CN115790580A - 基于变分贝叶斯自适应滤波的直升机着舰相对导航方法 - Google Patents
基于变分贝叶斯自适应滤波的直升机着舰相对导航方法 Download PDFInfo
- Publication number
- CN115790580A CN115790580A CN202211439939.9A CN202211439939A CN115790580A CN 115790580 A CN115790580 A CN 115790580A CN 202211439939 A CN202211439939 A CN 202211439939A CN 115790580 A CN115790580 A CN 115790580A
- Authority
- CN
- China
- Prior art keywords
- relative
- navigation
- ship
- prediction
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Navigation (AREA)
Abstract
本发明属于相对导航与组合导航领域,涉及基于变分贝叶斯自适应滤波的直升机着舰相对导航方法。该方法包括:基于直升机和舰船之间的相对运动建立系统的相对惯性导航方程,以视觉传感器测量的机载导航相机与舰船上光标点间的相对视线矢量作为量测建立量测方程;从而建立惯性/视觉相对导航系统模型;利用变分贝叶斯自适应容积卡尔曼滤波对惯性导航和视觉导航系统输出的信息进行滤波融合,同时对相对导航系统状态和视觉量测噪声协方差进行估计,以得到精确的舰机相对位置、速度和姿态信息。
Description
技术领域
本发明属于相对导航与组合导航领域,涉及基于变分贝叶斯自适应滤波的直升机着舰相对导航方法。
背景技术
直升机具有垂直起降、可定点悬停、低空飞行、机动灵活、无需专用机场/滑行跑道等特点,在海战中可用于执行空中预警、反潜反舰、远程打击、战场监视与侦查等多种任务,已然成为海上武器装备的一个重要种类。舰载直升机得以成功大范围应用的重要前提是解决舰载直升机的着舰问题。为了保证直升机顺利在不断运动的舰船上顺利自主着陆,精确的舰机相对导航信息是必不可少的。
惯性/视觉组合相对导航是一种无需与外界进行信息交互而可以提供舰机间相对位置、速度和姿态信息的方法。该方法以机载和舰载惯性导航系统输出为基础建立舰机相对惯性模型,基于机载导航相机对安装在舰船上的光标点进行测量,通过容积卡尔曼滤波等非线性滤波方法对惯性传感器数据和导航相机测量的相对视线矢量信息进行融合,从而估计出舰机间的相对位置、速度和姿态。传统的相对导航方法需要精确的传感器量测噪声统计特性来设计相对导航滤波器,但是在实际系统中,视觉传感器的量测噪声统计特性往往是未知的。在这种情况下,传统的相对导航方法估计精度急剧下降甚至出现发散现象。
发明内容
本发明的目的:为了解决现有惯性/视觉组合相对导航方法在视觉量测噪声统计特性先验信息不足情况下导航精度差的问题,提出了基于变分贝叶斯自适应滤波的直升机着舰相对导航方法。
本发明的技术方案:
基于变分贝叶斯自适应滤波的直升机着舰相对导航方法,包括:
基于直升机和舰船之间的相对运动建立系统的相对惯性导航方程,以视觉传感器测量的机载导航相机与舰船上光标点间的相对视线矢量作为量测建立量测方程;从而建立惯性/视觉相对导航系统模型;
利用变分贝叶斯自适应容积卡尔曼滤波对惯性导航和视觉导航系统输出的信息进行滤波融合,同时对相对导航系统状态和视觉量测噪声协方差进行估计,以得到精确的舰机相对位置、速度和姿态信息;
其中,变分贝叶斯自适应容积卡尔曼滤波器是将系统状态和量测噪声协方差联合分布建模为高斯分布×逆威舍特分布形式,根据变分贝叶斯理论获得系统状态和量测噪声协方差递推模型,采用三阶球面-径向容积准则计算非线性系统中高斯加权积分,通过高斯-牛顿迭代法获得系统状态和量测噪声协方差的估计值,构建得到的。
基于直升机和舰船之间的相对运动建立系统的相对惯性导航方程,以视觉传感器测量的机载导航相机与舰船上光标点间的相对视线矢量作为量测建立量测方程,包括:
建立相对姿态运动方程、相对质心运动方程;
相对姿态运动方程为:
相对质心运动方程为:
和分别为的一、二阶导,I为惯性坐标系,为直升机本体系相对于惯性坐标系I的角速度在h系下的表示,为的二阶导,为的二阶导,为直升机相对于舰船的位置矢量在直升机本体系下的表示,和分别为直升机和舰船在惯性坐标系中的位置矢量在惯性坐标系下的表示,表示惯性坐标系至直升机本体系的姿态转换矩阵;
相对视线矢量作为量测建立量测方程为:
