导读:本文包含了车载组合导航论文开题报告文献综述及选题提纲参考文献，主要关键词:卡尔曼滤波,一体化集成,跑车试验
车载组合导航论文文献综述
李晶,吴跃,赵继东,高雅[1]（2019）在《车载GNSS/INS实时超紧组合导航方法及验证》一文中研究指出针对车载GNSS/INS超紧组合导航应用的低成本、低时延、高精度、高可靠性和强鲁棒性需求,设计了一种适用于车载环境的低成本GNSS/INS实时超紧组合导航方法,通过采用一种新的卡尔曼滤波数学模型,解决车辆高速移动环境中对GNSS观测数据延迟及组合更新计算延迟要求高的问题。接着,设计了一种GNSS/INS实时超紧组合导航系统的一体化方案,并通过集成实现,有效降低了系统成本。在此基础上开展了跑车试验,对所提出的模型的计算精度和实时性进行了验证和分析。试验结果表明,上述方法在保障系统定位精度的前提下,有效降低了系统成本,减少了时间延迟,保障了组合导航结果的实时性和可用性。(本文来源于《计算机仿真》期刊2019年07期）
袁蹈[2]（2019）在《基于GPS/SINS的车载组合导航监控技术与应用研究》一文中研究指出随着卫星导航技术的发展,GPS,BDS等卫星导航系统目前在静态定位和动态定位方面具有很高的定位精度。卫星导航定位系统的定位精度主要取决于卫星信号的强度,但在一些树荫遮挡、停车场、高楼建筑物旁的道路上卫星的信号极其微弱,大部份情况卫星信号极其微弱,针对路况无法预测设计了在卫星信号微弱情况仍可做到精确定位的导航定位监控系统即GPS/SINS组合导航监控系统。其中惯性导航系统是一个自主导航的定位系统,为其提供初始定位数据后,可以根据自身的惯性传感器和导航计算机对偏航角度和加速度等积分对初始定位数据的累加得到导航终端位移量和速度,但因纯惯导系统无法及时的更新初始定位数据,而传感器本身具有一定的误差,长时间误差的积累将导致导航系统的定位误差逐渐增大,无法满足车载导航的定位精度。本文设计的GP S/SINS组合导航定位监控系统可以解决惯性导航起算数据更新的情况,并且在无卫星信号的情况下仍有较好的定位精度和流畅性。主要研究工作和结论如下:1、论文对GPS/SINS组合导航定位系统的组成和关键技术的理论知识做了介绍,并针对车载导航这一实际项目工程,做了最适合车载组合导航系统的选择,如俩系统松组合模式的选择、数据融合时卡尔曼滤波器的选择,WINCE操作系统等等,均是结合车载组合导航这一特殊动态定位的项目选择。2、本文对系统所需坐标系做了研究,GPS采用的WGS-84坐标系、惯性导航系统采用载体坐标系、电子地图采用的是导航坐标系。文中研究了前两类坐标系向导航坐标系转化的方法,并且对转换的公式进行了推导,解决了组合导航系统中的坐标系统不统一的问题,经过坐标系转换后均转换到导航坐标系。实验的地图匹配结果显示坐标转换效果良好。3、本文的实验部分根据对组合导航定位性能的分析设计了动态车载实验和静态车载实验,设计路线上有复杂的大面积湖面、树荫遮挡路段、高楼建筑物路段等等,还有长距离的正常无遮挡路段,实验结果处理后显示车辆的静态定位精度和动态定位精度均很高,同时动态定位精度在正常路段达到1.5米,在树荫遮挡路段会出现精度突增情况但平均在4.5s后会形成收敛态势,并且在地图匹配方面匹配效果良好,达到车道级匹配。实验结果显示组合导航系统的定位性能要比纯惯导系统和单GPS系统的号,系统的稳定性定位精度均高于其他两类导航系统,满足车辆导航的工程要求。图[27]表[3]参[80](本文来源于《安徽理工大学》期刊2019-06-06）
