基于INS-WSN組合導(dǎo)航的關(guān)鍵技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、信息技術(shù)、通訊技術(shù)、微電子技術(shù)和機(jī)器人技術(shù)的飛速發(fā)展，針對(duì)智能移動(dòng)機(jī)器人技術(shù)的研究與應(yīng)用取得了長(zhǎng)足的進(jìn)步，使其在許多場(chǎng)合被寄予了替代人類(lèi)自動(dòng)執(zhí)行某些日常性與危險(xiǎn)性任務(wù)的厚望。機(jī)器人的導(dǎo)航與定位作為實(shí)現(xiàn)機(jī)器人智能化和完全自主化的關(guān)鍵技術(shù)，逐漸成為目前該領(lǐng)域的研究熱點(diǎn)。特別是面向室內(nèi)環(huán)境的移動(dòng)載體持續(xù)高精度組合導(dǎo)航，其市場(chǎng)需求巨大，前景十分廣闊。在現(xiàn)有的室內(nèi)導(dǎo)航策略中，基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(Wireless Sensor Ne

2、tworks，WSN)的目標(biāo)跟蹤以其低成本、低功耗和低復(fù)雜度的特點(diǎn)表現(xiàn)出很大的潛力。但由于室內(nèi)環(huán)境復(fù)雜多變，WSN信號(hào)十分容易受到干擾并造成失鎖，與此同時(shí)，WSN采用的通信技術(shù)通常為短距離無(wú)線(xiàn)通信技術(shù)，因此若想完成長(zhǎng)距離、大范圍的室內(nèi)目標(biāo)跟蹤和定位，需要大量的網(wǎng)絡(luò)節(jié)點(diǎn)共同完成，這必將引入網(wǎng)絡(luò)組織結(jié)構(gòu)優(yōu)化設(shè)計(jì)、多節(jié)點(diǎn)多簇網(wǎng)絡(luò)協(xié)同通信與定位等一系列問(wèn)題。慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INS)通過(guò)自身攜帶

3、的加速度計(jì)、陀螺儀等傳感器測(cè)量載體當(dāng)前時(shí)刻的旋轉(zhuǎn)角速度和線(xiàn)加速度，將測(cè)得的數(shù)據(jù)通過(guò)積分得到載體的位置、速度和姿態(tài)信息，是一種完全自主的導(dǎo)航方式。然而，INS的測(cè)量誤差隨著時(shí)間而累積，獨(dú)自長(zhǎng)航時(shí)運(yùn)行會(huì)導(dǎo)致導(dǎo)航精度嚴(yán)重下降。為了實(shí)現(xiàn)智能移動(dòng)機(jī)器人在室內(nèi)環(huán)境下持久的高精度實(shí)時(shí)導(dǎo)航，本文以INS/WSN組合導(dǎo)航算法為研究重點(diǎn)，在參考國(guó)內(nèi)外大量無(wú)線(xiàn)定位和組合導(dǎo)航文獻(xiàn)的基礎(chǔ)上，根據(jù)本文的研究背景對(duì)現(xiàn)有的組合導(dǎo)航模型進(jìn)行改進(jìn)，從理論上深入研究了基于W

4、SN的目標(biāo)跟蹤、WSN/DR組合、INS/WSN松組合和緊組合等面向室內(nèi)移動(dòng)機(jī)器人的導(dǎo)航模型。在導(dǎo)航模型的基礎(chǔ)上，對(duì)現(xiàn)有的數(shù)據(jù)融合算法進(jìn)行改進(jìn)，設(shè)計(jì)出適合面向室內(nèi)環(huán)境的智能移動(dòng)機(jī)器人高精度導(dǎo)航的數(shù)據(jù)融合算法，將基于WSN的目標(biāo)跟蹤與INS有機(jī)的結(jié)合在一起，彌補(bǔ)WSN、INS在單獨(dú)應(yīng)用時(shí)存在的缺陷，提高了組合導(dǎo)航的精度和實(shí)時(shí)性。論文的主要工作與創(chuàng)新點(diǎn)如下:
　　(1)提出了一種面向室內(nèi)移動(dòng)機(jī)器人的INS/WSN無(wú)偏緊組合模型。本文首

5、先對(duì)基于WSN的目標(biāo)跟蹤算法和INS導(dǎo)航的原理進(jìn)行分析，指出了上述兩種導(dǎo)航方法的優(yōu)點(diǎn)和不足。為了克服WSN定位及通信信號(hào)容易受到干擾和INS導(dǎo)航信息解算誤差隨時(shí)間累積的缺點(diǎn)，實(shí)現(xiàn)室內(nèi)環(huán)境下的持續(xù)高精度導(dǎo)航。本文提出了INS/WSN組合導(dǎo)航系統(tǒng)，將WSN與INS有機(jī)的結(jié)合在一起，彌補(bǔ)各導(dǎo)航技術(shù)在實(shí)際應(yīng)用中存在的缺陷，進(jìn)而提高組合導(dǎo)航的精度。在此基礎(chǔ)上，為了使INS/WSN組合導(dǎo)航系統(tǒng)能夠獲得更高的導(dǎo)航精度，降低組合導(dǎo)航系統(tǒng)對(duì)參與組合的單個(gè)

