本文關(guān)鍵詞：飛行控制系統(tǒng)多傳感器信息融合技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 為了實現(xiàn)無人機的自主飛行并執(zhí)行相關(guān)任務,飛行控制系統(tǒng)需具有準確獲取各種飛行狀態(tài)信息的能力,從而保證無人機的飛行性能。航空傳感器由于受技術(shù)和使用條件的限制,測量精度有限,單一傳感器難以獲得高精度的各種狀態(tài)信息,從而影響飛行控制的性能。為了解決這一問題,在機上安裝多個傳感器對同一量進行測量,獲取更多的測量信息,然后對這些測量值進行綜合處理,得到更加精確的值。這個對多個傳感器的測量值進行綜合處理從而得到更加準確的值的過程,就是多傳感器信息融合技術(shù)。 本文根據(jù)信息融合的理論和飛行控制系統(tǒng)的需求,將多傳感器信息融合技術(shù)引入無人機飛行控制系統(tǒng)。針對無人機機載高度和姿態(tài)角傳感器的特點,通過對信息融合算法的研究和分析,利用Kalman濾波方法設(shè)計和實現(xiàn)高度多傳感器的信息融合、BP神經(jīng)網(wǎng)絡(luò)方法設(shè)計和實現(xiàn)姿態(tài)角多傳感器的信息融合。根據(jù)設(shè)計要求,信息融合算法在飛行控制計算機里實現(xiàn),用C代碼實現(xiàn)融合算法,集成原有的飛控代碼應用于飛行控制系統(tǒng)。 高度和姿態(tài)角的融合算法都分別利用傳感器仿真數(shù)據(jù)和試飛數(shù)據(jù)進行了驗證,結(jié)果表明,信息融合技術(shù)的引入提高了系統(tǒng)信息獲取的準確性,提高了飛行控制系統(tǒng)的性能。通過對算法執(zhí)行時間的計算,Kalman濾波算法執(zhí)行一次所需要的時間在10-6～10-5s數(shù)量級范圍內(nèi),BP網(wǎng)絡(luò)算法執(zhí)行一次的時間在10-6s數(shù)量級。根據(jù)系統(tǒng)對高度和姿態(tài)角信號的實時性要求,可以得到結(jié)論,信息融合算法完全能滿足系統(tǒng)實時性要求。另外,信息融合算法的引入不增加系統(tǒng)的硬件結(jié)構(gòu),保證系統(tǒng)的完整性和可靠性。
【關(guān)鍵詞】：無人機 飛行控制系統(tǒng) 信息融合 多傳感器 Kalman濾波 BP神經(jīng)網(wǎng)絡(luò)
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：TP212.9;V249.1
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-24
• 1.1 引言13-14
• 1.2 無人機飛行控制系統(tǒng)14-15
• 1.3 信息融合技術(shù)概要15-21
• 1.3.1 信息融合的起源和發(fā)展15-17
• 1.3.2 信息融合的歷史和現(xiàn)狀17-19
• 1.3.3 信息融合的應用19-21
• 1.3.4 信息融合的優(yōu)點和存在的不足21
• 1.4 研究背景21-23
• 1.5 課題的主要工作和論文結(jié)構(gòu)23-24
• 第二章 信息融合總體設(shè)計24-33
• 2.1 設(shè)計要求24-25
• 2.1.1 功能要求24
• 2.1.2 技術(shù)指標24-25
• 2.2 姿態(tài)角控制系統(tǒng)25-27
• 2.2.1 飛機坐標系和姿態(tài)角25-26
• 2.2.2 姿態(tài)運動方程26-27
• 2.2.3 三軸姿態(tài)控制27
• 2.3 高度控制系統(tǒng)27-29
• 2.3.1 飛機飛行高度表示27-28
• 2.3.2 高度運動方程28-29
• 2.3.3 高度控制29
• 2.4 信息融合總體設(shè)計29-31
• 2.4.1 總體結(jié)構(gòu)設(shè)計29-30
• 2.4.2 融合算法選擇30-31
• 2.4.3 實現(xiàn)方法31
• 2.5 本章小結(jié)31-33
• 第三章 多傳感器測量技術(shù)33-49
• 3.1 高度多傳感器測量33-43
• 3.1.1 大氣數(shù)據(jù)計算機33-37
• 3.1.2 無線電高度表37-40
• 3.1.3 差分GPS40-42
• 3.1.4 其它高度傳感器簡介42-43
• 3.2 姿態(tài)角多傳感器測量43-47
• 3.2.1 垂直陀螺43-45
• 3.2.2 航姿參考系統(tǒng)45-47
• 3.2.3 其它姿態(tài)角確定方法47
• 3.3 本章小結(jié)47-49
• 第四章 基于卡爾曼濾波的高度融合設(shè)計49-64
• 4.1 卡爾曼濾波理論49-53
• 4.1.1 Kalman 濾波與最優(yōu)估計49-51
• 4.1.2 線性離散Kalman 濾波方程51-52
• 4.1.3 Kalman 濾波的性質(zhì)和特點52-53
• 4.2 卡爾曼加權(quán)融合算法53-56
• 4.2.1 各傳感器估計誤差相互獨立54-55
• 4.2.2 各傳感器估計誤差相互不獨立55-56
• 4.3 基于卡爾曼濾波的高度融合設(shè)計56-63
• 4.3.1 系統(tǒng)描述56-58
• 4.3.2 Kalman 濾波器58-59
• 4.3.3 仿真結(jié)果與分析59-63
• 4.4 本章小結(jié)63-64
• 第五章 基于BP 神經(jīng)網(wǎng)絡(luò)的姿態(tài)角融合設(shè)計64-79
• 5.1 神經(jīng)網(wǎng)絡(luò)概述64-67
• 5.1.1 人工神經(jīng)網(wǎng)絡(luò)的形成和發(fā)展64-65
• 5.1.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)65-67
• 5.2 BP 神經(jīng)網(wǎng)絡(luò)67-74
• 5.2.1 BP 網(wǎng)絡(luò)的原理和結(jié)構(gòu)68
• 5.2.2 BP 網(wǎng)絡(luò)訓練算法68-70
• 5.2.3 訓練算法改進措施70-74
• 5.3 基于BP 網(wǎng)絡(luò)的姿態(tài)角融合74-78
• 5.3.1 網(wǎng)絡(luò)結(jié)構(gòu)選擇74-75
• 5.3.2 網(wǎng)絡(luò)訓練與結(jié)果分析75-78
• 5.4 本章小結(jié)78-79
• 第六章 測試與結(jié)果分析79-94
• 6.1 算法實現(xiàn)79-82
• 6.1.1 基于Kalman 濾波的高度融合實現(xiàn)79-80
• 6.1.2 基于BP 神經(jīng)網(wǎng)絡(luò)的姿態(tài)角融合實現(xiàn)80-82
• 6.2 算法實時性分析82-83
• 6.3 驗證與分析83-93
• 6.3.1 高度信息融合驗證83-91
• 6.3.2 姿態(tài)角信息融合驗證91-93
• 6.4 本章小結(jié)93-94
• 第七章 總結(jié)和展望94-96
• 7.1 課題總結(jié)94-95
• 7.2 后期工作展望95-96
• 參考文獻96-99
• 致謝99-100
• 在學期間的研究成果及發(fā)表的學術(shù)論文100

