一种楼宇间导航***
技术领域
本发明属于室外导航技术领域,尤其涉及一种楼宇间导航***。
背景技术
随着科学技术的发展,无人机作为各类灾害事故辅助救援的基本平台已经 得到广泛重视和应用。国内外的专家学者利用无人机技术、传感器技术、现代 通信技术等研发了诸多消防无人机,主要用于火场灾情侦测、森林防火监测、 火场辅助灭火以及人员辅助救援等。在火灾现场抢险救援及火灾灾情侦查方 面,无人机机动性强,可以第一时间出动、快速到达现场等优势,所以在楼宇 灭火方面,消防无人机具有其独到的优势。设计消防无人机的必要前提是为其 提供足够精确的位姿信息,一方面,精确的位姿信息是无人机稳定飞行的必备 信息;另一方面,无人机飞向目标地点并对无人机朝向进行调整离不开精确的位姿信息。为了解决这一问题,需要一种适用于城市环境的、能够提供实时位 姿信息的无人机自主导航***。但是,由于高楼对于GPS信号存在着十分严重 的遮挡情况,传统的GPS导航手段将面临可见星数目锐减、卫星信号多路径效 应严重等问题,导致依赖于GPS的无人机导航***无法有效提供准确的导航信 息。
超宽带(Ultra-Wide Band,UWB)技术近年来得到了前所未有的发展,其具 有传输速率高、功耗低、安全性高、布设容易、***复杂度低等特点,所以在 无线定位的应用上具有很大的优势。利用UWB定位技术测得定位标签相对于定 位基站之间无线电信号传播的时间差,从而得出定位标签相对于定位基站的距 离,得出目标携带的UWB标签相对于参照标签的位置信息。但目前存在的技术 问题是:机载MEMS导航***由于***本身采用积分式的计算方法对位置角度 等导航信息进行递推的原因,导航误差随时间累积,无法满足消防无人机长时 间的导航精度要求。
发明内容
本发明的目的是提出一种楼宇间导航***的技术方案,使导航***在城市 环境下准确稳定地为无人机提供导航服务,保障消防无人机可以有效完成给定 任务。
为了实现上述目的,本发明的技术方案是:一种楼宇间导航***,包括设 有多个UWB基站的UWB定位***、设有MEMS定位***和定位标签的待定位无 人机、误差修正***,所述UWB定位***获得所述待定无人机体在导航坐标系 下的位置信息,所述MEMS定位***利用AHRS计算得到所述待定位无人机在导 航坐标系下的位姿信息,其特征在于,所述误差修正***将所述位置信息与所 述位姿信息通过自适应渐消Kalman滤波方法进行数据融合和误差修正。
更进一步,所述UWB定位***可以包括四个所述UWB基站,所述四个UWB 基站分布在一个矩形的四个顶角位置。
更进一步,所述UWB定位***可以包括八个所述UWB基站,所述八个UWB 基站分布在一个立方体的八个顶角位置。
更进一步,所述组合导航***的数学模型包括:
其中,t0是初始时间,x0是初始状态变量,t是时间,x(t)为惯性导航系 统的***状态变量;F(t)为惯性导航***的***矩阵;C(t)是惯性导航***输 出矩阵;B(t)w(t)为惯性导航***的***过程噪声,D(t)ν(t)为惯性导航***的 量测噪声;其中, 和分别为惯性导 航***中东向、北向和天向加速度计误差,εE,εN和εU分别为东向、北向和天 向陀螺漂移;ν(t)=[νE νN νU]T,νE,νN和νU分别为东向、北向和天向位置观 测噪声。
其中,B(t)w(t)~N(0,Q)和D(t)ν(t)~N(0,R)均为高斯白噪声,Q和R均 为正定的协方差矩阵,
其中,
03×3为维数3×3的零矩阵,I3×3为维数3×3的单位矩阵;
其中为导航坐标系相对惯性坐标系的旋转角速度在导航坐标系 中的表达,ωie为地球自转角速度,ωen为牵连角速度,代表在导航坐标 系下的表示,ωN,ωE,ωU为在北向、东向、天向的分量;RM,RN分别为地 球子午圈和卯酉圈半径;h为无人机距地面高度,代表当地纬度;为载 体坐标系至导航坐标系的姿态转换矩阵,fb为在载体坐标系下惯导所敏感的比 力,vE,vN,vU为载体的运动速度在导航坐标系中的表达;为姿态转换矩 阵;fU,fE,fN分别代表导航坐标系下的比力,符号×代表求取对应向量的 反对称矩阵。
