英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
可精确估算多偏差，航行导航和地面车辆的全状态反馈控制的级联卡尔曼滤波器
摘要
本文提出了一种级联估计算法用于估计所有偏置和状态以获得完整状态反馈短暂的全球定位系统（GPS）中断造成农用拖拉机的故障和推算，首先，提出一个常规的估计方案。由于车辆模型误差，单状态估计方案的偏置状态估计和导航性能降低。但是，位置和速度状态与拖拉机的动态状态并没有高度关联，因此可以分离估计器。因此，状态估计算法分为两种级联估算器，以防止车辆模型的误差破坏导航状态。GPS可用时，航行导航（或导航）估算器估算所有惯性传感器偏差。当GPS不可用时，航位推算估算器会整合速率测量值以提供位置和航向估算，以便通过这些GPS中断来维持对车辆的连续控制。然后使用第二估计器来估计全状态反馈控制算法所需的其他状态。来自导航估计器的偏差估计用于校正第二个估计器中使用的传感器测量。扩展的卡尔曼滤波器（EKF）用于每个估计量。结果表明，与传统的估计方案相比，级联估计技术可以更好地估计车辆状态，尤其是在GPS中断期间。这些结果也验证了估算算法估算所有系统偏差的能力，并通过短暂的GPS中断提供了对拖拉机的连续控制。
关键词：级联估算，航行导航，离散式卡尔曼滤波器，地面车辆导航。
1.绪论
全球定位系统（GPS）提供了确定地球表面上任何位置的车辆位置和姿态的能力，这促使了陆地与海洋和空中航行的许多进步系统的形成。差分GPS（DGPS）使用来自基站的校正，可用于提供更高的定位精度。农业也将GPS用于精确定位。GPS，再加上农业系统，使农民能够监测其田地的产量并应用具体地点的耕作技术来提高每英亩土地的效率和生产力。最近，在自动农用拖拉机领域进行了研究，并使用GPS将其结合。自动操纵的农用设备具有许多优点，包括：减轻驾驶员进行精确操纵车辆的繁琐任务，在低能见度的条件下（例如夜，雾或大尘埃）操作的可能性，并提高农业的精确度。尽管农场通常对天空和GPS卫星的视野非常开阔，但许多农场周围都是谷仓或树叶，这可能会导致GPS卫星暂时丢失或出现多径错误。此外，间歇性通信丢失可能会发生在差分参考天线和拖拉机之间。为了使自动转向的拖拉机获得更大的收益接受后，不得因此类中断而暂停系统。GPS与惯性导航系统（INS）的集成可在这些短暂的GPS中断期间来帮助对农场中的拖拉机进行连续控制。 GPS长时间的稳定性为校正惯性传感器的漂移提供了完美的补充，由于传感器的偏差和积分的不准确性，这会在较长的时间内导致较大的误差。一些研究已经研究了在低速率（1-5 Hz）GPS测量更新之间使用惯性设备更新位置估计的方法。其他工作集中在GPS短暂中断时利用惯性单元。此外，对带有惯性传感器的GPS用于陆地导航定位和航位推算系统的扩展也进行了广泛的研究。
GPS / INS的许多相关工作仅涉及车辆的导航和航位推算估计，而不涉及车辆的控制。然而，在本文中，既需要航位推算又需要控制。这需要估计准确的全状态反馈控制所需的状态，以及准确的航位推算和导航所需的状态（例如传感器偏置）。正如本文将要展示的那样，在一个传统的估计器中对所有这些状态的估计都有几个缺点，包括无法始终准确地估计某些偏差以及降级的航位推算估计。因此，开发了使用两个级联的卡尔曼滤波器的估计方案。航位推算滤波器使用GPS估算导航状态，包括惯性（陀螺仪和雷达）传感器偏差，并在GPS测量不可用时提供位置和姿态估算。控制过滤器使用航位推算过滤器中校正后的传感器测量值来估算控制拖拉机所需的其他状态。与传统的估计架构相比，级联估计方案具有多个优势，包括更好的状态和偏差估计。
