摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-12页 |
1.1 研究背景及意义 | 第8-9页 |
1.1.1 无人机发展现状 | 第8页 |
1.1.2 传感器在无人机控制中的作用 | 第8-9页 |
1.2 数据融合技术的背景与发展 | 第9-10页 |
1.2.1 数据融合技术的背景 | 第9-10页 |
1.2.2 数据融合技术的发展现状 | 第10页 |
1.3 本课题的研究的内容和论文的安排 | 第10-12页 |
第二章 无人机导航控制理论 | 第12-21页 |
2.1 高度概念 | 第12-13页 |
2.1.1 几种常用高度介绍 | 第12-13页 |
2.1.2 几种高度之间的关系 | 第13页 |
2.2 无人机的几个坐标系 | 第13-16页 |
2.2.1 地球中心坐标系(ECEF) | 第14-15页 |
2.2.2 NED坐标系 | 第15-16页 |
2.2.3 机体坐标系 | 第16页 |
2.3 各坐标系之间的转换 | 第16-19页 |
2.3.1 无人机姿态控制 | 第16-17页 |
2.3.2 地球中心坐标系转换为NED坐标系 | 第17-18页 |
2.3.3 NED坐标系到机体坐标系下的变换 | 第18页 |
2.3.4 姿态角的四元素表示 | 第18-19页 |
2.4 小结 | 第19-21页 |
第三章 多传感器测量技术 | 第21-36页 |
3.1 高度多传感器测量 | 第21-30页 |
3.1.1 大气数据计算机 | 第21-25页 |
3.1.2 无线电高度表 | 第25-28页 |
3.1.3 差分GPS | 第28-29页 |
3.1.4 其他传感器简介 | 第29-30页 |
3.2 姿态角多传感器测量 | 第30-35页 |
3.2.1 垂直陀螺 | 第30-32页 |
3.2.2 航姿参考系统 | 第32-35页 |
3.3 本章小结 | 第35-36页 |
第四章 数据融合技术 | 第36-54页 |
4.1 数据融合概述 | 第36-39页 |
4.1.1 数据融合的概念 | 第36页 |
4.1.2 数据融合的基本原理 | 第36-37页 |
4.1.3 数据融合检测系统结构模型 | 第37-39页 |
4.2 基于卡尔曼加权法的高度融合 | 第39-45页 |
4.2.1 加权平均法 | 第39页 |
4.2.2 归一化加权平均法 | 第39-40页 |
4.2.3 卡尔曼滤波 | 第40-41页 |
4.2.4 最优估计卡尔曼滤波 | 第41页 |
4.2.5 扩展卡尔曼线性滤波 | 第41-45页 |
4.3 基于BP神经网络的姿态角融合 | 第45-53页 |
4.3.1 人工神经网络的形成和发展 | 第45-46页 |
4.3.2 神经网络基础 | 第46-49页 |
4.3.3 BP神经网络的原理、结构及算法 | 第49-52页 |
4.3.4 基于BP网络的姿态角融合 | 第52-53页 |
4.4 本章小结 | 第53-54页 |
第五章 数据融合技术在无人机上的应用 | 第54-66页 |
5.1 高度融合 | 第54-58页 |
5.1.1 高度数据融合技术结构设计和软件实现 | 第54-55页 |
5.1.2 基于卡尔曼加权法滤波的多传感器融合设计 | 第55-56页 |
5.1.3 高度融合数据分析 | 第56-58页 |
5.2 姿态角融合 | 第58-65页 |
5.2.1 姿态角融合算法分析 | 第58-60页 |
5.2.2 姿态角融合数据分析 | 第60-65页 |
5.3 本章小结 | 第65-66页 |
第六章 总结与展望 | 第66-68页 |
6.1 总结 | 第66页 |
6.2 展望 | 第66-68页 |
参考文献 | 第68-71页 |
致谢 | 第71-72页 |