基于数据迭代的FOG误差参数闭环标定方法

针对光纤陀螺(FOG)误差参数是影响系统导航精度的主要因素,且传统开环标定方法对陀螺零偏、标度因数和安装误差角标定精度不高而制约系统精度进一步提高的现状,提出一种FOG迭代闭环标定方法。该方法分别在捷联惯导系统罗经对准和导航过程中完成对FOG零偏、标度因数、安装误差的标定。利用Matlab建立仿真环境,将传统分立式标定与闭环标定方法得到的仿真结果进行对比,结果表明:提出的闭环标定方法可有效地提高光纤陀螺标定精度。     

光纤陀螺随机噪声的实时滤波技术

针对ARMA(Auto-regressive and moving average)模型只能对零均值序列建模的不足,建立了一种适用于中低精度光纤陀螺(Fiber optic gyroscope,FOG)的非零均值信号建模的ARIMA模型,并利用卡尔曼滤波器抑制FOG的随机噪声.Allan方差分析和实际应用结果表明,FOG实测信号通过ARIMA模型的卡尔曼滤波器,各种噪声都得到了有效的抑制.将基于ARIMA模型的卡尔曼滤波误差校正方法应用于转动环境下的FOG输出信号处理,同样得到良好的效果.本文提出的方案扩展了ARIMA滤波算法的应用范围,具有较高的工程应用价值.     

自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

车载GPS/DR组合导航系统自适应信息融合算法研究

结合全球定位系统(GPS)和航位推算(DR)两种定位方式的优点,构建了基于卡尔曼滤波的自适应联邦滤波算法,实现陆地GPS/DR组合定位系统的数据融合;针对DR子系统的强非线性和扩展卡尔曼滤波算法带来的较大线性化损失,并结合机动加速度均值自适应算法,设计了一种基于U-D分解的自适应迭代卡尔曼滤波算法,更有效的减少DR子系统线性化带来的误差损失,提高定位精度;与同仿真环境下,DR子系统采用扩展卡尔曼滤波方法作了比较,结果表明该信息融合算法能更有效解决DR子系统的线性化误差问题,整个系统数据融合精度更高.     

多导航传感器的数据融合处理方法研究

在舰船导航过程中为克服单一模型的卡尔曼滤波器对真实系统状态参数发生变化时造成滤波误差过大甚至发散的现象,将多模自适应控制用于导航数据融合处理方法中,设计了组合导航系统的多模型自适应卡尔曼滤波器,通过数字仿真将单一模型的INS/GPS/Doppler组合导航系统与多模自适应控制的组合导航系统的性能进行了比较,表明了多模自适应控制在组合导航系统中可以改善系统的瞬态响应和覆盖大范围的参数不确定性,提高了组合系统的导航精度.     

多输入/多输出系统动态矩阵控制鲁棒稳定性

研究了基于脉冲响应模型的动态矩阵预测控制(DMC)算法,针对多输入、多输出(MIMO)系统脉冲响应模型的特点,利用脉冲响应系数误差矩阵范数平方和定义预测模型的模型误差,以线性矩阵不等式(LMI)的形式提出了DMC闭环鲁棒稳定充要条件,将DMC算法闭环稳定问题转换为一类线性矩阵不等式的可解问题.并且研究了模型误差与闭环系统稳定性之间的关系,给出了保证系统稳定条件下模型误差界的求取方法,通过求解一个线性矩阵不等式约束的凸优化问题得到保证闭环系统稳定的误差界.最后,利用算例对本文方法的有效性进行了验证.     

基于模糊AKF地磁辅助导航的采煤机定位方法

针对惯导在采煤机定位时产生累积误差以及实时定位精度低等问题,提出了基于模糊自适应卡尔曼滤波(AKF)惯性地磁辅助惯性导航的采煤机动态定位方法.通过迭代最近等值点(ICCP)算法将惯导与地磁辅助技术组合,并引入模糊自适应的卡尔曼滤波方法,实现了在线自适应调整测量噪声方差阵.通过对采煤机进行定位仿真分析,结果表明:可克服惯导定位误差随时间累积的缺点,实现了采煤机实时高精度定位.     

