一、C.GPS时间测量值(续1)(论文文献综述)
么洪飞[1](2020)在《不确定条件下UUV态势感知、威胁评估与自主决策方法研究》文中认为当前无人水下航行器(UUV)通过携带不同传感器来执行军、民用领域的任务,如情报搜集、反潜战、海洋环境勘察和海底地形测绘等。作为一种无人操控下可自主远程航海与作业的新概念水下智能平台,面向复杂且未知的海洋环境,态势感知、威胁评估与自主决策是UUV无人现场操控下自主作业的关键保证,亦是UUV自主能力的重要体现。因此,研究UUV的态势感知、威胁评估和自主决策的技术问题具有重要的理论研究价值和工程应用意义。本文主要开展以下方面的研究工作:首先,UUV在复杂的海洋环境下执行任务时,传感器受到不同的深度、水温、噪声等因素的影响使检测的感知信息存在不确定性,这种不确定性对UUV的自主作业有着重要影响。根据UUV配置的传感器的种类、测量信息,构建UUV态势感知模型;分析UUV态势感知模型中所存在的潜在不确定事件,利用本体论方法建立不确定事件本体模型,设计触发不确定事件的语义规则,利用规则引擎推理机制更新不确定事件本体模型;将不确定事件本体转换为贝叶斯网络,经贝叶斯网络推理获得不确定事件的影响程度,仿真验证本体论方法的有效性。其次,针对复杂海洋环境下UUV受到威胁时如何有效准确评估的问题,提出基于动态贝叶斯网络的UUV威胁评估算法。根据每一类不确定事件威胁要素的特点进行威胁特征变量的提取,确定动态贝叶斯网络结构;结合专家领域知识和遗传优化算法确定网络参数,解决参数主观性强且推理不准确的问题。通过贝叶斯网络和动态贝叶斯网络的对比,验证动态贝叶斯网络进行不确定推理的优越性和有效性。再次,针对不确定海洋环境下UUV自主动态决策问题,提出基于动态影响图和期望效用理论的自主决策方法。根据威胁评估的结果,在威胁评估动态贝叶斯网络基础上构建了UUV自主决策的动态影响图模型,包括概率模型、决策规则模型和期望效用模型;设计动态影响图的效用计算模型,利用最大期望效用原则获得最优的决策。仿真验证动态影响图用于UUV自主决策的有效性和动态性。最后,根据UUV作业任务需求设计水下区域搜索和巡航两种典型使命任务,按照时间序列仿真设置不确定事件的触发要素,通过仿真验证UUV态势感知、威胁评估与自主决策方法的有效性,仿真结果表明UUV能够在任务执行过程中完成威胁的感知与威胁等级的评估,并可自主生成有效、合理的自主决策策略,可有效保证UUV的作业安全性。
雷戈航[2](2018)在《基于联邦滤波的小型无人机多传感器组合导航系统研究》文中研究表明导航定位技术是无人机执行任务的关键。随着飞行任务愈加复杂化和飞行环境愈加多样化,以及机载传感器自身缺陷与限制,单一导航方式已不能满足日常应用要求。充分利用有限的机载导航传感器设计出能够满足高精度、高容错、低成本要求的无人机组合导航系统,具有重要的研究意义与广阔的发展前景。本文以小型无人机适用的组合导航系统为研究对象,开展了多传感器信息融合技术与组合导航系统设计相关的研究工作。主要研究内容如下:首先,对应用最为广泛的捷联惯性导航系统与全球定位系统(Global Positioning System,GPS)的工作原理与误差来源进行了探究与分析。建立了捷联惯导数学模型并分析了惯导误差来源。基于小型无人机上常用的低精度低成本的微电子机械系统(Micro-Electro-Mechanical Systems,MEMS)惯性器件,通过实际测试并结合Allan方差法进行了误差建模与定量分析。详细阐述了GPS导航原理与误差来源,通过户外对比实验统计了GPS单点定位误差,验证了GPS定位精度易受硬件自身条件、周围卫星信号环境等因素影响。然后,对小型无人机联邦滤波组合导航技术进行了研究。设计了以小型无人机机载传感器为信息来源的联邦卡尔曼滤波组合导航结构,建立了多传感器信息融合数学模型。提出了新的偏移因子和振荡因子两个度量,以此评估局部滤波器性能并动态调整信息分配因子,在此基础上设计了矩阵形式的自适应信息分配算法,实现对各个估计状态独立进行信息分配与融合。之后,通过仿真验证了本文所提自适应信息分配算法与传统方法相比具有一定的优势。建立了组合导航仿真系统并设置了多种不同的仿真条件,仿真结果说明了该方法可实现各个局部滤波器间根据滤波器性能自适应分配信息,及时降低问题滤波器的融合权重,避免污染整个滤波结构,减弱外部干扰的影响。最后,通过户外无人机飞行实验验证了本文所提出的自适应算法的实际适用性和有效性。利用自主研制的六旋翼无人机进行了户外静态实验与动态飞行实验,分别使用本文所提的自适应算法与传统联邦组合导航算法进行导航信息解算,实验结果证明了自适应算法在实际应用中可有效地提升组合导航系统的精确度。