其中,为相机坐标系至直升机本体系的姿态转换矩阵;bs为单位视线矢量;光标点在舰船上的位置为[xws yws zws]T(s=1,2,…,Ns),Ns为光标点数,[x y z]T为直升机与舰船之间的相对位置矢量
利用变分贝叶斯自适应容积卡尔曼滤波对惯性导航和视觉导航系统输出的信息进行滤波融合,同时对相对导航系统状态和视觉量测噪声协方差进行估计,以得到精确的舰机相对位置、速度和姿态信息,包括:
(1)选择相对导航系统状态向量;
采用三参数罗德里格斯参数表示姿态偏差来传播和更新相对姿态四元数,定义状态矢量xk为:
(2)计算经相对惯性导航模型传播后的导航状态;
将k-1时刻罗德里格斯参数转换成相对姿态四元数偏差;
根据k-1时刻估计的相对姿态四元数和相对姿态四元数误差得到:
其中,
(3)融合视觉相对视线矢量信息得到修正后的相对导航状态;
按下式计算修正后的相对姿态:
利用视觉导航量测信息和量测预测修正系统状态,包括:
高斯-牛顿迭代过程如下:
其中,j=1,2,…,Nd,Nd是迭代次数;
计算第j次迭代量测噪声协方差更新所需的容积点:
用最终迭代值对系统状态及其协方差、逆尺度矩阵进行赋值,即
一种计算机可读的存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任一所述的方法。
本发明的有益效果:
本发明针对直升着舰过程中惯性/视觉组合相对导航的视觉量测噪声统计特性未知或先验信息不足情况,设计了基于变分贝叶斯自适应容积卡尔曼滤波的直升机着舰相对导航系统,将变分贝叶斯理论和三阶球面-径向容积准则相结合以估计视觉量测噪声协方差,用于调节导航滤波器增益,提高导航系统对视觉量测信息的使用精度,从而有效提高直升机着舰相对导航精度。
附图说明
图1是直升机自主着舰系统示意图。
图2是直升机和舰船运动轨迹图。
图3是采用本发明方法估计的Rk(1,1)与真实值对比图。
图4是采用本发明方法和传统方法估计的相对导航位置误差对比图。
图5是采用本发明方法和传统方法估计的相对导航速度误差对比图。
图6是采用本发明方法和传统方法估计的相对导航姿态误差对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将结合附图对本发明作进一步的详细说明。
基于变分贝叶斯自适应滤波的直升机着舰相对导航方法,包括:
基于直升机和舰船之间的相对运动建立系统的相对惯性导航方程,以视觉传感器测量的机载导航相机与舰船上光标点间的相对视线矢量作为量测建立量测方程;从而建立惯性/视觉相对导航系统模型;
利用变分贝叶斯自适应容积卡尔曼滤波对惯性导航和视觉导航系统输出的信息进行滤波融合,同时对相对导航系统状态和视觉量测噪声协方差进行估计,以得到精确的舰机相对位置、速度和姿态信息;
其中,变分贝叶斯自适应容积卡尔曼滤波器是将系统状态和量测噪声协方差联合分布建模为高斯分布×逆威舍特分布形式,根据变分贝叶斯理论获得系统状态和量测噪声协方差递推模型,采用三阶球面-径向容积准则计算非线性系统中高斯加权积分,通过高斯-牛顿迭代法获得系统状态和量测噪声协方差的估计值,构建得到的。
本发明的基于变分贝叶斯自适应滤波的直升机着舰相对导航方法,包括以下几个步骤:
1.惯性/视觉相对导航系统建模:定义相对姿态四元数,给出相对姿态运动方程,定义相对位置矢量,给出相对质心运动方程,建立相对惯性导航模型;以机载导航相机和舰面光标点间的相对视线矢量为量测信息建立视觉导航系统量测模型。
(1)建立相对惯性导航模型
①相对姿态运动方程
采用四元数表示姿态,定义相对姿态四元数qh|w为:
其中,qh和qw分别直升机和舰船的姿态四元数。
相对姿态微分方程为:
②相对质心运动方程
相对位置表示为:
其中,为直升机相对于舰船的位置矢量在直升机本体系下的表示,I为惯性坐标系,和分别为直升机和舰船在惯性坐标系中的位置矢量在各自本体系下的表示,和分别为直升机和舰船在惯性坐标系中的位置矢量在惯性坐标系下的表示,为舰船本体系至直升机本体系的姿态转换矩阵,表示惯性坐标系至直升机本体系的姿态转换矩阵。
对式(4)求二阶导,得到
(2)视觉导航系统量测模型
如图1所示视觉导航系统主要包括两部分,其一为视觉导航相机,其二为光标点,并且这两部分分别安装在直升机和舰船甲板上;因此,视觉导航相机的测量值为直升机与舰船之间的相对视线矢量。光标点在舰船上的位置为[xws yws zws]T(s=1,2,…,Ns),[x yz]T为直升机与舰船之间的相对位置矢量则单位视线矢量为
将量测表示成关于状态向量函数的形式
其中,z是量测向量,h(x)是非线性量测函数,v是量测噪声。
2.基于三阶球面-径向容积准则和变分贝叶斯理论构建变分贝叶斯自适应容积卡尔曼滤波器。
(1)三阶球面-径向容积准则
其中,f(x)是非线性函数,n为系统状态x维数,N为积分点数目。