房素素[3]（2019）在《基于车辆动力学模型辅助的低成本车载组合导航系统研究》一文中研究指出如今,车载组合导航定位系统得到深入的研究,主要目标为在提高车载导航定位精度的同时降低其成本。因此本文的主要的研究内容集中在多自由度车辆动力学模型(VDM)的研究及动力学模型辅助惯性导航系统(INS)的数据融合算法的研究上。本文所设计的组合系统的原理是:应用低成本的微惯性测量单元(MEMS IMU),同时结合磁强计(MAG)以及一些常见的车载传感器作为九自由度(9-DOF)整车模型输入,并将VDM的输出与INS、MAG的输出进行信息融合;之后设计自适应联邦卡尔曼滤波(AFKF)器进行信息融合和数据处理,完成低成本车载SINS/VDM/MAG系统模型的设计,最后,进行实车实验验证系统性能。主要研究工作如下:研究车载惯性导航定位算法,推导误差更新方程,并介绍卡尔曼滤波算法的基本原理和公式推导。深入研究车辆动力学,结合车载轮速传感器(WSS)和方向盘转角传感器(SAS)等传感器特性,选用Dugoff轮胎模型,建立准确的整车模型。为验证模型准确性,以Carsim平台为基础,设计仿真实验。对比仿真实验结果得出9-DOF整车模型与Carsim输出的纵向和横向车速误差在0.5m/s以内;侧偏角和横摆角的变化的平均误差分别控制在0.02°和4°以内,说明所建立的动力学模型可以准确估计车辆运动状态参数。本文设计低成本车载SINS/VDM/MAG系统,其以SINS为参考主系统,其中SINS/VDM子系统以IMU、WSS、SAS的输出作为输入,输出车辆测量中可用于导航的横向、纵向车速及横摆角速度等状态信息。车辆动力学模型还利用SINS估计得到的横滚角和俯仰角作为模型的已知输入,增强其对车辆状态参数估计的准确性。磁强计(MAG)是车载导航中常用的传感器,文中将其用于与SINS建立SINS/MAG子系统,增强对偏航角估计的精确度和系统容错能力。为验证SINS/VDM/MAG系统的准确性,设计SINS/VDM/MAG、SINS/WSS/MAG 以及SINS/VDM/MAG、SINS/OD两组实车对比实验。250s 的实验结果表明,参考值和AFKF滤波输出的叁个姿态角之间的MSE分别为0.42°,0.24°和0.48°,东向和北向的速度MSE分别为0.2m/s和0.25m/s,东向和北向的位置估计MSE均小于5m。实车实验结果验证了本文所提出的姿态已知的车辆动力学辅助低成本车载组合导航系统具有较好的导航估计精度和容错性能。(本文来源于《山东大学》期刊2019-05-14）
靳欢欢[4]（2019）在《基于MEMS-INS/GNSS的车载组合导航模型研究》一文中研究指出近年来,基于微机电系统(MEMS,Micro-Electro-Mechanical System)、惯性导航系统(INS,Inertial Navigation System)和全球卫星导航系统(GNSS,Global Navigation Satellite System)的MEMS-INS/GNSS的车载组合导航系统在各行业得到了广泛应用。但是低成本MEMS设备存在精度不高,误差需要及时修正等问题,尤其在卫星受遮蔽严重以及完全失锁的情况下,导航定位、测姿精度受到严重影响。本文对以上问题进行了深入研究,主要研究内容及成果如下:1.针对加速度计和陀螺仪惯性传感器存在的零偏、灵敏度和不正交角误差,本文构建了多位置旋转现场标定法,通过该方法可以实现对叁轴加速度计、叁轴陀螺仪的系统误差标定;针对磁力计存在的误差,本文构建了椭球拟合模型,可以实现对叁轴磁力计的系统误差标定。通过对比标定前后的静态导航定位精度信息,验证了多位置旋转现场标定方法的有效性,通过将标定前后的磁力计数据与当地磁感应强度进行对比验证了椭球拟合法的有效性。2.针对航姿测量系统在姿态测量过程中会受到载体扰动加速度以及周围磁场影响导致精度受限的问题,本文研究了如何利用改进算法来有效抵制来自这两方面的异常干扰。首先研究了基于EKF的姿态测量方法,设计了一种自适应EKF的AHRS(Attitude and Heading Reference Systems)抗干扰模型,由此对加速度传感器和磁力计传感器信号进行有效判断,从而抑制异常的加速度干扰和磁干扰。