更进一步,所述在载体坐标系下惯导所敏感的比力为[0 0 g]T,g为地球 重力加速度,载体在导航坐标系中的运动速度为0,消防无人机距地面高度为 0,在导航坐标系中导航坐标系相对惯性坐标系的旋转角速度为0,地球自转角 速度为0,地球子午圈和卯酉圈半径为地球半径,一阶、二阶误差量为0。
更进一步,所述,消防无人机的惯性导航***离散误差状态空间数学模型 和步骤3中的位置误差观测值Δp,利用自适应渐消kalman滤波技术可得:
Pk,k-1=λkAPk-1AT+Q (16)
Pk=[I-KkH]Pk,k-1 (19)
λk=max{1,trace(Nk)/trace(Mk)} (22)
其中,代表上一步滤波结果,代表状态一步预测,Pk,k-1代表一 步预测误差方差,Kk代表滤波增益,Pk代表当前步滤波误差方差,Pk-1代表k-1 步的滤波误差方差,Q代表过程噪声的协方差矩阵,R代表量测噪声的协方差 矩阵;I代表对应维度的单位矩阵;λk代表k步的渐消因子,trace代表矩阵的 迹。
本发明的有益效果是:采用了一种基于UWB/MEMS组合导航技术的消防无 人机自主导航***,有效综合了UWB导航***和机载MEMS导航***各自的优 点,在城市环境下依然具有足够准确稳定的无人机位置姿态输出,同时通过采 用自适应渐消kalman滤波方法来应对模型不确定对导航精度带来的不利影 响,保障了消防无人机可以有效完成给定任务。
下面结合附图和实施例对本发明作一详细描述。
附图说明
图1是本发明的***框图;
图2是本发明的***流程图;
图3是本发明的UWB基站布放方式示意图;
图4是现有技术纯惯导解算姿态角误差中的俯仰角偏差。
图5是现有技术纯惯导解算姿态角误差中的偏航角偏差。
图6是现有技术纯惯导解算姿态角误差中的滚转角偏差。
图7是现有技术纯惯导速度误差中的X向误差。
图8是现有技术纯惯导速度误差中的Y向误差。
图9是现有技术纯惯导速度误差中的Z向误差。
图10是现有技术纯惯导位置误差中的X向误差。
图11是现有技术纯惯导位置误差中的Y向误差。
图12是现有技术纯惯导位置误差中的Z向误差。
图13是本发明组合导航***解算姿态角误差中的俯仰角偏差。
图14是本发明组合导航***解算姿态角误差中的偏航角偏差。
图15是本发明组合导航***解算姿态角误差中的滚转角偏差。
图16是本发明组合导航***速度误差中的X向误差。
图17是本发明组合导航***速度误差中的Y向误差。
图18是本发明组合导航***速度误差中的Z向误差。
图19是本发明组合导航***位置误差中的X向误差。
图20是本发明组合导航***位置误差中的Y向误差。
图21是本发明组合导航***位置误差中的Z向误差。
具体实施方式
本发明提供了一种楼宇间导航***,是一种基于UWB/MEMS组合导航技术 的消防无人机自主导航***,通过在楼宇相关位置布设UWB基站及配套设备, 首先构建适用于消防无人机的UWB导航定位***和机载MEMS导航***;进一 步通过自适应渐消kalman滤波技术对UWB导航定位***提供的位置信息与机 载MEMS导航***提供的位姿信息进行数据融合,有效提高了消防无人机导航 ***的精度和鲁棒性。
本发明的导航原理是:根据消防无人机的导航需求,在楼宇相关位置有选 择地布设UWB基站,构建适用于消防无人机的UWB导航定位***;进一步根据 UWB导航定位***和机载MEMS导航***各自***的特点,结合消防无人机的运 行特性,建立起UWB/MEMS组合导航***的状态空间数学模型。使用自适应渐 消kalman滤波方法对两个子导航***的数据进行融合,结合消防无人机的运 动特性设计相关滤波参数,并对导航误差进行在线反馈修正,从而达到提高导 航精度的目的,***框图如图1所示。
