摘要：针对传统导航系统自主性差、抗电磁干扰能力弱的问题,本文提出一种基于天空光偏振模式的仿生导航方案。利用自主研发的偏振光传感器实现导航定向功能,并结合惯性测量单元设计了一种导航姿态最优化解算方法。现有的姿态最优化求解策略一般是采用步长固定的搜索算法,但是其直接影响了运动状态下姿态估计的准确性,为此本文采取动态步长搜索机制。实验结果表明:本文提出的算法能有效抑制陀螺仪漂移误差,而且对高频噪声干扰有明显滤除效果,表现出良好的静态性能;同时,本文提出的方法较常规算法具有更高的动态精度,进一步提高了偏振光导航系统的稳定性与可靠性,为无人机飞行控制提供更准确的参数信息。

摘要：为进一步提高城市道路断面交通量预测精度,基于城市道路全息感知体系,通过大数据深度挖掘,统计出历史天数全时段交通量,利用RBF神经网络任意逼近拟合特性,构建RBF-ARIMA模型,对城市道路交通交通量进行精准预测,并以典型山城城市重庆市中心城区学府大道为例进行实例验证,结果表明:相较于单一ARIMA模型,RBF- ARIMA模型平均绝对误差下降14.54%,平均相对误差下降18.84%,均方根误差下降12.75%,精度提高较为明显,对城市道路交通量预测有较好的适应性。

摘要：针对现有组合导航系统易被干扰欺骗以及姿态求解精度不足的问题,设计了惯性测量单元(IMU)与偏振光传感器组成的航姿参考系统(AHRS)。同时,考虑到传统的姿态求解方法精度不高,提出了一种用于仿生导航无人机航姿求解的混合滤波方法。将Mahony滤波后的姿态值作为系统观测量,再结合扩展卡尔曼滤波(EKF)实现传感器数据的深层融合,以获得高精度的姿态角信息。实验结果表明:在静态环境下采用混合滤波方法求解的姿态值能有效滤除偏振光传感器和加速度计内部噪声干扰,其稳定性明显优于两种方法各自求解时的情况;在动态实验中该方法能有效抑制单独采用Mahony滤波时存在的超调问题,表现出更高的动态解算精度,从而为偏振光组合导航系统提供了更精确的姿态估计信息。