基于多傳感器信息融合的無(wú)人機(jī)著陸導(dǎo)引研究.pdf

1、目前，無(wú)人機(jī)著陸導(dǎo)引普遍采用全球定位系統(tǒng)（GPS）與其它機(jī)載導(dǎo)航系統(tǒng)（如慣導(dǎo)系統(tǒng)）相組合，通過(guò)多傳感器信息融合技術(shù)，實(shí)現(xiàn)無(wú)人機(jī)的導(dǎo)引著陸。然而，GPS作為機(jī)載主動(dòng)定位系統(tǒng)，其信號(hào)極易受到外部環(huán)境的遮擋與干擾，造成GPS信號(hào)丟失。此外，由于衛(wèi)星信號(hào)的阻塞，GPS衛(wèi)星較差的空間幾何分布以及多徑效應(yīng)，引發(fā)GPS定位精度下降，致使導(dǎo)引系統(tǒng)無(wú)法獲取正確的著陸參數(shù)，進(jìn)而威脅到無(wú)人機(jī)的著陸安全。
　　為提高中大型無(wú)人機(jī)著陸的可靠性、安全性，針對(duì)

2、上述問(wèn)題，提出一種基于多傳感器信息融合的無(wú)人機(jī)增強(qiáng)式主、被動(dòng)復(fù)合導(dǎo)引著陸方法。該方法通過(guò)充分利用慣導(dǎo)系統(tǒng)、GPS系統(tǒng)、視覺(jué)系統(tǒng)等機(jī)載傳感器，構(gòu)建無(wú)人機(jī)主、被動(dòng)復(fù)合導(dǎo)引著陸信息融合系統(tǒng)，并建立融合系統(tǒng)的狀態(tài)估計(jì)方程。對(duì)于系統(tǒng)中存在的線性方程狀態(tài)估計(jì)問(wèn)題，采用卡爾曼濾波（KF）算法進(jìn)行處理，而對(duì)于系統(tǒng)中存在的非線性非高斯分布的狀態(tài)估計(jì)問(wèn)題，提出一種自適應(yīng)混合粒子濾波（adaptive mixed particles filtering-AM

3、PF）算法進(jìn)行處理。為驗(yàn)證所提方法、算法的有效性，構(gòu)建了基于多傳感器信息融合的無(wú)人機(jī)主、被動(dòng)復(fù)合導(dǎo)引著陸半物理仿真系統(tǒng)。實(shí)驗(yàn)結(jié)果表明主、被動(dòng)復(fù)合導(dǎo)引融合系統(tǒng)與單一導(dǎo)引著陸方式相比具有較好的容錯(cuò)能力和輸出精度，視覺(jué)被動(dòng)導(dǎo)引著陸方式的引入，提高了無(wú)人機(jī)著陸的自主性、安全性，AMPF算法與粒子濾波算法、擴(kuò)展卡爾曼濾波算法相比，可提高具有非線性非高斯分布的融合系統(tǒng)狀態(tài)估計(jì)的精度與速度。
　　在基于多傳感器信息融合的無(wú)人機(jī)增強(qiáng)式主、被動(dòng)復(fù)合

4、導(dǎo)引著陸方法研究過(guò)程中，所開(kāi)展的主要工作及創(chuàng)新性研究工作包括：
　　1)構(gòu)建了基于多傳感器信息融合的無(wú)人機(jī)增強(qiáng)式主、被動(dòng)復(fù)合導(dǎo)引方法在分析了常用機(jī)載傳感器（慣導(dǎo)系統(tǒng)、視覺(jué)系統(tǒng)以及GPS系統(tǒng)等）特點(diǎn)的基礎(chǔ)上，建立了傳感器系統(tǒng)信息獲取的數(shù)學(xué)模型。根據(jù)傳感器信息獲取方式的不同，分別構(gòu)建由慣導(dǎo)系統(tǒng)與GPS系統(tǒng)組成的主動(dòng)導(dǎo)引系統(tǒng)，由慣導(dǎo)系統(tǒng)與基于自然特征的視覺(jué)系統(tǒng)組成的被動(dòng)導(dǎo)引系統(tǒng)。通過(guò)分析主、被動(dòng)導(dǎo)引方式的特點(diǎn)，充分利用其互補(bǔ)性，提出了基