具体流程如图2所示,包括以下步骤:
步骤1:对所述UWB定位***和机载MEMS导航***进行***初始化;UWB 定位***的初始化包含:UWB基站的布放,待定位标签在消防无人机上的布 放,各UWB基站与待定位标签之间的时间同步,确定消防无人机在导航坐标系 下的三轴位置信息;UWB定位***可以采用四个UWB基站,通常四个UWB基站 分布在一个矩形楼宇的四个顶角位置,这种方式可以满足在楼宇一侧的导航要 求;但更有效的方式是UWB定位***包括八个所述UWB基站,八个UWB基站 分布在楼宇立方体的八个顶角位置,这种方式可以满足楼宇各个方向的导航要求。机载MEMS导航***的初始化包括:机载MEMS导航***的初始对准,典型 对准方式为,MEMS***所敏感到的加速度计信息为则有:
ψ为偏航角,由***中磁罗盘给出;γ为俯仰角;θ为横滚角;g为地球 重力加速度,(X-Y-Z)在机体坐标系指向依序为右-前-上,在导航坐标系指向 依序为东-北-天。若在楼宇的一侧为无人机导航,可在楼宇一侧的4个顶点设 置4个UWB基站。若要围绕楼宇10为无人机导航,可在楼宇立方体的8个顶 点设置8个UWB基站20。本实施例在楼宇的立方体顶点布置8个UWB基站,如 图3所示。
步骤2:进一步,利用UWB导航***得到当前时刻消防无人机的在导航坐 标系下的三轴位置信息:
步骤3:机载MEMS导航***利用AHRS计算得到当前时刻消防无人机的在 导航坐标系下的三轴位置,速度,姿态信息:
进一步得到UWB 导航***与机载MEMS导航***所提供的在导航坐标系下的三轴位置信息之间 的差值
步骤4,首先对组合导航***误差状态方程进行构建,根据惯性导航*** 的误差方程,确定状态变量为
x(t)=[δpE δpN δpU δvE δvN δvU φE φN φU]T,其中,δpE,δpN,δpU分别为东向、北向、天向位置误差,δvE,δvN,δvU分别是东向、北向、天向 速度误差,φE、φN、φU分别是东、北、天向误差角;建立惯性导航***误差 方程的状态空间数学模型为:
其中,t0是初始时间,x0是初始状态变量,t是时间,x(t)为惯性导航系 统的***状态变量;F(t)为惯性导航***的***矩阵;C(t)是惯性导航***输 出矩阵;B(t)w(t)为惯性导航***的***过程噪声,D(t)ν(t)为惯性导航***的 量测噪声,B(t)w(t)和D(t)ν(t)均为惯性导航***的噪声干扰项;其中, 和分别为东向、北向和天向加速度 计误差,εE,εN和εU分别为东向、北向和天向陀螺漂移;ν(t)=[νE νN νU]T, νE,νN和νU分别为东向、北向和天向位置观测噪声。其中,导航坐标系定义为 东向、北向、天向,机体坐标系定义为右侧、前侧、上方。
不失一般性的假设:B(t)w(t)~N(0,Q)和D(t)ν(t)~N(0,R)均为高斯白噪声, Q和R均为正定的协方差矩阵。可得模型的具体表达形式,如下所示:
B(t)=[I3×3 03×3 03×3],
其中各项详细数学表达如下所示:
03×3为维数3×3的零矩阵,I3×3为维数3×3的单位矩阵。
其中为导航坐标系相对惯性坐标系的旋转角速度在导航坐标系 中的表达,ωie为地球自转角速度,ωen为牵连角速度,代表在导航坐标 系下的表示,ωN,ωE,ωU为在北向、东向、天向的分量;RM,RN分别为地 球子午圈和卯酉圈半径;h为无人机距地面高度,代表当地纬度;为载 体坐标系至导航坐标系的姿态转换矩阵,fb为在载体坐标系下惯导所敏感的比 力,vE,vN,vU为载体的运动速度在导航坐标系中的表达;为姿态转换矩 阵;fU,fE,fN分别代表导航坐标系下的比力,表示的反对称矩 阵,其中的×表示反对称矩阵。
为了改进误差修正***,在载体坐标系下惯导所敏感的比力为[0 0 g]T, g为地球重力加速度,载体在导航坐标系中的运动速度为0,消防无人机距地 面高度为0,在导航坐标系中导航坐标系相对惯性坐标系的旋转角速度为0, 地球自转角速度为0,地球子午圈和卯酉圈半径为地球半径,一阶、二阶误差 量为0。
