英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
高精度的GPS/INS/轮速传感器/偏航率传感器集成系统的发展
摘要
本文主要讲的是在GPS系统中断期间开发一个更加精确的车辆定位系统通过集成GPS，战术级HG1700 IMU，以及车轮速度传感器和角速度传感器。通过使用紧密耦合策略提出了三种类型的传感器的集成方案，即GPS/INS/车轮速度传感器，GPS/INS/角速度传感器和GPS/INS/车轮速度传感器。对每个方案的模型包括传感器误差模型进行了详细地讨论。整合车轮传感器和角速度传感器后的好处就是研究了在GPS数据中断期间的定位精度。此外，对当GPS故障持续时间内减少修复载波相位模糊的时间也进行了分析。
介绍
为了满足车辆的安全和稳定控制的要求，如向前的防撞，在近几年来新的传感器系统已经吸引了大量的目光。而这些新的传感器系统中的防抱死制动系统（ABS）牵引力控制系统（TC）和车辆稳定性控制系统（VSC）已经找到了进入乘用车生产的方法了。在大多数自主车辆控制和车辆稳定控制系统、GPS和其他船位推算传感器被用来提供导航和定位信息。
关于GPS，厘米级的精确度可以成功的被使用载波相位测量在双差法，即借由整周模糊度来正确分辨。然而，困难出现在障碍物的显著阴影上，如建筑物、立交桥和树。这导致了集成系统的发展，借由GPS来补充惯性导航系统（INS）。在这样的系统中，GPS长期供应精准的绝对的，容易遭受视线信号的堵塞以及信号干扰的定位信息。此外，其测量更新率相对低（通常小于20赫兹）。相比之下，一个INS具有自治性和抗干扰性，并且大部分惯性测量装置的数据速率超过50Hz，甚至有些达到几百赫兹。然而，INS的薄弱点是它的导航质量降解至时间，以及它的准确性依赖于INS传感器的质量。
全球定位系统/惯性导航系统被广泛研究。以低成本，高精准的观念为依据，皮托维洛（2003）综合载波相位差分和一个巧妙的IMU级，在GPS的间断期提供一个分米级的精度。通过整合GPS和低成本的惯性传感器，Sukkarieh（2000）发展出一个低成本、高完整性、半自动的惯性导航系统用于自主陆地车辆应用。
定位准度和系统冗余对自主车控制系统、汽车安全性和稳定控制系统的性能和可靠性有重要作用。更准确的定位系统，更可靠的车辆的自主权或安全控制。传感器冗余度的重要性表现在这样一个事实，即一些不合格的传感器可以由机械的、电的或者一个外部的变乱可能导致的一个灾难性的结果造成，如果不合格的传感器是唯一的机载传感器（瑞德米尔，2001）。为了提高精度和冗余度，整合GPS和其他低成本的推算传感器去援助定位和/或者确定态度的重要工作已经完成。这些传感器在指南针、倾斜仪和光纤陀螺的功能中延伸，为车辆间距和方位估计服务（哈维，1998），关于整合GPS和机载防滑刹车系统（ABS）、里程计和陀螺仪为城市定位（斯蒂芬，2000）。轮速传感器是一个近乎是所有交通工具的标准附件即ABS的基本元件(海，2005)。库伯以及其他人（1999）贯彻一个GPS/INS轮速传感器综合系统为车载定位具有游走角设计，并且提议在轮速传感器和IMU的底架中加入一个双倾角（方位角和螺旋角）的校准算法。
以上的讨论作为依据，在皮托维洛（2003）的特别强调下，这项研究的目的在于开发出更精准的车载定位系统，在GPS的断供期，通过整合GPS，HG1700战术级IMU，以及轮速传感器和来自于车辆稳定性控制系统（VSC）的偏航率传感器。这项研究关注于如何将轮速传感器和偏航率传感器以及GPS/INS在更有效的方式上整合，以及通过这种方法能够获得怎样的益处。精度要求在厘米级载波相位测量才会被应用。确切地讲，一个在线校对算法被设计用来估测在车架和IMU的主体车架和扩展卡尔曼滤波器间的三倾斜角度。非完整的约束也被考虑进GPS/INS/轮速传感器一体化战略中。此外，为了提高定位的精度，轮速传感器和偏航率传感器的斜度的比例因子对于GPS/INS集中的卡尔曼滤波器而言为扩张的。
GPS的重量，轮速传感器还有偏航率传感器在卡尔曼滤波器的重量根据他们的测量精度来讨论。轮速传感器和偏航率传感器整合后的益处已被调查。在模拟GPS间断期的40秒中，位置和速度精度在一些个体整合策略中被比较。在各种GPS的持续间断期中，时间的减少在固定载波相位整周模糊度中被分析。
本文有条理的递进。第一部分使三个坐标系明确。第二部分描述了三个整合策略和他们的实现算法。接下来简短的描述了运动实验，结论已经给出，还有分析在第四部分，并且推论在最后给出。
坐标系的定义
三个坐标系对于这项工作非常重要。这些包括ECEF（以地球为中心，土固）框架，主体框架，媒介框架，就如下面所说的。三个框架在图1中展示。
ECEF组织的起源是地球质量，X轴位于赤道平面，重心朝向格林尼治平均子午线。X轴同样位于是赤道平面的东经90°格林尼治平均子午线。Z轴与地球的平均旋转轴平行（王，2003）。
主体框架的代表是IMU轴的定位。IMU的敏感轴被假定于当IMU的传感器安装时，与运动的上升平台大约一致。X轴的重心朝向运动平台的右端，Y轴的重心偏向运动平台的前端，Z轴与X轴与Y轴相互垂直使右边的框架完整。
附属在车辆上的车辆车架在车辆的重心处来代理车辆的方向。那确实是车辆的重要框架。X轴的中心朝向车架的右边。Y轴的中心朝向在车辆运动向前的方向。Z轴与X轴Y轴相互垂直使右边的框架完整。
在这项研究中，这HG1700的IMU是增加在车辆的上面。理想情况就是IMU的主体框架与车辆框架相一致。然而，由于IMU的安装失误，稳定视角上的IMU与车辆框架在多数情况下被错开。这就是为什么要用集成算法去校准主体框架与车辆框架的倾斜角度。
整合策略与集成法则
使用紧耦合策略，通过整合GPS提出了三种机械化在该框架的整合策略，惯性导航系统以及几个车载传感器，包括车轮速度传感器和汽车级偏航率传感器。他们包括：
bull;GPS/INS轮速传感器（GPS / INS／WSS）
bull;GPS／INS /偏航率传感器（GPS / INS /年）
bull;GPS / INS /偏航率传感器、轮速传感器（GPS / INS /年/ WSS）
紧耦合策略结合了在每个时代所有可用的传感器测量，使用一个集中的卡尔曼滤波，以获得全局最优解。
对设备的使用，IMU数据速率为100 Hz，机械化的方程输出率设置为20赫兹。IMU机械化方程实现的EFCE组织。GPS测量所采用的是双差载波相位双差分多普勒L1，在1 Hz双差伪距率。
GPS / INS／WSS集成策略
图2显示/惯性/ WSS集成策略定位结构。轮速传感器措施在车架的Y方向的速度，而非完整约束应用于车架的 X和Z方向。轮速传感器措施在车架的Y方向的速度，而非完整约束应用于车架的X和Z方向。车轮速度传感器提供的绝对速度信息可用于更新集中卡尔曼滤波。在GPS失效，非完整约束以及绝对速度信息可以限制速度，因此对闲置惯性系统位置漂移。
图2
状态误差估计的GPS / INS的卡尔曼滤波器包括位置误差、速度误差、安装误差角，以及加速度计和陀螺的零偏。状态误差估计的GPS / INS的卡尔曼滤波器包括位置误差、速度误差、安装误差角，以及加速度计和陀螺的零偏。对于GPS / INS的动态模型的卡尔曼滤波器给出了方程（1）（派托维罗，2003）。
由上述模型暗示，偏置的状态被建模为一阶高斯-马尔可夫过程。
在实际使用中，轮胎半径的变化收驱动条件支配。此外，系统主体框架并不总是一致与车架。因此，车轮速度传感器和车辆和车身帧之间的倾斜角度的比例因子是增强的错误状态的全球定位系统/惯性集卡尔曼滤波。在方程（1）的动态模型，相应地改变为方程（2）以下。车轮速度传感器的比例因子和倾斜角度之间的乙和五帧被建模为随机常数。
由于转速是在车架测量和GPS / INS系统的速度在该车架的参数，WSS的更新可以进行E框架将WSS测量到E框架或进行了V型架将GPS/INS组合速度为v框架。在本研究中，WSS的更新是在V型架进行的，和GPS／INS组合的速度从E框架转化为V型架。测量方程表示为方程（3）和两个非完整约束应用到车架的X轴和Z轴。
其中
扩展卡尔曼滤波的测量模型的一般通过方程（5）来表达。
通过线性方程（3），剩余量通过方程（6）来表达。
设计矩阵通过矩阵（7）来表示
全球定位系统/惯性/偏航率传感器集成策略
图3显示/惯性/年GPS的集成策略。总的来说，它的结构类似于GPS/INS WSS集成策略图2不同的是，偏航率传感器代替车轮转速传感器显示（而这些传感器测量从根本上不同的导航参数）。
图3
用梯形法（Jekeli，2000），从横摆率传感器测量集成得到方位角的每一秒的初始值由集成系统方位输出设置。
测量方程是：
YRS偏移扩展到集中卡尔曼滤波器，并被建模为一个一阶高斯-马尔可夫的过程.表1为一阶高斯-马尔可夫过程的参数。