基于AFKF的多旋翼无人机组合导航技术研究

目前旋翼无人机组合导航系统大都使用扩展卡尔曼滤波算法,然而由于导航系统建模误差和传感器测量精度的影响,导航信息解算误差较大。为了改善旋翼无人机的飞行控制效果,应用自适应渐消卡尔曼滤波（Adaptive fading Kalman filter,AFKF）进行旋翼无人机组合导航解算,算法通过实时计算遗忘因子,对过去的数据权重进行削减,以提高扩展卡尔曼滤波算法的自适应能力。应用旋翼无人机真实飞行数据进行仿真,仿真结果表明,自适应渐消卡尔曼滤波算法能够有效抑制建模误差,弥补传感器测量精度不足,改善旋翼无人机组合导航解算结果。     

GNSS/IMU中含丢弃策略的自适应滤波算法

针对新息序列自适应估计(IAE)在GNSS/IMU组合导航数据融合运用中的不足,提出了带丢弃策略的IAE算法(IAE-D).此算法实时监控估计量的误差累计速度和观测量的质量,只在估计量的误差累计速度较大并且观测量的质量能满足要求的情况下更新估计量.采用对实际数据引入仿真生成的不同强度的噪声的方法,对IAE-D和传统的EKF、IAE等算法进行了性能分析比较.实验及仿真结果证明,IAE-D算法在干扰较大时,能减轻观测量噪声对组合导航系统性能的影响,减少传统IAE算法存在的偏差和收敛性问题.其稳定性和精度都要优于传统的EKF和IAE.当采用精度不高的GNSS接收机或GNSS信号受到干扰时,IAE-D具有工程运用前景.     

动态捷联惯导/多卫星组合导航自适应联邦滤波算法研究

研究了一种基于动态扰动的滤波算法,用以提高动态扰动情况下捷联惯导/多卫星组合导航系统 的精度和可靠性．该算法采用几何精度因子（GDOP）对量测噪声进行自适应调节,利用卡尔曼滤波器的新息 量对状态噪声协方差阵进行整体控制,同时根据具有时变特性的各子系统误差协方差阵对信息分配系数进行 自适应调节．通过对SINS/GPS/Galileo/北斗组合导航系统的仿真,分析对比了常规联邦滤波、Sage 自适应联邦 滤波和本文所提自适应联邦滤波算法．结果表明,该自适应联邦滤波算法能够有效抑制动态扰动,提高组合 导航系统的精度和可靠性．     

光纤陀螺信号的数字处理方法

光纤陀螺（FOG）有着广泛地应用,如何有效地提高精度具有重要意义。根据FOG信号漂移的数学模型,分别采用了经典傅立叶分析的FIR低通滤波器和小波变换的阈值去噪对某型FOG的输出信号进行了消噪处理。实验证明了小波阈值在消除陀螺漂移和基座动态干扰应用中的优越性。     

光纤陀螺随机误差建模的实验研究

为提高光纤陀螺精度,需要对其随机误差进行精确建模。以VG941-3AM微型精密光纤陀螺仪为实验研究对象,进行了数据采集、预处理和平稳性检验。将基于残差序列最小自相关原理的LAC(least-autocorrelation)准则及其递推算法,应用于光纤陀螺随机误差模型的辨识。建立了ARMA模型的状态方程和观测方程,设计了Kalman滤波器。实验结果证明了算法的有效性和准确性,处理后的光纤陀螺随机误差减小了95～97%。     

自适应IIR滤波器设计策略研究

根据IIR滤波器存在突出的缺点,对自适应IIR滤波器设计进行策略性研究。分别讨论输出误差法(OEM)和方程误差法(EEM)在设计自适应滤波器的应用。通过对仿真结果进行分析比较,修正的EEM克服OEM在设计结果中存在多个局部极小值的不足,优于OEM。从而提出设计自适应滤波器的策略和实现途径。     

基于组合滤波的低成本飞行器姿态解算算法

在低成本的飞行器姿态检测系统中,互补滤波器由于原理简单、计算量小,而被广泛应用。针对低成本飞行器在非匀速运动时因为加速度计不能区分重力加速度与运动加速度引起基于互补滤波的姿态解算误差较大的问题,提出了一种互补与自适应限幅组合滤波的姿态解算算法,并给出了自适应限幅滤波门阀的设计方法。通过融合陀螺仪输出的角速度与加速度计输出的加速度获取限幅滤波的限幅阀值;然后将归一化的加速度计输出增量通过限幅滤波的结果代替原互补滤波的加速度计输入,提高非匀速运动下姿态解算精度。经实际系统实时性能测试表明,所提算法估计精度高、计算量小,易于在低成本飞行器控制系统中实现。     

无人机航向测量抗差补偿滤波技术研究

针对角速率陀螺误差随时间积累和电子磁罗盘易受外界干扰的问题,为提高低成本自主导航精度,设计了角速率陀螺和电子磁罗盘信息融合的组合方案。并对传统的补偿滤波方法进行改进,提出一种能够检测出电子磁罗盘的低频干扰,并对干扰误差进行剔除的抗差补偿滤波算法。通过对角速率陀螺和电子磁罗盘进行误差建模和仿真实验可知,抗差补偿滤波器可以有效地抑制磁罗盘高频干扰误差和角速率陀螺的积累误差,同时,也可很好地抑制磁罗盘的低频干扰误差。结果表明：研究的抗差补偿滤波算法效果明显,是一种简单可靠的航向融合方法。     