众所周知，模型误差会对估计器的性能产生不利影响。此外，如本文所示，部分估算器中的模型不正确会破坏估算器中的其他状态。尽管经常尝试用过程噪声解决模型不确定性，但是在大多数情况下，由于模型误差，宽带或整形宽带噪声不能充分代表状态误差。因此，本文表明，离散与模型不确定性相关的状态可能会对状态估计精度的整体性能产生重大影响。
级联架构分离了多个状态的偏差估计。为了减少计算需求，已经研究了使用两个低阶估计器来进行单独的偏差估计。研究人员还研究了Friedland估计的性质，替代导数和Friedland估计最优性。Friedland的单独偏差估计已扩展到非线性系统，时变偏差模型和具有随机变化偏差的系统。此外，已经表明，单独的偏置估计方案可以产生降阶滤波器，用于估计没有传感器噪声的系统中的偏置。其他研究人员表明，两阶段最小二乘算法比扩展卡尔曼滤波器（EKF）可以提供更好的状态估计。此外，已经证明，单独的带有偏置的单独测量的滤波器比用于水下测距应用的单个耦合滤波器更有效。联合滤波器已经被开发出来，可以提供比传统的集中式估计方案更有效的状态估计。已经研究了级联和联合过滤器体系结构的容错导航。研究人员还比较了各种滤波器类型的性能
2.拖拉机动力学和估计状态
图1.农用拖拉机的示意图
本文的导航与控制系统是在一台 John Deere 8400拖拉机上实现的。农场的示意图在一般东北方坐标下的爬行器如图1所示的牵引车的位置，在中心线上的任何一点拖拉机可描述为：
（1）
其中lcp为控制点沿车辆中心线到车辆重心(CG)的距离。
车辆会由于短暂偏航而产生横向速度或侧滑。但是，在车辆重心的横向速度本文忽略了瞬态。由车辆“横漂”引起的横向速度缓慢变化将被以航向偏差的形式估计。在本文中，偏航角是指车辆的直行方向与行驶方向之间的恒定（或缓慢变化）差（称为车辆侧滑），这种情况可能发生在拖拉机在倾斜的地形上牵引沉重的工具或者轮胎被困在沟里。此外，一个明显的偏航角可以由于航向传感器未对准而产生。因此,这些缓慢变化的横向速度被视为一种偏差。请注意，必须通过“杠杆臂”将在拖拉机车顶上获得的GPS测量值转换为控制点（CP），这需要对拖拉机的姿态（侧倾，俯仰和偏航）等有完备的知识。 在本文中，控制点位于拖拉机的车辆重心上。
从转向角度到偏航速度的拖拉机偏航动态由以下二阶微分方程描述：
（2）
偏航动力学的直流增益（KR），阻尼比（）和固有频率（）是速度的函数，并且是从最小二乘法确定系统识别的最佳拟合数据，来自控制输入（）的转向阀动力学转向角度是：
（3）
控制输入（）为脉宽调制（PWM）用于操纵前部的电动液压阀的电压车轮。转向的直流 增益（）和时间常数（）动力学也用系统识别来确定与用于获得偏航的技术类似的技术动态模型。
（1）–（3）中的模型动力学具有以下形式：
(4)
其中
(5)
为了利用线性状态空间控制和估计技术[45]，必须将（1）–（3）写成如下形式：
(6)
（1）–（3）中所示的七阶模型必须被增强具有五个附加状态（四个偏置和速度），结果是12阶估算器。（2）–（3）中给出的六个状态必须估计用于控制的全状态反馈算法拖拉机。 其余状态是用于提高控制体系结构精度的偏差、位置和速度。估计状态（以表示）为
(7)
其中
雷达和陀螺仪偏置的增加用于提高导航系统的精度。 未知偏差的积分导致定位误差的增加。 转向角偏差和航向偏差的估计可用于补偿由于传感器未对准或在倾斜的地形上牵引重型设备或耕种引起的误差，从而改善控制性能[7]。 如在（1）中所见，并且由于（2）中的参数是速度的函数，因此需要在模型中使用前向速度的状态估计。但是，由于大多数场操作都是以恒定速度执行的，因此不必在状态向量中对正向加速度进行建模。
3.常规估计
由于（1）–（3）中描述的动力学是非线性的，因此它们必须围绕一个工作点线性化，来表示（6）中所示的状态空间形式的动力学。 这是通过在每个时间步上求解雅可比行列式（J）。 因此，线性化（1）–（3）并将系统干扰建模为白噪声的输入结果：