采用三阶球面-径向容积准则,共有N=2n个积分点,每个容积点及权重为:
(2)变分贝叶斯滤波理论
将系统状态和量测噪声协方差联合先验分布近似为:
通过选择式(12)所表示的联合先验分布形式,并且确保联合预测分布为高斯-逆威舍特分布,那么联合后验分布的形式也将与联合先验和预测分布一样。根据Chapman–Kolmogorov方程,系统状态xk的预测分布可以按下式计算
量测噪声协方差预测
选择式(15)和(16)中R的传播模型可以保证量测噪声协方差依然是逆威舍特分布。
系统状态和量测噪声协方差的预测分布是相互独立的,联合预测分布可以写为:
根据xk和Rk是独立的假设,联合后验分布可以表示为自由形式的变分贝叶斯近似
p(xk,Rk|z1:k)≈qx(xk)qR(Rk) (18)
其中,qx(xk)和qR(Rk)分别是高斯分布和逆威舍特分布。通过最小化Kullback-Leibler散度可以获得变分贝叶斯近似形式:
qx(xk)∝exp(∫logp(zk,xk,Rk∫z1:k-1)qR(Rk)dRk) (19)
qR(Rk)∝exp(∫logp(zk,xk,Rk|z1:k-1)qx(xk)dxk) (20)
式(19)和(20)中的指数函数积分可以写为:
其中,<·>x=∫(·)qx(xk)dxk可以根据三阶球面-径向容积准则计算,tr{A}是矩阵A的迹,C1和C2是常数。将式(21)和(22)分别代入式(19)和(20)中,比较式(19)和(20)等号左右两边的相关项,可以得到
由于系统状态和量测噪声协方差更新过程是耦合的,因此将采用高斯-牛顿迭代法(定点迭代)进行求解。
(3)变分贝叶斯自适应容积卡尔曼滤波算法的基本步骤
状态估计初值及其协方差初始化:
量测噪声协方差分布自由度参数和逆尺度矩阵初始化:
对于k=1,2,3,…运行如下步骤:
计算状态预测所需容积点χi,k-1/k-1;
计算状态更新所需容积点
计算量测预测值:
高斯-牛顿迭代过程如下:
其中,j=1,2,…,Nd,Nd是迭代次数。
计算第j次迭代的量测噪声协方差更新所需的容积点
用最终迭代值对系统状态及其协方差、逆尺度矩阵进行赋值,即
3.利用变分贝叶斯自适应容积卡尔曼滤波估计相对导航系统状态和视觉量测噪声协方差,为直升机着舰提供精确的舰机相对位置、速度和姿态信息。
(1)相对导航系统状态向量选择
由于直接用四维相对姿态四元数表示只有三个自由度的姿态进行滤波将导致状态协方差不满秩,因此本发明采用三参数罗德里格斯参数表示相对姿态偏差来传播和更新相对姿态四元数,定义状态矢量为:
(2)计算经相对惯性导航模型传播后的导航状态
将k-1时刻罗德里格斯参数转换成相对姿态四元数偏差
根据k-1时刻估计的相对姿态四元数和相对姿态四元数误差得到:
其中
计算传播后的相对姿态四元数误差
由传播后的相对姿态四元数误差计算传播后的罗德里格斯参数
根据罗德里格斯参数预测位置预测速度预测加速度计偏移预测和陀螺仪偏移预测根据式(38)和(39)计算得到经相对惯性导航模型传播后的状态及其协方差Pk/k-1;同时根据式(40)和(41)可得用于计算量测噪声协方差阵所需变量自由度参数预测和逆尺度矩阵预测
(3)融合视觉相对视线矢量信息得到修正后的相对导航状态
计算量测预测
将式(65)代入式(43)~(52)得到利用视觉导航信息修正的系统状态。
按下式计算修正后的相对姿态
下面通过数学仿真来说明本发明方法的效果:
如图2所示直升机从距离舰船105m高处开始进行相对导航,引导直升机至舰船正上方5m处结束;舰船以0.2m/s的速度匀速直线运动。7个光标点在舰船甲板上的分布如图1所示,惯性和视觉传感器的偏差相关参数以及变分贝叶斯自适应容积卡尔曼滤波(VBACKF)算法参数初值如表1所示。
表1惯性和视觉传感器偏差参数
由于视觉量测噪声的统计特性未知,基于容积卡尔曼滤波(CKF)的相对导航滤波器的量测噪声协方差阵Rk设置为
图3为VBACKF估计的量测噪声协方差与实际量测噪声协方差值的比较图。图4~图6是基于CKF和VBACKF算法的直升机着舰相对导航系统100次蒙特卡洛打靶仿真三维相对位置、速度、姿态均方根误差的比较结果。仿真结果表明,基于VBACKF的相对导航精度远高于基于CKF的导航精度,这是由于VBACKF具有自适应性,即其可在线估计量测噪声协方差阵用于调节滤波增益;基于VBACKF的惯性/视觉相对导航能够有效提高着陆段舰机间的相对导航精度,显著提高直升机着舰过程的安全性。
以上所述,仅为本发明的具体实施例,对本发明进行详细描述,未详尽部分为常规技术。但本发明的保护范围不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.基于变分贝叶斯自适应滤波的直升机着舰相对导航方法,其特征在于,包括:
