论文部分内容阅读
随着Internet的发展和普及,基于Internet的有线或无线传感器网络技术已经成为工业和民用领域实现远程监测和控制的重要手段。现有的以RS232/RS485协议以及以工业现场总线为传输手段的多传感器系统已经远远不能满足现代工业系统远程监测和控制的要求,目前,基于Internet的多传感器网络化的监测和控制技术呈现出较高需求态势,特别是物联网技术在中国的迅速发展。因此开发基于Internet的远程监测和控制系统,并能兼容现有的RS232/RS485以及现场总线系统是势在必行的。其次,对于一个复杂的多传感器系统,在进行网络传输之前有必要对多传感器的数据进行融合,以缓解网络系统的负荷。对于基于多传感器系统的智能车辆,以及空天飞行器,最主要的融合手段仍然是卡尔曼滤波技术,但是对于较复杂的系统,随着状态变量维数的增加,集中式卡尔曼滤波算法的计算量会呈指数上升。针对上述情况,本项目给出了相应的解决方案,主要包括以下研究内容:(1)通过对常用的嵌入式Internet实现方法的学习,确定了微处理器结合以太网控制器的设计方案,并根据该方案设计了以ATmeaga128为控制核心,以RTL8019AS为以太网控制芯片的数据转换器。通过对比常用的嵌入式操作系统,确定了以NUT/OS操作系统为开发平台,并在该平台的基础上开发了满足工程需求的数据转换程序。使用该系统用户可以通过Internet实现对现场的监控。(2)对于一个复杂的多传感器系统,在进行网络传输之前有必要对多传感器的数据进行融合,以缓解网络系统的负荷。本文对基于多传感器的分布式信息融合算法进行了研究,主要研究了联邦卡尔曼滤波算法。通过对INS/GPS/SS组合导航系统建模,使用联邦卡尔曼滤波算法对INS,GPS和星敏感器多传感器的数据进行了融合处理,通过仿真实验验证了联邦滤波算法的有效性。(3)其次,针对复杂导航系统中联邦卡尔曼滤波器的各局部滤波器在高维状态变量情况下滤波计算量大的弱点,在各个局部滤波器中使用EM算法,即在EM算法的E步使用卡尔曼滤波算法给出公共状态变量的估计,在EM算法的M步给出各个局部滤波器特有的误差状态变量的更新,M步的更新过程可以和主滤波器进行公共状态变量的融合过程同时进行,从而节省了局部滤波器的滤波时间,最后通过仿真实验验证了该EM-FKF算法在减少计算量方面的优越性。