多傳感器融合技術(shù)的出現(xiàn)大大地促進(jìn)了車載定位技術(shù)的發(fā)展,過(guò)去單獨(dú)使用GPS或者慣導(dǎo)系統(tǒng)來(lái)進(jìn)行定位的時(shí)候已經(jīng)過(guò)去,在無(wú)人駕駛這個(gè)領(lǐng)域中,將GPS和慣性導(dǎo)航設(shè)備進(jìn)行數(shù)據(jù)融合可以極大地提高定位精度。有很多數(shù)據(jù)融合的方法,本文采用卡爾曼濾波,因其傳遞性、時(shí)效性和準(zhǔn)確性強(qiáng),而被廣泛采用,基于GPS/IMU組合定位濾波算法就是在此基礎(chǔ)上成熟起來(lái)的。而此濾波算法有多種耦合方式,如松組合、緊組合和深組合,本文采用的是松組合,基本思路是將GPS和慣導(dǎo)兩個(gè)定位系統(tǒng)分別作為子系統(tǒng),二者單獨(dú)工作,分別將各自的解算后的定位結(jié)果傳到卡爾曼濾波器,取二者之差,后由誤差模型將慣導(dǎo)系統(tǒng)的誤差解算出來(lái),最后把修正后的慣導(dǎo)輸出結(jié)果當(dāng)做整個(gè)系統(tǒng)的輸出,使得結(jié)果最優(yōu)化。之后以改裝的智能車為載體,采集GPS和慣導(dǎo)的數(shù)據(jù),處理后進(jìn)行仿真實(shí)驗(yàn),最后基于擴(kuò)展卡爾曼濾波算法進(jìn)行實(shí)車實(shí)驗(yàn),仿真實(shí)驗(yàn)結(jié)果表明,融合后的定位誤差比單獨(dú)使用GPS在x、y、z方向上誤差分別有所降低,在實(shí)車實(shí)驗(yàn)中,經(jīng)緯度誤差基本控制在厘米級(jí),說(shuō)明在組合導(dǎo)航定位系統(tǒng)中,卡爾曼濾波算法有效的降低了平面坐標(biāo)中三個(gè)方向的誤差。對(duì)于軌跡跟蹤控制研究,主要是通過(guò)控制車輛的驅(qū)動(dòng)和轉(zhuǎn)...

【文章來(lái)源】： 山東理工大學(xué)山東省

【文章頁(yè)數(shù)】：76 頁(yè)