基于直升机和舰船之间的相对运动建立系统的相对惯性导航方程,以视觉传感器测量的机载导航相机与舰船上光标点间的相对视线矢量作为量测建立量测方程;从而建立惯性/视觉相对导航系统模型;
利用变分贝叶斯自适应容积卡尔曼滤波对惯性导航和视觉导航系统输出的信息进行滤波融合,同时对相对导航系统状态和视觉量测噪声协方差进行估计,以得到精确的舰机相对位置、速度和姿态信息;
其中,变分贝叶斯自适应容积卡尔曼滤波器是将系统状态和量测噪声协方差联合分布建模为高斯分布×逆威舍特分布形式,根据变分贝叶斯理论获得系统状态和量测噪声协方差递推模型,采用三阶球面-径向容积准则计算非线性系统中高斯加权积分,通过高斯-牛顿迭代法获得系统状态和量测噪声协方差的估计值,构建得到的。
2.根据权利要求1所述的方法,其特征在于,基于直升机和舰船之间的相对运动建立系统的相对惯性导航方程,以视觉传感器测量的机载导航相机与舰船上光标点间的相对视线矢量作为量测建立量测方程,包括:
建立相对姿态运动方程、相对质心运动方程;
相对姿态运动方程为:
相对质心运动方程为:
和分别为的一、二阶导,I为惯性坐标系,为直升机本体系相对于惯性坐标系I的角速度在h系下的表示,为的二阶导,为的二阶导,为直升机相对于舰船的位置矢量在直升机本体系下的表示,和分别为直升机和舰船在惯性坐标系中的位置矢量在惯性坐标系下的表示,表示惯性坐标系至直升机本体系的姿态转换矩阵;
相对视线矢量作为量测建立量测方程为:
3.根据权利要求2所述的方法,其特征在于,利用变分贝叶斯自适应容积卡尔曼滤波对惯性导航和视觉导航系统输出的信息进行滤波融合,同时对相对导航系统状态和视觉量测噪声协方差进行估计,以得到精确的舰机相对位置、速度和姿态信息,包括:
(1)选择相对导航系统状态向量;
采用三参数罗德里格斯参数表示姿态偏差来传播和更新相对姿态四元数,定义状态矢量xk为:
(2)计算经相对惯性导航模型传播后的导航状态;
将k-1时刻罗德里格斯参数转换成相对姿态四元数偏差;
根据k-1时刻估计的相对姿态四元数和相对姿态四元数误差得到:
其中,
(3)融合视觉相对视线矢量信息得到修正后的相对导航状态;
按下式计算修正后的相对姿态:
8.一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439939.9A CN115790580A (zh) | 2022-11-17 | 2022-11-17 | 基于变分贝叶斯自适应滤波的直升机着舰相对导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439939.9A CN115790580A (zh) | 2022-11-17 | 2022-11-17 | 基于变分贝叶斯自适应滤波的直升机着舰相对导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115790580A true CN115790580A (zh) | 2023-03-14 |
Family
ID=85438473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211439939.9A Pending CN115790580A (zh) | 2022-11-17 | 2022-11-17 | 基于变分贝叶斯自适应滤波的直升机着舰相对导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115790580A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222582A (zh) * | 2023-05-10 | 2023-06-06 | 北京航空航天大学 | 一种基于变分贝叶斯推断多物理场自适应组合导航方法 |
CN116255988A (zh) * | 2023-05-11 | 2023-06-13 | 北京航空航天大学 | 一种基于舰船动力学组合导航复合抗干扰自适应滤波方法 |
-
2022
- 2022-11-17 CN CN202211439939.9A patent/CN115790580A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222582A (zh) * | 2023-05-10 | 2023-06-06 | 北京航空航天大学 | 一种基于变分贝叶斯推断多物理场自适应组合导航方法 |
CN116222582B (zh) * | 2023-05-10 | 2023-07-25 | 北京航空航天大学 | 一种基于变分贝叶斯推断多物理场自适应组合导航方法 |
