SINS/GPS/CNS组合导航在高超声速巡航飞行器上的应用

本文简单介绍了高超声速飞行器,并通过分析目前应用较为普遍组合导航方式,提出了采用SINS/GPS/CNS组合导航作为高超声速巡航导弹的中段制导方案.本文采用四元数法进行SINS计算,并运用联邦滤波的方法对组合导航进行了仿真.仿真程序是在轨迹发生器产生高超声速巡航飞行器飞行轨迹及相关参数的基础上进行的,仿真结果表明了高超声速巡航飞行器中制导采用SINS/GPS/CNS组合导航系统的可行性.     

基于高斯伪谱法的高超声速飞行器再入制导研究

针对高超声速飞行器再入标准轨迹制导方法中存在的制导准备周期长、弹上需存储标准轨迹参数、制导鲁棒性较差等缺点,提出一种基于高斯伪谱法与滚动时域控制技术相结合的高超声速飞行器再入预测-校正制导方案;其中,在线高斯伪谱法采用纵/侧向结合、全程一体化的制导算法思路,实现了对高超声速飞行器再入弹道的全程预测制导;同时结合滚动时域控制技术从工程上实现了高超声速飞行器再入制导中对开环制导信息的闭环应用,完成了飞行器预测-校正制导方案;通过对高超声速飞行器再入制导过程进行仿真分析,结果表明应用文章设计的基于高斯伪谱法与滚动时域控制技术相结合的高超声速飞行器再入预测-校正制导方案,飞行器再入过程中具有良好的制导性能。     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

采用高抛弹道的反临拦截器制导律设计

高超声速武器拦截由于相对速度极快,机动能力、速度均不占优势,因此需要进行高精度的中、末制导研究。本文以临近空间高超声速巡航飞行器为拦截对象,提出了采用高抛弹道拦截的设计思路,针对临近空间飞行器的弹道特征和机动性能,设计高抛弹道的初、中、末复合制导律,并对目标进行不同机动模式的拦截效果进行分析,仿真结果表明,基于高抛弹道的拦截器能够有效拦截巡航类高超声速临近空间目标。     

极区机载SINS/CNS组合导航算法研究

针对极区“两高两低三复杂”特殊地理环境下,单独使用惯性导航系统无法满足载机全球长航时自主飞行导航精度要求的问题,提出基于格网框架的极区捷联惯性导航系统(SINS) / 天文导航系统(CNS)组合导航方案,并对SINS/CNS组合导 航系统在中低纬度与极区环境下的飞行进行仿真分析。仿真结果表明:中低纬度地区SINS/CNS组合方案同极区SINS/CNS组合方案导航精度基本一致,而且SINS/CNS组合导航在精度和性能等方面明显优于单独子系统,组合导航系统不仅有效抑制了陀螺漂移引起的误差,并且及时修正了系统输出的各项导航参数。     

基于粒子群的高超声速飞行器闭环制导研究

对于高超声速飞行器的研究来说,凭借其超高的飞行速度和飞行高度,能够在短时间内飞行更远的距离。为了达到作战要求,需要规划整个飞行轨迹,而最为重要的便是上升段的制导问题。本文以X-33高超声速飞行器模型为研究对象,提出基于粒子群算法的闭环制导策略,实时修正飞行轨迹,使飞行器最终准确到达目标位置;并对该方法的可靠性进行了仿真验证。仿真结果表明,基于粒子群算法的闭环制导策略优化精度高,物理概念明确,能满足高超声速飞行器上升段的闭环制导需求。     

基于GPS/SINS/里程计的车载组合导航研究

GPS/SINS组合导航系统虽然能很好地解决惯导系统的误差累积问题,但当GPS信号失效时,GPS/SINS组合导航系统不能正常工作或导航能力急剧降低。为提高车载松组合导航系统的精度和完整性,提出在GPS失效时采用OD(里程计)辅助SINS实现导航,推导出所需的GPS/SINS组合导航滤波方程和OD/SINS组合导航滤波方程,并进行地面车载试验。实验结果显示在GPS短时失效时,OD/SINS组合导航具有较高导航精度。     

SINS/GPS组合导航系统Kalman滤波仿真研究

为提高捷联惯导系统SINS和全球定位系统GPS的精度和可靠性,研究了SINS和GPS的原理,建立了SINS/GPS系统的状态方程和位置速度误差量测方程;并采用卡尔曼滤波算法实现了SINS/GPS的组合导航.Matlab仿真结果证明,采用Kalman滤波实现SINS/GPS组合导航,其精度得到大大提高;且采用SINS/GPS组合导航系统,克服了SINS惯性导航难以长时间独立工作的缺点,解决了GPS易失锁、难以实时控制的不足,保证了导航系统的实时性及较高的精度和可靠性.     

