Fuzzy IAE-UKF integrated navigation method introducing system uncertainty

Dong-feng XING; Lin-jing ZHANG; Ju-hua YANG; Guang-wu CHEN; Hao LIU

doi:10.37188/OPE.20212901.0172

您当前的位置：

首页 >

文章列表页 >

Fuzzy IAE-UKF integrated navigation method introducing system uncertainty

Information Sciences | 更新时间：2021-02-04

- Fuzzy IAE-UKF integrated navigation method introducing system uncertainty
- Optics and Precision Engineering Vol. 29, Issue 1, Pages: 172-182(2021)
- 作者机构：
  
  1.兰州交通大学自动控制研究所，甘肃兰州 730070
  2.兰州交通大学甘肃省高原交通信息工程及控制重点实验室，甘肃兰州 730070
  3.兰州交通大学交通运输学院，甘肃兰州 730070
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20212901.0172
  CLC： TN96
- Received：24 June 2020，
  
  Revised：14 July 2020，
  
  Published：15 January 2021
- 稿件说明：
移动端阅览
邢东峰,张琳婧,杨菊花等.引入系统不确定度的模糊IAE-UKF组合导航[J].光学精密工程,2021,29(01):172-182.

XING Dong-feng,ZHANG Lin-jing,YANG Ju-hua,et al.Fuzzy IAE-UKF integrated navigation method introducing system uncertainty[J].Optics and Precision Engineering,2021,29(01):172-182.
邢东峰,张琳婧,杨菊花等.引入系统不确定度的模糊IAE-UKF组合导航[J].光学精密工程,2021,29(01):172-182. DOI： 10.37188/OPE.20212901.0172.

XING Dong-feng,ZHANG Lin-jing,YANG Ju-hua,et al.Fuzzy IAE-UKF integrated navigation method introducing system uncertainty[J].Optics and Precision Engineering,2021,29(01):172-182. DOI： 10.37188/OPE.20212901.0172.

摘要

针对车载卫星与惯性器件的组合导航系统不确定性对导航精度影响较大的问题，依据滤波新息估计量的统计特性与模糊度隶属度函数的控制特性，设计滤波方法实现对组合导航误差的抑制。考虑系统先验知识难以准确获取，首先采用新息自适应估计（Innovation Adaptive Estimation，IAE）方法对当前量测噪声方差进行在线调整；其次根据新息确定量化参数，引入平滑加权残差平方思想（Smoothed Weighted Residual Squared，SWRS）给出表示系统不确定度的权值函数，结合定义的系统不确定度构建模糊隶属度函数；最后将两种改进方法嵌入到无迹卡尔曼滤波（Unscented Kalman Filter，UKF）框架中，对系统噪声方差予以自适应调整，形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器。设计车载组合导航测试，取不同算法下的组合位置、组合速度进行精度比较。结果表明本文组合导航算法的位置精度及速度精度均得到明显改善，实现了对组合导航误差的抑制，是一种可有效克服系统模型难以准确建立问题的滤波器。

Abstract

This study addresses the effects of the uncertainty of a combined navigation system of a vehicle-mounted satellite and inertial device on the accuracy of the navigation solution. Based on the statistical characteristics of a filtered innovation estimator and the control characteristics of the ambiguity membership function， a filtering method is designed to suppress the combined navigation error. Considering that prior knowledge of the system is difficult to obtain accurately， the innovation adaptive estimation （IAE） method is first used to adjust the current measurement noise variance online. Then， quantization parameters are determined based on the innovation， and the idea of smoothed weighted residual squared is introduced to provide a weight function that represents system uncertainty. Finally， two improved methods are embedded in the framework of an unscented Kalman filter （UKF） to adjust the noise variance of the system adaptively to form a fuzzy IAE-UKF filter suitable for processing low-cost integrated navigation systems. A vehicle-mounted integrated navigation test is designed and the combined position and speed under different algorithms are compared for accuracy. The results show that the position and speed accuracies of the integrated navigation algorithm in this study were significantly improved. The algorithm realizes the suppression of integrated navigation errors and acts as a filter that can effectively overcome the difficulty of accurately establishing a system model.

关键词

Keywords

references

ZHENG W ， MA S ， HUA Z ， et al .. Train integrated positioning method based on GPS/INS/RFID ［C］. Chinese Control Conference . IEEE ， 2016 ： 799 - 803 .

FERNÁNDEZ-PRADES C ， CLOSAS P ， VILA-VALLS J . Nonlinear filtering for ultra-tight GNSS/INS integration ［C］. Communications （ICC）， 2010 IEEE International Conference on. IEEE ， 2010 ： 3071 - 3075 .

ADEEL AKRAM M ， LIU P ， OWAIS TAHIR M ， et al . . A state optimization model based on kalman filtering and robust estimation theory for fusion of multi-source information in highly non-linear systems ［J］. Sensors （Basel， Switzerland）， 2019 ， 19 （ 7 ）.

TURNER KJ ， FARUQI FA . Extended kalman filter synthesis for integrated global positioning/inertial navigation systems ［J］. Applied mathematics and computation ， 2000 ， 115 （ 2/3 ）： 213 - 227 .

CHANG L ， HU B ， LI A ， et al . . Transformed unscented kalman filter ［J］. IEEE Transactions on Automatic Control ， 2013 ， 58 （ 1 ）： 252 - 257 .

KUMAR D . V.A.N R， RAO S.K， RAJU K P. Integrated unscented kalman filter for underwater passive target tracking with towed array measurements ［J］. Optik ， 2016 ， 127 （ 5 ）： 2840 - 2847 .

杨春，郭健，张磊，等 . 采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法［J］. 控制与决策， 2018 ， 33 （ 1 ）： 81 - 87 .

YANG CH ， GUO J ， ZHANG L ， et al . . Fuzzy adaptive unscented kalman ﬁlter integrated navigation algorithm using chi-squaretest ［J］. Control and Decision ， 2018 ， 33 （ 1 ）： 81 - 87 . （in Chinese）

HU G ， GAO S ， ZHONG Y ， et al . . Modified strong tracking unscented kalman filter for nonlinear state estimation with process model uncertainty ［J］. International Journal of Adaptive Control and Signal Processing ， 2015 ， 29 （ 12 ）： 1561 - 1577 .

袁建国，袁艳涛，刘飞龙，等 . INS/GPS紧耦合系统中的模糊自应SRUKF算法［J］. 哈尔滨工业大学学报， 2015 ， 47 （ 11 ）： 108 - 112 .

YUAN J G ， YUAN Y T ， LIU F L ， et al . A novel fuzzy adaptive SRUKF algorithm in tightly-coupled INS/GPS systems ［J］ Journal of Harbin Institute of Technology ， 2015 ， 47 （ 11 ）： 108 - 112 . （in Chinese）

HAN H Z ， WANG J ， DU M Y . GPS/BDS/INS tightly coupled integration accuracy improvement using an improved adaptive interacting multiple model with classified measurement update ［J］. Chinese Journal of Aeronautics ， 2018 ， 31 （ 3 ）： 556 - 566 .

DU R L ， LIU J Q ， ZHOU D ， et al . . Adaptive kalman filter enhanced with spectrum analysis to estimate guidance law parameters with unknown prior statistics ［J］. Proceedings of the Institution of Mechanical Engineers ， 2018 ， 232 （ 16 ）： 3078 - 3099 .

种洋，柴洪洲，苏明晓，等 . 基于量测残差估计残差协方差的RAE-PEKF匹配算法［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 2 ）： 179 - 188 .

ZHONG Y ， CHAI H Z ， SU M X ， et al . . RAE-PEKF Matching Algorithm Based on Measurement Residuals to Estimate Residuals Covariance ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 2 ）： 179 - 188 . （in Chinese）

MOHAMED A H ， SCHWARZ K P . Innovation-based adaptive kalman filter for INS/GPS ［J］. Proceedings of Annual Meeting of the Institute of Navigation ， 1998 ： 414 - 414 .

杨菊花，李文元，陈光武，等 . 引入滑模观测器的GPS/INS组合导航滤波方法［J］. 仪器仪表学报， 2019 ， 40 （ 9 ）： 78 - 86 .

YANG J H ， LI W Y ， CHEN G W ， et al . . GPS/INS integrated navigation filtering method based on sliding mode observer ［J］. Chinese Journal of Scientific Instrument ， 2019 ， 40 （ 9 ）： 78 - 86 . （in Chinese）

徐田来，游文虎，崔平远 . 基于模糊自适应卡尔曼滤波的INS/GPS组合导航系统算法研究［J］. 宇航学报， 2005 （ 5 ）： 571 - 575 .

XU T L ， YOU W H ， CUI P Y . Research on GPS/INS integrated navigation system based on fuzzy adaptive kalman filtering ［J］. Journal of Astronautics ， 2005 （ 5 ）： 571 - 575 . （in Chinese）

XU D X . Using gravity anomaly matching techniques to implement submarine navigation ［J］. Chinese Journal of Geophysics ， 2005 ， 48 （ 4 ）： 812 - 816 .

赵琳，李久顺，程建华 . 基于滑动窗口的新息自适应组合导航算法［J］. 系统工程与电子技术， 2017 ， 39 （ 11 ）： 2541 - 2545 .

ZHAO L ， LI J S ， CHENG J H . Innovation-based adaptive Kalman filter with sliding window for integrated navigation ［J］. Systems Engineering and Electronics ， 2017 ， 39 （ 11 ）： 2541 - 2545 . （in Chinese）

卞鸿，李安，覃方君 . 现代信息融合技术在组合导航中的应用［M］. 北京：国防工业出版社， 2010 ： 119 - 122 .

BIAN H ， LI A ， QIN F J . Application of Modern Information Fusion Technology in Integrated Navigation ［M］. Beijing ： National Defense Industry Press ， 2010 . （in Chinese）

CARLO B ， Nicola G . B， WALTER R， et al .. Dynamic conditional independence models and markov chain monte carlo methods ［J］. Journal of the American Statistical Association ， 1997 ， 92 （ 440 ）： 1403 - 1412 .

Simon J J . The scaled unscented transformation ［C］. American Control Conference ， 2002 ： 4555 - 4559 .

刘鹏飞 . 里程计辅助的高精度车载GNSS/INS组合导航系统［J］. 光学精密工程， 2020 ， 28 （ 4 ）： 979 - 987 .

LIU P F . High-precision vehicle GNSS/INS integrated navigation system aided by odometer ［J］. Opt. Precision Eng. ， 2020 ， 28 （ 4 ）： 979 - 987 . （in Chinese）

尹芳，吴云 . 空间非合作旋转目标的模型重建与位姿优化［J］. 光学精密工程， 2019 ， 27 （ 8 ）： 1854 - 1862 .

YI F ， WU Y . Model reconstruction and pose optimization of non-cooperative rotating space target ［J］. Opt. Precision Eng. ， 2019 ， 27 （ 8 ）： 1854 - 1862 . （in Chinese）

刘涛，尹仕斌，任永杰，等 . 机器人工具坐标系自动校准［J］. 光学精密工程， 2019 ， 27 （ 3 ）： 661 - 670 .

LIU T ， YI S B ， REN Y J ， et al . . Automatic calibration of robot tool center frame robot tool center frame ［J］. Opt. Precision Eng. ， 2019 ， 27 （ 3 ）： 661 - 670 . （in Chinese）

黄建宇，屈玉福，姜吉祥 . 无人飞行器自主降落区识别方法研究［J］. 液晶与显示， 2018 ， 33 （ 3 ）： 238 - 244 .

HUANG J Y ， QU Y F ， JIANG J X . Method for identifying the landing qrea of unmanned aerial vehicle ［J］. Chinese Journal of liquid crystals and displays ， 2018 ， 33 （ 3 ）： 238 - 244 . （in Chinese）

Views

716

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Polarized light/MIMU integrated navigation SHKF attitude solving algorithm for motion acceleration suppression

Adaptive visual inertial geomagnetic tightly coupled positioning system

Multi-machine cooperative passive localization based on MEMS/GNSS

Precision improvement methodology for INS/GPS after GPS outage using RB-UKF

Application of neural network aided Kalman filtering to SINS/GPS

Related Author

ZHANG Ran

LIU Chen

ZHOU Zijian

PEI Sen

JIN Rencheng

ZHAO Kaichun

WANG Kunfeng

WAN Zhenhua

Related Institution

Key Laboratory for Micro/Nano Technology and System of Liaoning Province ofDalian University of Technology

Faculty of Mechanical Engineering， Guangxi University

School of Instrument Science and Optoelectronic Engineering， Beijing Information Science and Technology University

Department of Precision Instrument， Tsinghua University

Space Vehicle Survival Technology and Effectiveness Evaluation Laboratory

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