(8)
其中
(9)
w是零均值随机过程噪声协方差矢量，Qw
假定拖拉机的偏差和速度是恒定的，但是它们被建模为一阶随机行驶，使得
(10)
其中wbias是零均值随机过程（白）噪声矢量。
以这种方式对偏差建模可防止与这些状态相关的估计器增益变为零，从而确保估算将更准确地跟踪偏差变化。 本文中使用的估计过程噪声值显示在表I.对这些过程噪声值（包括用于偏置状态的过程噪声值）进行“调整”，以为估算器提供对滤波特性的观察到的充分跟踪。
在此过程中假定噪声彼此不相关，例如过程噪声协方差矩阵（Qw）是对角阵。
观测矩阵C可以描述为：
(11)
其中
(12)
v是未知的传感器噪声协方差矢量
拖拉机使用载波相位或实时运动学（RTK）差分GPS系统提供3-D位置和速度测量结果[3]，以及使用多天线GPS单元提供车辆姿态（包括航向）测量结果[4]。许多基于GPS的观测器将原始GPS（代码和载波可观测值）测量值集成到了估计算法中。尽管通过使用原始GPS可观测值可能可以实现更好的性能，但这并不是本文的重点，因此，本文仅关注在此介绍的估算算法中考虑了GPS计算的解决方案。 KVH光纤陀螺仪（FOG）用于感测偏航角速度，机载多普勒雷达用于测量纵向速度，而电位计则用于测量转向角。本文中使用的传感器噪声方差是通过获取静态传感器数据的方差得出的，并在表II中给出。假设传感器噪声彼此不相关，则噪声协方差矩阵为对角线。
注意存在四个传感器偏差（用于定义观察矩阵），使得
(13)
页面底部的（14）中显示了所得的线性化状态矩阵（围绕标称速度和所需航向线性化），以及将在第四节的级联估计方案中进行的状态划分。
EKF由测量更新和时间更新[46]组成，它们在每个时间步长执行。 测量更新描述为
(15)
其中
L 卡尔曼增益向量
P 状态估计误差协方差矩阵；
C 观察矩阵
Rv 传感器噪声矩阵；
I 单位矩阵
状态估计向量
通过以下方式描述了一个简单的欧拉积分时间更新
（16）
其中
在每个时间步都离散的雅克比行列式；
离散过程噪声矩阵；
由非线性（1）-（3）计算得出。
尽管实际上某些状态的过程噪声是相关的，但这种近似通过以下方式提供了良好的滤波特性：卡尔曼滤波器。 每个对角线的值是表I中列出的相应状态的过程噪声协方差。类似地，使用表II中的传感器噪声值将传感器噪声矩阵当作对角线。
4.常规估计算法的缺点
本节介绍与第三节中介绍的常规估计算法相关的问题。这些缺点导致了在第五节中描述的级联估计体系结构发展的动力。拖拉机配备了差动制动，该差动制动能够通过制动拖拉机的一侧为系统增加航向扰动。在以下实验中，即使GPS测量不再可用，也允许偏置估计器保持打开状态。图2显示，如前一部分所述，在没有GPS的情况下，偏差估算器仍会尝试估算偏差。这是因为从理论上讲，即使没有通过转向角进行GPS测量，陀螺仪的偏置仍可观察到。但是，当GPS姿态测量不可用时，车辆模型中的误差以及拖拉机上的未知干扰将在偏差估计中产生较大的误差（如图2所示）。由于方向盘保持笔直（根据模型，这不会导致拖拉机偏航），因此估算者认为，由于作用在拖拉机上的制动干扰而导致的偏航率是陀螺仪偏置和不是实际的偏航率。图3显示了另一次运行，其中一旦GPS移除，就增加了制动干扰以影响拖拉机的前进方向。即使拖拉机的航向已更改，估计的航向仍保持不变。 这是由于EKF按（2）所述通过车轮角对模型的航向进行积分（保持不变），而不是对偏航陀螺仪，因为转向角传感器上的传感器噪声较小。
图2
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235866]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