平移不变离散小波变换在光纤陀螺信号处理中的应用

光纤陀螺输出信号中主要含有白噪声和具有非平稳、长程相关、自相似性及具有1/fγ类型谱密度的分形噪声,传统的滤波方法难以去除这类噪声,小波分析的多分辨分析特性,使之成为分析分形噪声的有力工具.文中分析了光纤陀螺输出信号误差特性,建立了输出信号的数学模型,在分析了分形噪声的特性的基础上,采用小波变换方法生成分形噪声.在实验室环境下采集了某型号光纤陀螺仪输出信号,对其进行多种小波滤波方法滤波对比实验,并进行了实验结果分析,实验结果表明采用平移不变离散小波变换半软阈值滤波方法可以有效地去除分形噪声和白噪声,克服了硬阈值法有较大的方差和软阈值法有较大的偏差的缺点.     

一种光纤陀螺漂移数据建模和滤波技术在捷联罗经法自对准中的应用

针对基于高精度光纤陀螺仪(FOG)的捷联惯导系统开展研究.采用时间序列分析法对光纤陀螺随机漂移进行分析,建立自回归滑动平均(ARMA)模型,并在捷联惯导系统罗经法自对准过程中对光纤陀螺漂移数据进行实时滤波估计.样机实验结果表明,所提出的方法可以有效地提高光纤陀螺捷联惯导系统罗经法自对准的精度.     

基于自适应蝙蝠粒子滤波算法的WSN目标跟踪

为了解决粒子滤波(PF)的无线传感器目标跟踪中样本贫化导致的精度较低的问题,提出了自适应蝙蝠粒子滤波的WSN目标跟踪方法。通过自适应的蝙蝠算法的滤波算法优化粒子重采样过程,结合最新的观测值定义粒子的适应度函数,引导粒子整体上向较高的随机区域移动。同时利用动态自适应惯性权重探索新的粒子位置更新为设计机制,引入动态适应惯性权重值, 有效调整全局探索和局部探索适应能力、改善粒子贫化和局部极值问题,增加粒子群多样化从而提高跟踪性能。实验结果表明,自适应蝙蝠粒子滤波算法重采样方法可以防止粒子的退化,增加粒子的多样性,减少跟踪误差,可以减少算法的运行时间,实时追踪性能大幅提高。与BA-PF算法和PF算法相比较,IBAPF 算法的计算时间是最短的,IBA-PF算法的位置和速度的平均平方根误差最小(位置0.0311、0.0202、速度0.0262、0.0101),PF算法的跟踪精度是最低的,而IBA-PF跟踪精度较高,IBA-PF算法被证明具有良好的跟踪性能。     

State of charge estimation for Li-ion battery based on model from extreme learning machine

Lithium-ion (Li-ion) battery state of charge (SOC) estimation is important for electric vehicles (EVs). The model-based state estimation method using the Kalman filter (KF) variants is studied and improved in this paper. To establish an accurate discrete model for Li-ion battery, the extreme learning machine (ELM) algorithm is proposed to train the model using experimental data. The estimation of SOC is then compared using four algorithms: extended Kalman filter (EKF), unscented Kalman filter (UKF), adaptive extended Kalman filter (AEKF) and adaptive unscented Kalman filter (AUKF). The comparison of the experimental results shows that AEKF and AUKF have better convergence rate, and AUKF has the best accuracy. The comparison from the radial basis function neural network (RBF NN) model also verifies that the ELM model has lighter computation load and smaller estimation error in SOC estimation process. In general, the performance of Li-ion battery SOC estimation is improved by the AUKF algorithm applied on the ELM model.     

光纤陀螺信号误差分析与滤波算法的研究

针对光纤陀螺信号漂移误差和噪声的影响,采用Allan方差法对光纤陀螺的各项随机误差成分进行了分离和计算.然后结合陀螺稳定平台系统研究了滑动滤波、小波变换阈值滤波两种直接对陀螺输出信号进行数字滤波处理的方案.最后对某陀螺惯性稳定跟踪转台中使用的光纤陀螺信号的测试和统计分析结果表明,采用Allan方差法能够有效地分离和辨识陀螺零漂信号中的各项噪声源随机误差系数和误差大小,采用的小波变换阈值滤波的去噪效果明显.