通过动态车载实验数据验证了本文提出的模型对于抵制外界异常加速度干扰和磁场干扰的有效性;同时在卫星遮蔽过于严重以及完全失锁的情况下,由于惯导失去GNSS辅助导致解算姿态漂移过大而无法正常导航的情况,因AHRS系统不需要GNSS辅助可以准确测姿,故可以提高导航精度与性能。3.为了有效提升遮蔽环境下MEMS-INS/GNSS组合导航系统导航性能,本文提出了基于思维进化算法(Mind Evolutionary Algorithm,MEA)优化的后向传播(Backpropagation,BP)神经网络算法(简称MEA-BP)辅助的MEMS-INS/GNSS导航模型。当卫星数目较多且GNSS状态良好的情况下,MEP-BP以组合导航结果为训练数据建立模型;当卫星数目减少且依然可以使用GNSS的情况下,采用MEP-BP的预测功能来辅助MEMS-INS/GNSS进行导航;当卫星数目急剧减少到GNSS无法使用的情况下,利用已训练好的MEP-BP模型的预测功能来辅助INS进行导航。通过人为将实测车载数据中设置多个遮蔽区间以及中断区间的模拟测试,验证了 MEA-BP辅助MEMS-GNSS/INS系统在卫星受到遮蔽以及完全失锁情况下的有效性,其辅助导航定位结果具有更高的精度,也更具实用性。(本文来源于《山东大学》期刊2019-04-26）
王立兵,周俊,刘鹏飞,智奇楠,贾瑞才[5]（2019）在《基于运动约束辅助的车载组合导航算法》一文中研究指出为解决山区、城市等复杂路况环境下卫星导航信号衰弱、断续甚至无卫导信号所导致的组合滤波器估计精度较差的问题,采用了零速修正与动态零速修正相结合的运动学约束辅助的车载组合导航算法,给出了一种简单的适用于工程实际的零速检测方法,并且在考虑了惯导系统存在杆臂效应以及安装偏差角的基础上,给出了滤波算法模型;通过实际跑车试验,结果表明:卫导信号丢失时间小于10 min,该方法可为车载组合导航滤波器提供有效的运动约束辅助信息,组合导航水平定位精度优于2. 7 m(RMS),垂直位置精度优于1. 8 m(RMS),水平测速精度优于0. 05m/s(RMS),垂直测速精度优于0. 02 m/s(RMS),远高于无运动约束辅助下的组合导航精度。同时,零速检测方法可为车辆的停止状态进行检测。(本文来源于《兵器装备工程学报》期刊2019年02期）
陈红江,聂晓明,王梦成[6]（2018）在《基于二维激光多普勒测速仪的车载组合导航系统》一文中研究指出为了减小由车式载体上下颠簸而引入的测量误差,设计了二维结构的激光多普勒测速仪2-D LDV(laser Doppler velocimeter),并将其与捷联惯导组合导航。阐述了二维激光多普勒测速技术的基本原理,详细讨论了其与捷联惯导组合的具体结构并进行了车载实验。理论和实验结果表明:2-D LDV减小了由于车辆上下颠簸而引入的测量误差,进一步提高了导航精度。车辆行驶总里程为29.67 km,纯捷联惯导的位置误差为936 m,1-D LDV/SINS组合系统的位置误差17.2 m,而2-D LDV/SINS组合系统的位置误差仅有7.1 m,相对于1-D LDV/SINS,2-D LDV/SINS更适合于车载组合导航系统。(本文来源于《红外与激光工程》期刊2018年12期）
陈映秋,旷俭,牛小骥,李由,高柯夫[7]（2018）在《基于车轮安装惯性测量单元的车载组合导航》一文中研究指出微电子机械系统惯性测量单元(MEMS-IMU)因其精度低且温度敏感性大,以及传统安装方式通常存在航向角不可观等原因,在车载导航和轮式机器人应用场景中表现为定位误差迅速累积。为解决上述问题,设计了一种将MEMS-IMU安装在载体车轮中心的导航方案。利用MEMS-IMU与车轮一起旋转的运动特性,提取出运动速度信息,并结合运动约束构造了叁维速度观测信息,从而改善最终的组合导航性能。该方案从安装方式和算法设计层面取代了对里程计传感器的依赖。基于轮式机器人的实测结果表明,该方案的平面定位误差(均方根值)相比于传统安装MEMS-IMU的导航方案降低了58.53%,相比于传统MEMS-IMU和里程计组合导航方案降低了29.67%。(本文来源于《中国惯性技术学报》期刊2018年06期）