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 GPS/IMU組合定位研究現(xiàn)狀
        1.2.2 卡爾曼濾波研究現(xiàn)狀
        1.2.3 模型預(yù)測(cè)控制研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容及思路
第二章 GPS/IMU定位系統(tǒng)的位姿解算
    2.1 GPS定位系統(tǒng)的位姿解算
        2.1.1 GPS定位原理
        2.1.2 GPS特點(diǎn)及誤差源分析
        2.1.3 GPS相關(guān)協(xié)議
    2.2 基于捷聯(lián)慣導(dǎo)的IMU定位系統(tǒng)
        2.2.1 慣性導(dǎo)航定位
        2.2.2 慣性測(cè)量單元的誤差分析
    2.3 坐標(biāo)變換處理
        2.3.1 坐標(biāo)系介紹
        2.3.2 坐標(biāo)轉(zhuǎn)換
    2.4 數(shù)據(jù)采集及可視化
    2.5 本章小結(jié)
第三章 基于卡爾曼濾波融合算法的組合定位及實(shí)驗(yàn)驗(yàn)證
    3.1 數(shù)據(jù)融合技術(shù)
        3.1.1 數(shù)據(jù)融合定義
        3.1.2 多傳感器數(shù)據(jù)融合技術(shù)
    3.2 GPS/IMU組合導(dǎo)航定位方式
    3.3 卡爾曼濾波算法及其研究
        3.3.1 卡爾曼濾波介紹
        3.3.2 融合算法的實(shí)現(xiàn)
    3.4 仿真及實(shí)車試驗(yàn)
        3.4.1 仿真實(shí)驗(yàn)
        3.4.2 實(shí)車試驗(yàn)
    3.5 本章小結(jié)
第四章 基于模型預(yù)測(cè)控制的軌跡跟蹤
    4.1 MPC的理論介紹
    4.2 基于MPC控制算法開(kāi)發(fā)
        4.2.1 車輛運(yùn)動(dòng)學(xué)模型建立
        4.2.2 非線性的模型預(yù)測(cè)控制
        4.2.3 基于MPC線性時(shí)變控制器開(kāi)發(fā)
    4.3 MPC控制器的求解及理論分析
    4.4 MPC軌跡跟蹤控制算法仿真實(shí)驗(yàn)分析
        4.4.1 不同預(yù)測(cè)時(shí)域?qū)ο到y(tǒng)輸出影響
        4.4.2 不同控制時(shí)域?qū)ο到y(tǒng)輸出的影響
        4.4.3 軌跡跟蹤仿真實(shí)驗(yàn)
    4.5 控制算法實(shí)車試驗(yàn)
    4.6 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
在讀期間公開(kāi)發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于模型預(yù)測(cè)控制的智能車軌跡跟蹤控制研究 [J]. 牛亞明,邵金菊,沈剛,李訓(xùn)意,魏國(guó).  汽車實(shí)用技術(shù). 2020(06)
[2]一種基于自適應(yīng)卡爾曼的數(shù)據(jù)濾波方法 [J]. 張一帆.  科技風(fēng). 2019(01)
[3]INS/GPS組合導(dǎo)航的混合式濾波算法 [J]. 韓斌子,胡柏青.  電子技術(shù)與軟件工程. 2018(24)
[4]改進(jìn)的擴(kuò)展卡爾曼濾波算法研究 [J]. 賀軍義,李男男,安葳鵬.  測(cè)控技術(shù). 2018(12)
[5]一種新型模糊卡爾曼濾波數(shù)據(jù)融合算法 [J]. 肖力銘,屈濟(jì)坤,齊海生,岳振軍.  指揮控制與仿真. 2018(06)
[6]一種基于卡爾曼濾波的定位解算性能評(píng)估新方法 [J]. 王勛,左啟耀,洪詩(shī)聘,陳亮,楊曉昆.  導(dǎo)航定位與授時(shí). 2018(05)
[7]無(wú)人駕駛商用車發(fā)展前景及應(yīng)用 [J]. 崔冬.  中國(guó)物流與采購(gòu). 2018(19)
[8]GPS/IMU/DMI組合導(dǎo)航方法研究 [J]. 高揚(yáng),高邐,烏萌,王成賓.  西北工業(yè)大學(xué)學(xué)報(bào). 2018(02)
[9]基于模型預(yù)測(cè)控制的智能網(wǎng)聯(lián)汽車路徑跟蹤控制器設(shè)計(jì) [J]. 王藝,蔡英鳳,陳龍,王海,何友國(guó),李健.  機(jī)械工程學(xué)報(bào). 2019(08)
[10]基于模型預(yù)測(cè)控制的智能汽車目標(biāo)路徑跟蹤方法研究 [J]. 段建民,田曉生,夏天,宋志雪.  汽車技術(shù). 2017(08)

碩士論文
[1]無(wú)跡卡爾曼濾波的改進(jìn)算法及其在GPS/INS組合導(dǎo)航中的應(yīng)用研究[D]. 洪志強(qiáng).東華理工大學(xué). 2019
[2]基于LSTM和STCL3d網(wǎng)絡(luò)的城市短時(shí)交通流預(yù)測(cè)研究[D]. 唐浩雲(yún).西南交通大學(xué). 2019
[3]基于模型預(yù)測(cè)控制的智能車輛橫向運(yùn)動(dòng)控制研究[D]. 王藝.江蘇大學(xué). 2018
[4]智能車輛的路徑跟蹤及底層控制研究[D]. 趙潔.吉林大學(xué). 2018
[5]基于數(shù)據(jù)融合濾波的組合慣性導(dǎo)航系統(tǒng)研究與實(shí)現(xiàn)[D]. 劉海亮.武漢理工大學(xué). 2018
[6]無(wú)人駕駛汽車路徑跟蹤控制研究[D]. 奉山森.湖南大學(xué). 2018
[7]卡爾曼濾波在車載組合導(dǎo)航中的應(yīng)用研究[D]. 張華倩.信息科學(xué)與工程學(xué)院. 2017
[8]無(wú)人駕駛汽車轉(zhuǎn)向控制方法及研究[D]. 劉果.重慶交通大學(xué). 2017
[9]無(wú)人駕駛車輛的自動(dòng)轉(zhuǎn)向控制[D]. 余如.吉林大學(xué). 2016
[10]基于模型預(yù)測(cè)控制的無(wú)人駕駛車輛軌跡跟蹤控制算法研究[D]. 孫銀健.北京理工大學(xué). 2015



本文編號(hào)：3553118