由于消防无人机具有低速、低空、机动能力有限、姿态角变化幅度较小等 特点,可以做出如下适用于消防无人机的假设用于简化模型:
fb=[00g]T,g为地球重力加速度,vE,vN,vU,h,均设为0,RM,RN均 设为地球半径,且将等一些一阶、二阶误 差量(如)近似为0。
对上述***进行离散化,离散化后的***模型为如下形式:
X(k+1)=AX(k)+W(k) (13)
Z(k)=HX(k)+R(k) (14)
其中,X(k),X(k+1)为离散化后的***状态变量,Z(k)为***的观测值,A 为离散化后的***状态转移矩阵,W(k)为离散化后的***过程噪声,H为量测 矩阵,代表了***的直接量测值,R(k)为离散化后的***量测噪声,UWB基站 越多***量测噪声R可适当减小。
结合上述的消防无人机的惯性导航***离散误差状态空间数学模型和步骤 3中的位置误差观测值Δp,利用自适应渐消kalman滤波技术可得:
Pk,k-1=λkAPk-1AT+Q (16)
Kk=Pk,k-1HT[HPk,k-1HT+R]-1 (17)
Pk=[I-KkH]Pk,k-1 (19)
λk=max{1,trace(Nk)/trace(Mk)} (22)
其中,代表上一步滤波结果,代表状态一步预测,Pk,k-1代表一 步预测误差方差,Kk代表滤波增益,Pk代表当前步滤波误差方差,Pk-1代表k-1 步的滤波误差方差,Q代表过程噪声的协方差矩阵,R代表量测噪声的协方差 矩阵;I代表对应维度的单位矩阵;λk代表k步的渐消因子,trace代表矩阵的 迹。其中,公式20~22为自适应渐消因子计算部分,利用渐消因子加重现时 测量数据在状态估计中的效果,减小陈旧数据的影响,以抑制滤波发散,提升 滤波精度。
利用估计得到的对当前时刻的导航输出做修正,即可得到所述基于 UWB/MEMS组合导航技术的消防无人机自主导航***的位姿输出。
为了更好的说明算法的有效性,图4至图21示出了所述组合导航***进 行的仿真验证。为了更加直观地说明算法的有效性,首先将仅依赖于机载MEMS ***的导航精度做一步说明,机载MEMS***导航误差如图4至图12所示:
图4表示了纯惯导解算姿态角误差中的俯仰角偏差。
图5表示了纯惯导解算姿态角误差中的偏航角偏差。
图6表示了纯惯导解算姿态角误差中的滚转角偏差。
图7表示了纯惯导速度误差中的X向误差。
图8表示了纯惯导速度误差中的Y向误差。
图9表示了纯惯导速度误差中的Z向误差。
图10表示了纯惯导位置误差中的X向误差。
图11表示了纯惯导位置误差中的Y向误差。
图12表示了纯惯导位置误差中的Z向误差。
从上述结果来看,仅依赖于机载MEMS导航***,导航***的姿态误差、 速度误差和位置误差随时间而快速发散,说明仅依赖于机载MEMS导航***的 导航精度是无法满足实际使用要求的。
而采用本发明所述组合导航***,所取得的导航结果(导航误差)如图13 至图21所示:
图13表示了组合导航***解算姿态角误差中的俯仰角偏差。
图14表示了组合导航***解算姿态角误差中的偏航角偏差。
图15表示了组合导航***解算姿态角误差中的滚转角偏差。
图16表示了组合导航***速度误差中的X向误差。
图17表示了组合导航***速度误差中的Y向误差。
图18表示了组合导航***速度误差中的Z向误差。
图19表示了组合导航***位置误差中的X向误差。
图20表示了组合导航***位置误差中的Y向误差。
图21表示了组合导航***位置误差中的Z向误差。
从上述结果来看,通过采用本发明所描述的组合导航***,导航***的姿 态误差、速度误差、位置误差不再随时间而发散,而是被有效的限制在可接受 的范围内,也就是说通过采用本发明的组合导航***可满足实际使用要求,说 明了该组合导航***的有效性。