188宝金博页面版

1 引言 机场泊位引导可保障飞机安全准确停泊 ， 使廊桥能够有效 靠接飞机 。 各类自动引导系统中 ， 基于视觉的泊位系统涉及的 技术较多 ， 易受环境中背景目标及光照影响 。 基于激光测距的 泊位系统容易受监测范围内飞机以外移动目标的影响 。 由此看 出 ， 基于单一 传 感 器的 泊 位 引导 系 统 ， 当传 感 器 工作 遇 到 外界 因素干扰时 ， 系统的可靠性将大大降低 。 本文采用激光和视觉两种传感器融合技术 ， 弥补基于单一 传感器系统的检测易受自身条件限制和外界环境因素影响的不 足 。 提出一种：峡ǘ瞬际 ， 由实时得到的测量值与 前一时刻融合值的差 ， 与设定的阈值进行比较 ， 根据设计的： 图 1 ：峡ǘ瞬ń峁雇 推理系统 （ F I S ） 在线实时调整全局滤波器内各融合信息的权值 。 2.1 系统的数学模型 这样 ， 当系统判断有传感器的测量值发生波动时 ， 融合时对其滤 在 图 1 中 ， 对 于 局 部 滤 波 器 LF1 和 LF 2 ， 线 性 化 后 离 散 系 波值分配的权值就减小 ， 降低波动数据对融合值的影响 。 统的数学模型如下： ? X k ?1 ? AX k ? W k Z k ? HX k ? V k 2 激光与视觉传感器信息融合 （ 1 ） 式中 ， X k 为系统状态向量 ， Z k 为测量向量 ， A 和 H — 状态转移 本文采用两套：评硐低 ， 分别调整融合信息的两个权 矩阵和测量矩阵 ， W k 和 V k — 过程噪声和观测噪声 ， 设二者相互 值 。 ：峡ǘ瞬ń峁雇既缤 1 所示 。 其中 ， 分 独立 ， 且满足如下条件 ： 别为局部滤波器 LF1 和 LF2 的 状 态 滤波 值 和 状态 向 量 的协 方 E ? W k ? ? 0 ， E ? V k ? ? 0 ， E ? V k V ? ? R ? k , j ? ? r R ? ? k , j T j 差阵 ， 为全局滤波器融合后的状态值和协方差 阵 ， c v , c l 分 ?? ? ?别为视觉 和激 光 传 感器 距 离 的测 量 值 与前 一 时 刻系 统 融 合后 ? ? ? ? ? ?? ? ???? ?? ?的距离值的差 ， 与设定的阈值的比值 ， P m 为常规 FKF 全局 融 合 式 中 ： ? k , j — 离 散 的 狄 拉 克 函 数 ， 噪 声 协 方 差 r R — 由 激 光 后的协方差阵 ， ? 1 , ? 2 是信息分配系数 。 由 F I S 分别得到调整系 传感器或视觉传感器所测量距离的准确性决定 。 数 ? ， ? ， 再通过 ? ， ? 调整全局滤波器内各融合信息的权值得到 由于 泊 位飞 机 运 动时 ， 一 般 是沿 直 线 做匀 速 或 匀 变 速 运 最后的融合结果 Xˆ g , P g 。 动 ， 因 此 对 于 局 部 滤 波 器 LF 1 ， 取 状 态 向 量 ? ?? ? — 飞 机 与泊位线之间的距离 ， 相对速度和相对加速度 ， ?? ? ， ? ? ? ?? ? ? ? ?高庆吉 : 教授 博士 文章编号 :1008-0570(2008)10- 3 -0032-03信息融合技术在机场泊位系统中的应用 Application of Information Fusion technology in the Airport Automatic Docking System （ １． 中国民航大学 ； ２． 东北电力大学 ） 高庆吉 1 韩广东 2 陈 浩 2 GAO Qing-ji HAN Gua ng-dong CHEN Ha o 摘要 : 提 出了一种基于：峡 尔曼滤波器的信息融合方法 。 这一方法主要应用于机场泊位系统中 ， 解决基于单一传感 器的引导系统当测量值发生波动时系统可靠性降低的问题 。 该方法通过监视测量值是否发生波动 ， 应用：评硐低车髡 各 局部滤波器输出状态向量的协方差阵 ， 对全局滤波器内各融合信息的权值在线修正 ， 降低波动数据的影响 。 明了该算法对测量值波动情况有较强的鲁棒性 ， 有助于提高机场泊位系统的可靠性 。 关键词 : ：评 ; 联合卡尔曼滤波 ; 泊位引导系统 ; 融合 通 过 实 验 证 中图分类号 : TP391 文献标识码 : A Abstract: This paper presents a novel method based on Fuzzy Federa l Kalman Filtering . This method is mainly used for the Airport Automatic Docking Guidance System to improve the reliability of the system while the measure values of sensors fluctuated. By moni - toring if the measure values are fluctuated, this algorithm modifies the state vector covariance of each local filtering using the Fuzzy Inference System (FIS) to modify the weight of each fusion data online in main filtering, accordingly reduce the disturbance of the fluctuation data. Experiment results prove that this algorithm is feasible to improve the reliability of the system .. Key words: FIS; Federa l Kalman Filtering; Docking Guidance System ; Fusion