基于UKF的海底集矿车组合导航研究
来源期刊：中国矿业大学学报2010年第2期
论文作者：桂卫华 朱洪前 胡豁生
关键词：海底集矿车; 非线性; 卡尔曼滤波; 组合导航; deep-sea mining vehicle; nonlinear; Kalman filter; integrated navigation;
摘 要：针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2 S时,东向定位精度为0.14,0.32,0.48 m,北向定位精度为0.13,0.28,0.44 m;采用UKF方法,测量数据时延0,0.5,2 S时,东向定位精度为0.10,0.26,0.37 m,北向定位精度为0.09,0.24,0.34 m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.
桂卫华1，朱洪前1，胡豁生1
(1.中南大学信息科学与工程学院,湖南,长沙,410083;
2.中南林业科技大学物流学院,湖南,长沙,410004;
3.艾塞克斯大学计算机科学与电子工程学院,艾塞克斯,柯彻斯特,CO4 3SQ)
摘要:针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2 S时,东向定位精度为0.14,0.32,0.48 m,北向定位精度为0.13,0.28,0.44 m;采用UKF方法,测量数据时延0,0.5,2 S时,东向定位精度为0.10,0.26,0.37 m,北向定位精度为0.09,0.24,0.34 m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.
关键词:海底集矿车; 非线性; 卡尔曼滤波; 组合导航; deep-sea mining vehicle; nonlinear; Kalman filter; integrated navigation;
【全文内容正在添加中】