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 劉植榮，，朱立志;調(diào)頻連續(xù)波無線電高度表的仿真研究[J];北京航空航天大學學報;1996年01期

2 王曉湘;差分GPS定位精度研究[J];北京郵電大學學報;1999年04期

3 胡永紅;小型飛行器高度定位數(shù)據(jù)融合方法[J];傳感器技術(shù);2003年06期

4 唐海峰,張合,李豪杰;D-S證據(jù)理論在多傳感器目標識別中的應用[J];傳感器技術(shù);2002年12期

5 胡學駿,羅中良;基于統(tǒng)計理論的多傳感器信息融合方法[J];傳感器技術(shù);2002年08期

6 楊靜,張洪鉞,魏春嶺;基于GPS/IMU/太陽敏感器的空間飛行器組合姿態(tài)確定[J];航天控制;2002年03期

7 袁冬莉;閆建國;王新民;席慶彪;;無人機組合導航系統(tǒng)信息融合方法研究[J];西北工業(yè)大學學報;2006年05期

8 沈飛,郭軍;基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法[J];自動化與儀器儀表;2005年05期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 馮波;多傳感器信息融合技術(shù)的研究[D];南京航空航天大學;2004年

  本文關(guān)鍵詞：飛行控制系統(tǒng)多傳感器信息融合技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：363355