5、于多傳感器信息融合的無(wú)人機(jī)主、被動(dòng)復(fù)合導(dǎo)引方法。該方法引入了機(jī)器視覺(jué)，提高了無(wú)人機(jī)著陸的自主性。
　　2)針對(duì)被動(dòng)導(dǎo)引非線性系統(tǒng)的狀態(tài)估計(jì)問(wèn)題，提出一種自適應(yīng)混合粒子濾波算法
　　對(duì)慣導(dǎo)系統(tǒng)與視覺(jué)系統(tǒng)構(gòu)建的非線性融合系統(tǒng)，采用非參數(shù)化的粒子濾波算法，進(jìn)行狀態(tài)估計(jì)。為避免普通粒子濾波算法采用狀態(tài)轉(zhuǎn)移概率密度構(gòu)建重要性密度，導(dǎo)致視覺(jué)最新量測(cè)信息在非線性系統(tǒng)狀態(tài)估計(jì)過(guò)程中無(wú)法得到利用，致使?fàn)顟B(tài)估計(jì)誤差變大的現(xiàn)象發(fā)生，提出一種自適應(yīng)

6、混合粒子濾波AMPF算法。該算法通過(guò)選取狀態(tài)轉(zhuǎn)移概率密度與似然概率密度共同組建重要性密度，使得被動(dòng)導(dǎo)引融合系統(tǒng)中視覺(jué)量測(cè)信息得到充分利用，混合粒子與自適應(yīng)系數(shù)的使用，改善了粒子濾波中出現(xiàn)的粒子退化與貧化現(xiàn)象，實(shí)現(xiàn)了粒子濾波算法的并行式解算，進(jìn)而提高粒子濾波的速度與精度。實(shí)驗(yàn)結(jié)果表明AMPF算法可有效解決非線性系統(tǒng)狀態(tài)估計(jì)的問(wèn)題。
　　3)提出了基于多傳感器的無(wú)人機(jī)主、被動(dòng)復(fù)合導(dǎo)引信息融合方法
　　依據(jù)主、被動(dòng)復(fù)合導(dǎo)引方案，提

7、出了一種無(wú)人機(jī)主、被動(dòng)復(fù)合導(dǎo)引融合系統(tǒng)結(jié)構(gòu)。在該結(jié)構(gòu)基礎(chǔ)上，通過(guò)小角度近似，建立了由慣導(dǎo)系統(tǒng)與GPS系統(tǒng)組成的主動(dòng)導(dǎo)引融合系統(tǒng)線性方程，同時(shí)，建立了由慣導(dǎo)系統(tǒng)與視覺(jué)系統(tǒng)組成的被動(dòng)導(dǎo)引融合系統(tǒng)非線性方程。根據(jù)復(fù)合導(dǎo)引系統(tǒng)結(jié)構(gòu)特點(diǎn)，提出一種基于歸一化加權(quán)系數(shù)信息分配方法，進(jìn)而提高了復(fù)合導(dǎo)引信息輸出的精度，同時(shí)增強(qiáng)了融合系統(tǒng)的自我容錯(cuò)能力。此外，采用變步長(zhǎng)方法，解決了融合系統(tǒng)中存在的多速率信息同步問(wèn)題。仿真結(jié)果表明，復(fù)合導(dǎo)引融合系統(tǒng)在GPS或

8、視覺(jué)系統(tǒng)故障下，仍可確保無(wú)人機(jī)安全著陸，具有較好的輸出精度與容錯(cuò)能力。
　　4)根據(jù)主、被動(dòng)復(fù)合導(dǎo)引著陸的特點(diǎn)，提出一種基于多傳感器信息融合的無(wú)人機(jī)著陸半物理仿真驗(yàn)證方法
　　在對(duì)無(wú)人機(jī)主、被動(dòng)復(fù)合導(dǎo)引著陸方法研究的基礎(chǔ)上，利用GPS模擬技術(shù)、RTX實(shí)時(shí)仿真技術(shù)與虛擬現(xiàn)實(shí)技術(shù)，分別設(shè)計(jì)并構(gòu)建了基于INS與GPS的主動(dòng)導(dǎo)引著陸半物理仿真系統(tǒng)、基于INS與視覺(jué)系統(tǒng)的被動(dòng)導(dǎo)引著陸半物理仿真系統(tǒng)。在此基礎(chǔ)上，依據(jù)主、被動(dòng)復(fù)合導(dǎo)引融合