摘要
随着对煤矿开采需求的增加，露天矿区由浅部采集转向深层开采，矿场逐渐形成阶梯状地表闭合圈的特殊地形。对煤矿运输车辆来说，在狭窄多弯、颠簸不平及扬尘严重的路线行驶时，容易发生侧翻、追尾等事故。因此，提高露天煤矿车辆定位精度对于加强车辆的定位管理至关重要。在露天矿山环境中，单一传感器的定位精度和适用范围受限，考虑到GPS与INS定位系统的互补特性，GPS/INS组合导航系统在矿山定位中备受关注。 为提高露天煤矿运输车辆的定位精度，本文以INS系统为主，GPS系统为辅的松耦合方式建立GPS/INS组合导航系统模型，分别从基于卡尔曼滤波与基于因子图优化这两个方面对组合导航进行研究，主要研究内容如下： 首先，本文选择15维状态量和6维量测量结合推导出的惯性导航系统误差方程，构建系统模型的状态和量测方程；通过惯性传感器的随机误差特性分析对实验所需的系统噪声进行参数辨识；在基于卡尔曼滤波的GPS/INS组合导航系统中，针对矿山颠簸环境定位时存在系统模型异常以及量测噪声的不确定性问题，提出了一种带有噪声估计器的SVD-AUKF算法，通过SVD对协方差矩阵进行分解，抑制滤波过程中的出现的病态矩阵，利用Sage-Husa估计器对量测噪声进行估计，采用自适应因子实时修正系统模型误差。将提出的SVD-AUKF算法应用于建立好的系统模型中，对算法的有效性进行仿真和实测实验验证。在实测实验中，SVD-AUKF算法较主流AUKF算法在三个坐标位置精度提高约50.69%、51.20%、48.54%，速度精度提高约31.24%、33.83%、31.30%，而且对于长短不同、路面颠簸情况不同的序列，算法的滤波效果均有所改进。 其次，在基于因子图优化的GPS/INS组合导航系统中，利用惯性导航系统的更新方程以及误差方程设计出本文所需的因子节点，构建合适的因子图模型；通过IMU预积分提供连续的运动信息并计算优化所需的初始值，将最大后验估计问题变为非线性最小二乘问题求解状态最优估计，实现对组合导航系统的精确定位。对基于SVD-AUKF和基于因子图优化的GPS/INS组合导航系统进行优缺点分析，前者是通过边缘化过去所有时刻状态来估计当前时刻的状态，以获取实时性能，而后者能够保留组合导航系统中所有的历史量测量和状态量，提供更高精度和高鲁棒性的定位结果，但实时性较差。针对以上优缺点，通过将滤波算法与因子图优化算法融合，利用SVD-AUKF算法代替IMU预积分去确定因子图优化所需的初始值，能够有效节省优化时间，实现更高精度的定位。对融合算法的有效性进行仿真和实测实验验证，在实测实验中，融合SVD-AUKF算法后的图优化组合导航算法较传统图优化算法在三个坐标位置精度提高约10.50%、10.82%、7.98%，速度精度提高约15.19%、13.10%、16.80%，提升了组合导航系统的定位效果。
NETL