CN116255988A (zh) * | 2023-05-11 | 2023-06-13 | 北京航空航天大学 | 一种基于舰船动力学组合导航复合抗干扰自适应滤波方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115790580A (zh) | 基于变分贝叶斯自适应滤波的直升机着舰相对导航方法 | |
CN109655066B (zh) | 一种基于Q(λ)算法的无人机路径规划方法 | |
CN110109470B (zh) | 基于无迹卡尔曼滤波的联合定姿方法、卫星姿态控制系统 | |
CN108227735B (zh) | 基于视觉飞行自稳定的方法、计算机可读介质和系统 | |
Wu | Coordinated path planning for an unmanned aerial-aquatic vehicle (UAAV) and an autonomous underwater vehicle (AUV) in an underwater target strike mission | |
Mammarella et al. | Machine vision/GPS integration using EKF for the UAV aerial refueling problem | |
JP2931348B2 (ja) | 慣性空間中の目標の位置および速度を決定する方法およびシステム | |
CN107014376B (zh) | 一种适用于农业机械精准作业的姿态倾角估计方法 | |
Wang et al. | On vision-based target tracking and range estimation for small UAVs | |
Kim et al. | Development of an electro-optical system for small UAV | |
Gur fil et al. | Partial aircraft state estimation from visual motion using the subspace constraints approach | |
CN112498744B (zh) | 纵横向松耦合在线轨迹规划方法及电子设备 | |
CN113295162A (zh) | 基于无人机状态信息的广义因子图融合导航方法 | |
CN115265532A (zh) | 一种用于船用组合导航中的辅助滤波方法 | |
Cho et al. | Autonomous ship deck landing of a quadrotor UAV using feed-forward image-based visual servoing | |
CN113268074A (zh) | 一种基于联合优化的无人机航迹规划方法 | |
CN107957686B (zh) | 基于预见控制的无人直升机自动着舰控制系统 | |
Lin et al. | Design of anti-interference system for fully autonomous UAV based on ADRC-EKF algorithm | |
Cristofalo et al. | Vision-based control for fast 3-d reconstruction with an aerial robot | |
CN113587926A (zh) | 一种航天器空间自主交会对接相对导航方法 | |
Kawamura | Integrated targeting, guidance, navigation, and control for unmanned aerial vehicles | |
Emter et al. | Stochastic cloning for robust fusion of multiple relative and absolute measurements | |
CN117369507A (zh) | 一种自适应粒子群算法的无人机动态路径规划方法 | |
Liu et al. | Multi-UAV cooperative navigation algorithm based on federated filtering structure | |
Wu et al. | Improved EKF-SLAM algorithm of unmanned helicopter autonomous landing on ship |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |