首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

基于Kalman滤波的无人飞行器多传感器数据融合方法研究

摘要第5-6页
Abstract第6页
1 绪论第14-22页
    1.1 论文课题研究背景及意义第14-16页
    1.2 小型无人机多传感器数据融合概况第16-18页
        1.2.1 数据融合的研究现状第16-17页
        1.2.2 数据融合的理论与方法第17-18页
    1.3 Kalman滤波理论在多传感器数据融合中的应用第18-20页
    1.4 论文主要研究内容第20-22页
2 捷联惯性导航原理与测量仿真系统构建第22-46页
    2.1 引言第22页
    2.2 捷联惯性导航基本原理第22-27页
        2.2.1 原理概述第22-23页
        2.2.2 常用坐标系第23-24页
        2.2.3 捷联惯性导航力学编排第24-27页
    2.3 传感器测量模型第27-32页
        2.3.1 加速度计测量模型第27-28页
        2.3.2 陀螺仪测量模型第28页
        2.3.3 GPS测量模型第28-29页
        2.3.4 气压高度表测量模型第29-31页
        2.3.5 磁力计测量模型第31-32页
    2.4 无人飞行器仿真系统构建第32-40页
        2.4.1 aeroblk_HL20仿真系统简介第32-35页
        2.4.2 导航参数真值生成方法第35-38页
        2.4.3 测量仿真值生成示例第38-40页
    2.5 捷联惯性导航力学编排方程解算仿真第40-45页
        2.5.1 捷联惯性导航方程计算第40-41页
        2.5.2 仿真结果及分析第41-45页
    2.6 本章小结第45-46页
3 基于线性Kalman滤波的SINS/GPS组合导航数据融合研究第46-70页
    3.1 引言第46页
    3.2 SINS/GPS组合导航系统基本原理第46页
    3.3 SINS/GPS间接估计校正方法第46-48页
    3.4 经典Kalman滤波基本理论第48-50页
    3.5 SINS/GPS组合导航系统间接法滤波模型第50-69页
        3.5.1 捷联惯导系统误差模型第50-54页
        3.5.2 系统状态方程第54页
        3.5.3 量测方程第54-55页
        3.5.4 基于卡尔曼滤波的SINS/GPS数据融合实现第55-57页
        3.5.5 仿真结果及分析第57-69页
    3.6 本章小结第69-70页
4 基于SR-CDKF方法的SINS/GPS组合导航数据融合研究第70-85页
    4.1 引言第70页
    4.2 SINS/GPS组合导航系统直接式滤波模型第70-73页
        4.2.1 直接校正滤波器结构第70页
        4.2.2 状态方程第70-72页
        4.2.3 量测方程第72-73页
    4.3 SR-CDKF方法在无人机SINS/GPS数据融合中的应用第73-76页
        4.3.1 Sigma点Kalman滤波理论第73-74页
        4.3.2 SR-CDKF算法步骤第74-76页
    4.4 仿真分析第76-84页
        4.4.1 GPS测量精度不同时的KF与SR-CDKF滤波对比第77-79页
        4.4.2 惯性器件有无固定零偏时的KF与SR-CDKF滤波对比第79-82页
        4.4.3 SINS/GPS数据刷新率不同时的KF与SR-CDKF滤波对比第82-84页
    4.5 本章小结第84-85页
5. 基于SR-CDKF方法的多传感器数据融合方法研究第85-94页
    5.1 引言第85页
    5.2 SINS/GPS/气压计组合数据融合第85-89页
        5.2.1 组合方案第85页
        5.2.2 状态方程和量测方程第85-86页
        5.2.3 仿真分析第86-89页
    5.3 SINS/GPS/气压计/磁力计组合数据融合第89-93页
        5.3.1 组合方案第89页
        5.3.2 状态方程和量测方程第89页
        5.3.3 仿真分析第89-93页
    5.4 本章小结第93-94页
6 总结与展望第94-97页
    6.1 工作总结第94-95页
    6.2 工作展望第95-97页
致谢第97-98页
参考文献第98-102页
附录第102页

论文共102页,点击 下载论文
上一篇:工业机器人球轴承套圈富氮强化研磨摩擦化学效应分析
下一篇:基于深度学习的肺结节检测研究