基于SINS/GPS/DVL组合导航定位半实物仿真系统研究

为了满足水下航行远航程和长时间的要求,远航程自主水下航行器(AUV)采用以SINS导航为主、DVL导航为辅、卫星导航定期修正的方式来提高导航的精度和可靠性;文中研究了一种采用惯性测量器件(IMU)、GPS卫星定位导航模拟器、GPS接收机、多普勒测速仪仿真装置、ADI/RTS仿真工作站和水压模拟器构成的采用SINS/GPS/DVL组合导航方式的AUV导航半实物仿真系统,并进行了全航程仿真实验;仿真试验的结果表明,所设计的半实物仿真系统方案可行,可用于更高置信度的AUV组合导航仿真实验。     

惯性基高精度组合导航方法研究与仿真

研究了一种基于捷联惯性导航系统(SINS)的高精度组合导航方法;选取SINS的系统误差作为组合导航系统状态,利用天文导航系统(CNS)输出的姿态矩阵和SINS输出信息计算得到的等效姿态矩阵来构造量测,设计SINS/CNS组合导航算法;利用SINS与北斗卫星导航系统(RDSS)各自的位置输出构造量测,设计SINS/RDSS组合导航算法,从而,利用联邦卡尔曼滤波技术设计SINS/CNS/RDSS组合导航算法;仿真结果表明,惯性基SINS/CNS/RDSS组合导航方法具有较高的导航定位精度,工程应用前景良好。     

SINS/GLONASS/GPS组合导航系统的故障检测研究

为了避免由于应用过多的卡尔曼滤波器在组合导航系统中所带来的一系列问题,提出了一种应用SINS/GLONASS/GPS组合导航信息进行故障诊断的新方案。在总体设计了SINS/GLONASS/GPS组合容错导航系统方案的基础上,从理论上证明了该方案的可行性。SINS/GPS/GLONASS容错导航系统大大增强了系统的可用性和自主完备性,同时,提高了系统的联合定位精度。     

GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。     

卫星信号失效条件下SINS/GPS不同组合方式的性能比较

为了研究卫星信号失效对SINS/GPS松组合导航系统和紧组合导航系统导航性能的影响,在分析惯导系统误差方程的基础上,给出了基于卡尔曼滤波的松组合和紧组合数学模型,构建了两种组合方式的仿真平台。仿真结果显示,SINS/GPS紧组合导航系统的精度要明显优于松组合导航系统,且在卫星信号失效导致可见星数目少于4颗甚至仅有1颗时,SINS/GPS紧组合依然能够保持组合模式,并可提供高于单一惯性导航系统的导航精度,说明了SINS/GPS紧组合方式具有较高的精度和可靠性。     

智能车辆SINS/DGPS/光电测速仪组合导航的研究

为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,本文对智能车辆的多传感器组合导航进行了研究.提出了一种双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆组合导航方法,进行了仿真试验验证.结果表明,该组合导航系统能为智能车辆提供丰富的导航信息,并具有100 Hz的高频输出、厘米级的导航精度和较强的容错能力,当GPS较长时间中断时,通过SINS/光电测速仪的组合仍能为智能车辆提供可靠的导航数据.     

基于INS/GPS/COMPASS的AUV组合式导航定位算法

导航定位问题是自主式水下机器人研究(AUV)的主要内容之一,本文针对一种开架式AUV设计了一种采用间接反馈校正的捷联惯性导航与GPS、罗盘相组合的导航方案,其中采用卡尔曼滤波器接收两套导航子系统对同一导航参数输出值的差值,经过滤波计算估计出各误差量。仿真实验的结果表明,SINS/GPS/COMPASS组合导航对SINS误差随时间不断加大的现象起到了很好的抑制作用,能够满足AUV定位精度的要求。     

一种改进的联合滤波方法在车载SINS/GPS中的应用

提出了一种改进的联合滤波方法，即通过滤波器的方差值和故障检测函数，调节局部滤波器的信息分配，来改善总的滤波效果；通过设计牟载SINS／GPS组合导航系统最优综合的联合卡尔曼滤波器，给出其滤波算法，对其进行理论分析及计算机仿真，结果表明，应用该改进的联合滤波方法可大大提高车载SINS／GPS组合导航系统的定位精度及容错能力。     

Improving positioning accuracy of vehicular navigation system during GPS outages utilizing ensemble learning algorithm

Recently, methods based on Artificial Intelligence (AI) have been widely used to improve positioning accuracy for land vehicle navigation by integrating the Global Positioning System (GPS) with the Strapdown Inertial Navigation System (SINS). In this paper, we propose the ensemble learning algorithm instead of traditional single neural network to overcome the limitations of complex and dynamic data cased by vehicle irregular movement. The ensemble learning algorithm (LSBoost or Bagging), similar to the neural network, can build the SINS/GPS position model based on current and some past samples of SINS velocity, attitude and IMU output information. The performance of the proposed algorithm has been experimentally verified using GPS and SINS data of different trajectories collected in some land vehicle navigation tests. The comparison results between the proposed model and traditional algorithms indicate that the proposed algorithm can improve the positioning accuracy for cases of SINS and specific GPS outages.     

长航时无人机惯性/天文组合导航算法研究

针对捷联惯导/GPS组合导航系统的抗干扰性差、捷联惯导/星敏感器组合系统不能解决惯导位置发散的问题,提出了一种采用捷联惯导与基于间接敏感地平的天文导航相组合的长航时无人机导航新方案。分析了最小二乘微分校正天文定位方法对无人机的定位原理,设计了组合导航的滤波器,推导了系统的观测矩阵。仿真结果证明,组合方法能较好地实现无人机的定位定姿,具有较强的抗干扰性和较高精度,可以满足长航时无人机导航系统的要求。