表1
方程式(9)是通过增加Yaw速度传感器的偏移的动态模型。
通过设计矩阵(8)推导出来的设计矩阵（10）为此传感器的设计矩阵。
在这种集成策略下，Yaw传感器提供方位更新参数给集中滤波器，因为方位更新参数只是通过Yaw传感器得到，这种集成策略的性能与角速度传感器的测量精度有密切的关系。如果提供的是一个低质量的Yaw速度传感器就很难确定方位角和YRS的偏移角。因此，测量的精度将有所限制。
GPS/INS/Yaw速度传感器/轮速传感器的集成策略和运算法则
图4描述的是GPS/INS/YRS/WSS的集成策略，这种模型是在前面提到的两种集成策略的基础上创建的。
因为轮速传感器测量速度和Yaw传感器测量速度的偏移量是完全独立的，所以用到了顺序更新的技术。这种集成策略相继执行测量相对偏移角和测量绝对速度的更新。
图4
测试描述
图5展示的是运动学上的测试装备，数据是在卡尔加里附近的一块广阔的而且GPS的覆盖率很高的平原上收集的。一台NovAtel OEM4 GPS接收器放在考察的坐标的参考支柱上，并且以20Hz的速度收集GPS的数据。WSS和YRS数据以20Hz的速率记录在一台台式电脑上。其他的OEM4 GPS接收器以1Hz的速率接收BDS的数据，IMU的数据是以100Hz的速率被接收的。
这次动力学上的测试包括了典型的运动情景，所以可能会遇到车辆的执行和定位数据。如匀速运动，减速运动，加速运动，转弯，静态时期，下坡和上坡等。车辆行驶的速度范围是0到80km/h，侧偏角的范围是-3.8到4.4度，最大间距速率为14.78deg/s，侧倾角为-3.3到8.7度且最大的角速度为10.17deg/s。可以开发一个系统来观察和验证动态数据是否正常的目的。
如图6所示的参考轨迹是由GPS和导航级CIMU，整合产生的，它是独立的、HG1700 IMU集成天线HG1700 IMU测试车和基站开放天空车辆传感器电缆离子NTM 2006 GPS，2006年1月18-20日，蒙特雷，CA 8系统。数据集成的GPS /CIMU是从阿帕蓝尼公司的软件POSPacGPS进行分析。POSPac可以计算最佳准确和向后平滑的导航解决方案。从软件的精度估计输出表明，该解决方案优于1.4厘米的水平，和5.5厘米垂直。
图6
要评估在全球定位系统中断时的整合策略，进行模拟了四个全球定位系统中断的影响。 每一个中断的持续时间为10，20，30和40秒。图7通过图10显示在每个单独的全球定位系统中断期间的车辆动力学。在这四个模拟全球定位系统中断时，中断1和3是缓慢变化的车辆动力学，如图7和图9，其他两个（图8和图10）涵盖了广泛的车辆动力学，如加速，减速和恒定的速度，以及姿态的变化，如转向，恒定的方位角以及俯仰和轧辊的变化。参考轨迹上的中断的位置标记在图6。
图7 图8
图9 图10
结果与分析
在双方面分析了各集成策略的性能。首先，在四个模拟40的全球定位系统中断的位置和速度的漂移误差的参考轨迹进行评估。通过一体化战略的行为可以表明如果可以从WSS或年在GPS中断任何好处。此外，估计的位置和速度的标准偏差，来自更新的协方差矩阵中的卡尔曼滤波器，是一个估计的实际误差由卡尔曼滤波器，它应该有良好的协议与实际误差在一个理想的情况下。然而，在实践中，它表明卡尔曼滤波器的模型和参数进行调整，如果估计的标准偏差不偏离太多从实际误差的变化。此外，估计的标准偏差确定的搜索空间的模糊性解决的模糊性解决时间有直接关系。从这个角度来看，实际位置和速度误差，以及它们的估计标准偏差，分析在全球定位系统中断。通过计算相对于参考溶液的误差，在所有的中断的均方根误差检查。通过计算相对于参考溶液的误差，在所有的中断的均方根误差检查。
通过计算相对于参考溶液的误差，在所有的中断的均方根误差检查。每一次模拟全球定位系统中断后，平均时间来解决相应的全球定位系统，全球定位系统紧密耦合，以及每个单独的整合策略的模糊对应的时间。对于所处理的数据，总是选择正确的含糊之处。
位置与在全球定位系统中断期间的速度漂移误差
图11通过图13比较的位置均方根误差和平均估计的标准偏差的三个集成策略对应的值从全球定位系统/惯
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146761]，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。