6、系統(tǒng)數(shù)據(jù)的要求，擴(kuò)大組合導(dǎo)航系統(tǒng)的應(yīng)用范圍，本文對(duì)導(dǎo)航模型進(jìn)行了深入研究。首先將移動(dòng)載體看作一個(gè)整體，提出了WSN/DR組合導(dǎo)航模型。在此基礎(chǔ)上，本文進(jìn)一步提出了INS/WSN松、緊組合導(dǎo)航模型以提高組合導(dǎo)航精度。同時(shí)，為了克服緊組合導(dǎo)航模型在計(jì)算兩種導(dǎo)航技術(shù)測(cè)量的參考節(jié)點(diǎn)與未知節(jié)點(diǎn)的距離之差時(shí)，由于忽略泰勒展開(kāi)式中的高階小量而引入的新誤差，本文又進(jìn)一步提出了無(wú)偏緊組合導(dǎo)航模型，并給出了導(dǎo)航模型的構(gòu)建方法和算法實(shí)現(xiàn)。實(shí)驗(yàn)數(shù)據(jù)顯示，與松組

7、合導(dǎo)航模型相比，無(wú)偏緊組合模型具有更高的導(dǎo)航精度，對(duì)數(shù)據(jù)的適應(yīng)能力也更強(qiáng)。
　　(2)提出了一種基于INS/WSN組合導(dǎo)航的在線(xiàn)自適應(yīng)迭代平滑算法?；贗NS/WSN無(wú)偏緊組合導(dǎo)航模型，本文對(duì)擴(kuò)展卡爾曼濾波算法(Extended Kalman Filter,EKF)、自適應(yīng)擴(kuò)展卡爾曼濾波（Adaptive EKF, AEKF）和迭代擴(kuò)展卡爾曼濾波（IteratedEKF, IEKF）等非線(xiàn)性融合濾波算法進(jìn)行了系統(tǒng)的仿真實(shí)驗(yàn)，以驗(yàn)證

8、、分析和比較在INS/WSN無(wú)偏緊組合模型下的濾波器性能。為了獲取更高的數(shù)據(jù)融合精度，本文在傳統(tǒng)IEKF算法基礎(chǔ)上加入了觀測(cè)噪聲時(shí)變估計(jì)器，得到了自適應(yīng)迭代擴(kuò)展卡爾曼濾波算法(Adaptive IEKF, AIEKF)。并將AIEKF算法應(yīng)用到Rauch-Tung-Striebel(R-T-S)平滑算法中，得到了自適應(yīng)迭代R-T-S平滑算法(Adaptive Iterated Extended R-T-SSmoothing，AIERTS

9、S)。與此同時(shí)，為了克服傳統(tǒng)平滑算法不能實(shí)時(shí)進(jìn)行的缺點(diǎn)，本文還提出一種在線(xiàn)AIERTSS算法，并給出了濾波算法的實(shí)現(xiàn)方法。半物理仿真實(shí)驗(yàn)表明，在本文所搭建的實(shí)驗(yàn)平臺(tái)下，基于INS/WSN無(wú)偏緊模型，與WSN系統(tǒng)自身解算的位置和速度的均方根誤差相比，通過(guò)使用AIEKF算法，組合導(dǎo)航系統(tǒng)的位置和速度的均方根誤差分別下降了60％和40％左右。而AIERTSS算法的提出，更是使誤差在AIEKF算法的基礎(chǔ)上分別下降了15％和25％左右。與離線(xiàn)平滑

10、濾波算法相比，雖然在線(xiàn)模式提高了AIERTSS算法的實(shí)時(shí)性，但是其位置和速度的均方根誤差與離線(xiàn)模式相比有所提高。
　　(3)對(duì)WSN失鎖情況下組合導(dǎo)航系統(tǒng)架構(gòu)和數(shù)據(jù)融合方法進(jìn)行了設(shè)計(jì)。針對(duì)WSN系統(tǒng)數(shù)據(jù)在室內(nèi)環(huán)境下的存在的失鎖問(wèn)題，本文從替代失鎖環(huán)境下不能工作的組合導(dǎo)航數(shù)據(jù)融合濾波器和在失鎖環(huán)境下維持?jǐn)?shù)據(jù)融合濾波器繼續(xù)工作兩個(gè)方面對(duì)失鎖環(huán)境下的數(shù)據(jù)融合算法進(jìn)行了設(shè)計(jì)，并給出了算法的實(shí)現(xiàn)方法和性能分析。
　　(4)為了完成對(duì)本