高福隆,石然,刘洋,幸伟,张铭涛[8]（2018）在《车载高精度里程计辅助捷联惯性组合导航系统设计与实验》一文中研究指出GPS导航系统虽然精度高、成本低,但易受到工作环境的限制。针对特殊应用环境(如煤矿)提出了一种可工作于复杂环境下的高精度里程计组合导航系统。经过分析、仿真、实验验证,结果表明在无GNSS信号的情况下,所设计的里程计组合导航系统可完成长时间(>1h)、长距离(300m)且高精度(相对误差仅为0.526%)的导航。(本文来源于《导航与控制》期刊2018年06期）
王峰[9]（2018）在《基于联邦卡尔曼滤波的车载组合导航算法研究》一文中研究指出车载导航系统(VNS)可以提供用于汽车行驶的多种导航参数,目前被广泛运用于无人驾驶、车载导航仪、机器人导航等民用以及军用领域中,由于互联网与物联网的快速发展,汽车导航系统将在未来会发挥越来越重要的作用。目前,精度和可靠性为车载组合导航系统重要的性能指标,而在车载导航系统中,捷联惯性导航系统、全球定位系统与里程计是常用的导航传感器,如何将它们进行有效的多传感器组合并改善传统的滤波算法以提高系统的抗干扰能力和高精度导航参数输出能力是本文重点研究的内容。本文围绕传感器的原理与误差分析、多传感器滤波结构的选取、信息分配系数的设计以及级联自适应鲁棒联邦滤波算法的构造等展开研究分析,研究内容为以下几点:首先,介绍了捷联惯性导航系统、全球导航定位系统与车载里程计的工作过程,对它们的误差进行数学建模,同时对比了这叁种传感器在实际应用中的优点和缺点,从理论层面上阐述叁种传感器单独使用的弊端以及进行组合的必要性。其次,介绍了标准卡尔曼滤波的应用背景、数学公式以及算法流程;当多个传感器组合使用时,介绍了集中式滤波和联邦式滤波两种滤波方式,比较了二者的优势与弊端;对基于联邦滤波结构的车载导航系统进行建模,从提高精度角度出发,结合状态协方差矩阵与可观测矩阵的特性,设计了一种联邦滤波信息最优分配方案,并通过仿真证明了其有效性。然后,针对车载导航系统滤波解算过程中误差模型问题进行了研究,具体包括观测模型异常以及系统状态噪声统计特性不确定的问题。提出一种级联自适应鲁棒联邦滤波算法,根据协方差矩阵的实时在线匹配思想,利用改进的新息自适应滤波方法消除观测模型异常对滤波精度的影响,同时利用简化的Sage-Husa自适应滤波方法解决不确定的系统状态噪声问题,系统噪声的更新也有助于观测异常模型的修正。最后,分别从仿真和跑车实验两个方面对所提出的算法进行验证,结果表明:所提出的级联自适应鲁棒联邦滤波算法可以有效的控制系统模型不确定所带来的影响,使车载导航系统具有更好的鲁棒性和更高的精确性。(本文来源于《哈尔滨工程大学》期刊2018-12-01）
赵正扬,汤新华,陈熙源[10]（2018）在《车载低成本GNSS/SINS紧组合导航系统设计》一文中研究指出针对GNSS/INS松组合导航系统在可见星数少于4颗的情况下无法正常工作的问题,设计了基于ARM的车载低成本GNSS/SINS紧组合导航系统。以AM3354为电路核心处理器,集成了惯性IMU MPU-9150和卫星接收模块NV08C-CSM。通过I2C和UART接口完成数据采集,送入导航解算后经由SD卡和UART实现数据的保存与上传。系统算法采用离散扩展卡尔曼滤波进行紧组合的数据融合,在没有足够的卫星来计算独立GNSS参数时,也能够将卫星信号输入组合系统并辅助SINS。为验证系统可行性进行了实测跑车实验。结果表明,所设计的紧组合导航系统精度满足车载应用,较松组合算法表现出了更高的精度和稳定性。(本文来源于《测控技术》期刊2018年09期）