二、C.GPS时间测量值(续1)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、C.GPS时间测量值(续1)(论文提纲范文)
(1)不确定条件下UUV态势感知、威胁评估与自主决策方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 无人系统的自主性问题 |
1.2.2 无人系统态势感知研究现状 |
1.2.3 无人系统威胁评估研究现状 |
1.2.4 无人系统的自主决策研究现状 |
1.3 论文的主要研究内容和组织结构 |
第2章 基于本体论的UUV态势感知研究 |
2.1 引言 |
2.2 构建UUV态势感知模型 |
2.2.1 海洋环境感知模型及信息不确定性分析 |
2.2.2 UUV平台状态感知模型及信息不确定性分析 |
2.2.3 UUV任务状态感知模型及信息不确定性分析 |
2.3 构建UUV态势感知不确定事件本体模型 |
2.3.1 基于态势感知信息确定不确定事件 |
2.3.2 构建不确定事件本体 |
2.3.3 确定UUV不确定事件本体概念及概念间的关系 |
2.3.4 确定UUV不确定事件本体结构 |
2.4 基于SWRL规则的不确定事件本体推理 |
2.4.1 UUV不确定事件本体的SWRL规则 |
2.4.2 基于SWRL规则的本体推理机制 |
2.5 UUV态势感知不确定事件的检测 |
2.5.1 UUV不确定事件的描述 |
2.5.2 UUV不确定事件的实例 |
2.5.3 UUV不确定事件本体的概率扩展 |
2.5.4 UUV不确定事件检测的结果 |
2.6 基于BN的UUV不确定事件的推理 |
2.6.1 BN理论基础 |
2.6.2 UUV不确定事件本体的BN转换 |
2.6.3 仿真验证与结果分析 |
2.7 本章小结 |
第3章 基于动态贝叶斯网络的UUV威胁评估方法研究 |
3.1 引言 |
3.2 基于BN的UUV威胁评估模型构建与验证 |
3.2.1 UUV威胁评估问题分析 |
3.2.2 提取不确定事件的威胁特征要素 |
3.2.3 基于专家知识构建BN结构 |
3.2.4 基于专家知识和GA优化BN参数 |
3.2.5 不确定条件下UUV威胁评估BN模型验证 |
3.3 不确定条件下基于DBN的 UUV威胁评估模型构建与验证 |
3.3.1 基于DBN的 UUV威胁评估模型构建 |
3.3.2 基于DBN的 UUV威胁评估模型推理 |
3.3.3 基于DBN的 UUV威胁评估模型验证 |
3.4 不确定条件下基于DBN和BN的威胁评估仿真分析 |
3.4.1 环境感知类威胁评估DBN和BN模型仿真对比 |
3.4.2 平台状态类威胁评估DBN和BN模型仿真对比 |
3.4.3 任务状态类威胁评估DBN和BN模型仿真对比 |
3.5 本章小结 |
第4章 基于动态影响图的UUV自主决策方法研究 |
4.1 引言 |
4.2 不确定条件下UUV自主决策问题分析与决策预案 |
4.3 不确定条件下基于DID构建UUV自主决策模型 |
4.3.1 基于DID研究的可行性分析 |
4.3.2 构建UUV自主决策的DID模型 |
4.4 DID的期望效用计算模型设计 |
4.5 不确定条件下基于DID的 UUV自主决策仿真与验证 |
4.5.1 无任何威胁事件案例的仿真验证和结果分析 |
4.5.2 目标物威胁事件案例的仿真验证和结果分析 |
4.5.3 能源余量威胁事件案例的仿真验证和结果分析 |
4.5.4 多种威胁事件案例的仿真验证和结果分析 |
4.5.5 DID与专家系统仿真对比分析 |
4.5.6 综合结论 |
4.6 本章小结 |
第5章 不确定条件下UUV感知评估与决策综合仿真验证 |
5.1 引言 |
5.2 区域搜索使命任务案例的仿真过程与结果分析 |
