameters, thus both the accuracy and robustness of the system are considered. Based on the kinematics analysis,the two-dimensional kinematic model of the test vehicle was established. The position,speed and heading angle of the test vehicle can be estimated based on the established kinematics model using adaptive robust filtering method. Finally,the simulation experiment was carried out based on the actual walking data. The results show that the method can track the performance of the filter closely,and adaptively adjust the filter parameters. Compared with Kalman filter,the method can provide better navigation accuracy under the condition that the noise statistical characteristic of the system is unknown. |
|
来源
|
仪器仪表学报
,2014,35(5):1013-1021 【核心库】
|
|
关键词
|
组合导航
;
H_∞ 鲁棒滤波
;
自适应
;
数据融合
|
|
地址
|
中国科学院沈阳自动化研究所, 中国科学院网络化控制系统重点实验室, 沈阳, 110016
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
0254-3087 |
|
学科
|
农业工程;机械、仪表工业;自动化技术、计算机技术 |
|
基金
|
国家863计划
;
国家“十二五”科技支撑计划项目
|
|
文献收藏号
|
CSCD:5145677
|
参考文献 共
20
共1页
|
|
1.
宋国东. 复杂有色噪声广义系统信息融合Kalman滤波器.
仪器仪表学报,2013,34(5):1195-1200
|
被引
6
次
|
|
|
|
|
2.
徐梓皓. 基于卡尔曼滤波器的姿态角测量系统设计.
电子测量技术,2014,37(1):1-4
|
被引
5
次
|
|
|
|
|
3.
张良. 高动态下紧耦合组合导航改进UKF滤波器设计.
电子测量技术,2011,34(1):90-93
|
被引
2
次
|
|
|
|
|
4.
Fakharian A. Adaptive Kalman filtering based navigation: An IMU/GPS integration approach.
International Conference on Networking,Sensing and Control,Delft,the Netherlands,2011
|
被引
1
次
|
|
|
|
|
5.
Ren Y F. Particle filter data fusion enhancements for MEMS-IMU/GPS.
Intelligent Information Management,2010(2):417-421
|
被引
1
次
|
|
|
|
|
6.
Bistrovs V. MEMS INS/GPS data fusion using particle filter.
Elektronika Ir Elektrotechnika,2011(6):77-80
|
被引
1
次
|
|
|
|
|
7.
高社生. 渐消自适应Unscented粒子滤波及其在组合导航中的应用.
西北工业大学学报,2012,30(1):27-31
|
被引
6
次
|
|
|
|
|
8.
Georgy J. Tightly coupled low lost 3D RISS/GPS integration using a mixture particle filter for vehicular navigation.
Sensors,2011,11(4):4244-4276
|
被引
3
次
|
|
|
|
|
9.
张博. 基于粒子滤波的AUV组合导航方法.
机器人,2012,34(1):78-83
|
被引
5
次
|
|
|
|
|
10.
赵琳. 基于MCMC方法的正则粒子滤波算法及其应用.
仪器仪表学报,2013,34(10):2156-2162
|
被引
1
次
|
|
|
|
|
11.
Wang J H. Land vehicle dynamics-aided inertial navigation.
Transactions on Aerospace and Electronic Systems,2010,46(4):1638-1653
|
被引
7
次
|
|
|
|
|
12.
高为广. 基于神经网络构造的GPS／INS自适应组合导航算法.
大地测量与地球动力学,2007,27(2):64-67
|
被引
10
次
|
|
|
|
|
13.
周建军. 农机车载GPS和DR组合导航系统定位方法.
农业机械学报,2012,43(1):262-265
|
被引
6
次
|
|
|
|
|
14.
连远锋. 基于遗传PNN网络的组合导航故障诊断研究.
仪器仪表学报,2012,33(1):120-126
|
被引
16
次
|
|
|
|
|
15.
Dai H. Application of robust kalman filtering to integrated navigation based on inertial navigation system and dead reckoning.
International Conference on Artificial Intelligence and Computational Intelligence,2010
|
被引
2
次
|
|
|
|
|
16.
辜道威. 基于鲁棒滤波的GPS/INS组合导航算法研究.
大地测量学术年会暨第六届全国大地测量研究生学术论坛,2011
|
被引
1
次
|
|
|
|
|
17.
朱英. 自适应补偿H∞滤波器在组合导航中的应用.
火力与指挥控制,2010,35(10):15-23
|
被引
4
次
|
|
|
|
|
18.
张磊. 抗野值H∞滤波在组合导航中的应用.
北京理工大学学报,2009,29(7):600-604
|
被引
2
次
|
|
|
|
|
19.
付梦印.
Kalman滤波理论及其在导航系统中的应用,2003
|
被引
163
次
|
|
|
|
|
20.
王松桂.
矩阵不等式,2006
|
被引
19
次
|
|
|
|
|
了解气象卫星更多信息，请访问