车载组合导航论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着卫星导航技术的发展,GPS,BDS等卫星导航系统目前在静态定位和动态定位方面具有很高的定位精度。卫星导航定位系统的定位精度主要取决于卫星信号的强度,但在一些树荫遮挡、停车场、高楼建筑物旁的道路上卫星的信号极其微弱,大部份情况卫星信号极其微弱,针对路况无法预测设计了在卫星信号微弱情况仍可做到精确定位的导航定位监控系统即GPS/SINS组合导航监控系统。其中惯性导航系统是一个自主导航的定位系统,为其提供初始定位数据后,可以根据自身的惯性传感器和导航计算机对偏航角度和加速度等积分对初始定位数据的累加得到导航终端位移量和速度,但因纯惯导系统无法及时的更新初始定位数据,而传感器本身具有一定的误差,长时间误差的积累将导致导航系统的定位误差逐渐增大,无法满足车载导航的定位精度。本文设计的GP S/SINS组合导航定位监控系统可以解决惯性导航起算数据更新的情况,并且在无卫星信号的情况下仍有较好的定位精度和流畅性。主要研究工作和结论如下:1、论文对GPS/SINS组合导航定位系统的组成和关键技术的理论知识做了介绍,并针对车载导航这一实际项目工程,做了最适合车载组合导航系统的选择,如俩系统松组合模式的选择、数据融合时卡尔曼滤波器的选择,WINCE操作系统等等,均是结合车载组合导航这一特殊动态定位的项目选择。2、本文对系统所需坐标系做了研究,GPS采用的WGS-84坐标系、惯性导航系统采用载体坐标系、电子地图采用的是导航坐标系。文中研究了前两类坐标系向导航坐标系转化的方法,并且对转换的公式进行了推导,解决了组合导航系统中的坐标系统不统一的问题,经过坐标系转换后均转换到导航坐标系。实验的地图匹配结果显示坐标转换效果良好。3、本文的实验部分根据对组合导航定位性能的分析设计了动态车载实验和静态车载实验,设计路线上有复杂的大面积湖面、树荫遮挡路段、高楼建筑物路段等等,还有长距离的正常无遮挡路段,实验结果处理后显示车辆的静态定位精度和动态定位精度均很高,同时动态定位精度在正常路段达到1.5米,在树荫遮挡路段会出现精度突增情况但平均在4.5s后会形成收敛态势,并且在地图匹配方面匹配效果良好,达到车道级匹配。实验结果显示组合导航系统的定位性能要比纯惯导系统和单GPS系统的号,系统的稳定性定位精度均高于其他两类导航系统,满足车辆导航的工程要求。图[27]表[3]参[80]
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车载组合导航论文参考文献
[1].李晶,吴跃,赵继东,高雅.车载GNSS/INS实时超紧组合导航方法及验证[J].计算机仿真.2019
[2].袁蹈.基于GPS/SINS的车载组合导航监控技术与应用研究[D].安徽理工大学.2019
[3].房素素.基于车辆动力学模型辅助的低成本车载组合导航系统研究[D].山东大学.2019
[4].靳欢欢.基于MEMS-INS/GNSS的车载组合导航模型研究[D].山东大学.2019
[5].王立兵,周俊,刘鹏飞,智奇楠,贾瑞才.基于运动约束辅助的车载组合导航算法[J].兵器装备工程学报.2019
[6].陈红江,聂晓明,王梦成.基于二维激光多普勒测速仪的车载组合导航系统[J].红外与激光工程.2018
[7].陈映秋,旷俭,牛小骥,李由,高柯夫.基于车轮安装惯性测量单元的车载组合导航[J].中国惯性技术学报.2018
[8].高福隆,石然,刘洋,幸伟,张铭涛.车载高精度里程计辅助捷联惯性组合导航系统设计与实验[J].导航与控制.2018
[9].王峰.基于联邦卡尔曼滤波的车载组合导航算法研究[D].哈尔滨工程大学.2018
[10].赵正扬,汤新华,陈熙源.车载低成本GNSS/SINS紧组合导航系统设计[J].测控技术.2018