5.2.1 区域搜索使命任务案例的仿真设计 |
5.2.2 UUV态势感知不确定事件的触发 |
5.2.3 基于DBN的 UUV不确定事件威胁评估 |
5.2.4 基于DID的 UUV自主决策 |
5.3 海域巡航使命任务案例的仿真过程与结果分析 |
5.3.1 海域巡航使命任务案例的仿真设计 |
5.3.2 UUV态势感知不确定事件触发 |
5.3.3 基于DBN的 UUV不确定事件威胁评估 |
5.3.4 基于DID的 UUV自主决策 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(2)基于联邦滤波的小型无人机多传感器组合导航系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外相关研究发展概况 |
1.2.1 导航技术发展概况 |
1.2.2 小型无人机及其导航技术概况 |
1.2.3 组合导航技术研究现状 |
1.2.4 现有研究存在的问题 |
1.3 论文主要内容和章节安排 |
第2章 捷联惯导与GPS导航原理及误差分析 |
2.1 导航中常用概念与定义 |
2.1.1 常用坐标系定义 |
2.1.2 常用坐标系之间转换关系 |
2.2 捷联惯性导航系统原理 |
2.2.1 捷联惯性导航系统的导航算法 |
2.2.2 捷联惯性导航系统误差来源 |
2.3 基于Allan方差法的MEMS惯性传感器误差实测与分析 |
2.3.1 Allan方差的定义与MEMS惯性器件误差分析 |
2.3.2 低成本MEMS陀螺仪和加速度计误差实测与分析 |
2.4 GPS导航系统原理 |
2.4.1 GPS系统的组成及其定位原理 |
2.4.2 GPS误差分析 |
2.5 GPS实测数据分析 |
2.5.1 实验基本条件 |
2.5.2 实验结果与分析 |
2.6 本章小结 |
第3章 基于联邦滤波器的多传感器组合导航系统 |
3.1 卡尔曼滤波基本原理 |
3.1.1 卡尔曼滤波算法步骤 |
3.1.2 卡尔曼滤波影响因素 |
3.2 联邦卡尔曼滤波 |
3.2.1 联邦卡尔曼滤波结构模型 |
3.2.2 联邦卡尔曼滤波算法步骤 |
3.3 INS/GPS/磁力计/光流计/气压计联邦滤波结构与模型建立 |
3.3.1 INS/GPS/磁力计/光流传感器/气压计组合导航系统结构 |
3.3.2 INS/GPS/磁力计/光流传感器/气压计组合导航系统滤波模型 |
3.4 改进的自适应信息分配组合导航算法设计 |
3.4.1 衡量滤波器性能的偏移因子和振荡因子的提出 |
3.4.2 自适应信息分配因子算法设计 |
3.5 本章小结 |
第4章 多传感器组合导航系统仿真分析 |
4.1 组合导航仿真系统设计 |
4.2 仿真系统设置 |
4.2.1 INS/GPS/磁力计/光流计/气压计自适应联邦滤波系统结构 |
4.2.2 仿真飞行轨迹设计 |
4.2.3 仿真初始条件与误差设置 |
4.3 仿真结果及分析 |
4.3.1 纯捷联惯性导航仿真 |
4.3.2 正常飞行环境下仿真结果及分析 |
4.3.3 GPS失效情况下仿真结果及分析 |
4.3.4 强磁力计干扰环境中仿真结果及分析 |
4.3.5 低光照环境中仿真结果及分析 |
4.4 仿真结果对比与总结 |
4.5 本章小结 |
第5章 基于小型旋翼无人机的组合导航方法实验验证 |
5.1 小型旋翼无人机实验平台软硬件设计 |
5.2 实验场地与实验准备 |
5.2.1 实验场地说明 |
5.2.2 MEMS加速度计校正 |
5.2.3 MEMS地磁力计校正 |
5.3 室外实验结果及分析 |
5.3.1 静态实验 |
5.3.2 动态飞行实验 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
附录 |
发表论文和科研情况说明 |
致谢 |
四、C.GPS时间测量值(续1)(论文参考文献)
- [1]不确定条件下UUV态势感知、威胁评估与自主决策方法研究[D]. 么洪飞. 哈尔滨工程大学, 2020(04)
- [2]基于联邦滤波的小型无人机多传感器组合导航系统研究[D]. 雷戈航. 天津大学, 2018(06)