车载GNSS/SINS/里程计分布式弹性融合导航方法

P228; 为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法.该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合.通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证.试验结果表明,本文方法能有效减少子系统故障对全局状态...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 3; pp. 425 - 434
Main Authors 穆梦雪, 赵龙
Format Journal Article
LanguageChinese
Published 北京航空航天大学数字导航中心,北京 100191 20.03.2024
北京航空航天大学自动化科学与电气工程学院,北京 100191
北京航空航天大学数字导航中心,北京 100191%北京航空航天大学自动化科学与电气工程学院,北京 100191
北京航空航天大学飞行器控制科学与技术实验室,北京 100191
Subjects
GNSS/SINS/odometer fusion
里程计测速补偿模型
distributed filter
多源信息弹性融合
GNSS/SINS/里程计融合
次优增益融合
分布式滤波
multi-information resilient fusion
odometer velocity compensation model
subopti-mal gain fusion
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2024.20220349

Cover

More Information
Summary:P228; 为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法.该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合.通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证.试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能.此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20220349