H∞滤波及其在GPS/INS容错组合制导中的应用

Kalman滤波需要给出系统精确的状态模型和噪声统计性能,而在实际应用中却难以满足,故利用Kalman滤波可能得不到系统最优估计,甚至发散。文中给出了在巡航导弹GPS/INS组合制导应用中对模型及噪声容错性能更强的H∞鲁棒滤波,仿真结果表明,即使对简化的组合制导模型和噪声,利用H∞滤波仍可得到良好的估计结果。     

GPS/INS组合导航系统的研究

文中叙述了GPS和INS的综合模式以及组合导航的误差模型,并且利用卡尔曼滤波对GPS和INS信息进行建模及仿真,说明GPS/INS组合系统不但可以提高制导精度,还可以估计制导误差.     

滑翔增程弹导航系统误差修正方法研究

为了提高滑翔增程制导炮弹的姿态测量精度,分析了单GPS天线测量弹体姿态角的计算方法,应用GPS和INS全组合的方式,采用INS和GPS的位置、速度和姿态误差信息作为观测量,设计了卡尔曼滤波器,将滤波估计的结果反馈给INS,实现对测量系统全参数的误差修正.数值计算和仿真结果表明,采用基于GPS姿态测量信息的Kalman滤波方法,对INS惯导系统测量误差进行修正,降低了3个姿态角的测量误差,加快了系统误差收敛速度,提高了滑翔控制系统的控制精度,增加了制导炮弹滑翔增程的效果.     

基于灰关联的INS/GPS组合导航系统滤波效能评估

为弥补均方根误差曲线法缺乏数值检验的不足,设计了基于灰关联的INS/GPS组合导航系统滤波效能评估方法。首先简要介绍了灰关联分析的评估原理;其次建立了INS/GPS组合导航的Kalman滤波器;将灰关联分析应用于组合导航系统滤波效能评估,从滤波前后导航数据关联角度给出了数值检验。结果表明,基于灰关联的组合导航系统滤波效能评估法是有效的,同时可与均方根误差曲线法配合使用。     

INS/GNSS/SAR组合导航系统故障检测技术研究

文中对INS/GNSS/SAR组合导航系统进行了系统级故障检测、隔离和重构技术研究.以惯导组合系统(INS/GNSS/SAR)为例,采用联邦滤波器的容错滤波算法,进行了计算机仿真,仿真结果表明该算法具有不低于集中卡尔曼滤波的导航精度,同时还具有较强的容错性.     

FDRP-KF非线性滤波算法在INS/TAN组合导航中的应用

INS/TAN组合导航是一种自主的、隐蔽性好的辅助导航方式.由于地形的非线性特性,INS/TAN组合导航系统的系统模型为非线性,因此系统的状态估计是一个非线性滤波问题.FDRP-KF是一种基于F偏差代表点(F-Discrepancy Rep-points)和卡尔曼滤波(Kalman Filter)的非线性滤波算法,可用于处理非线性高斯系统的滤波问题.文中将FDRP-KF应用于INS/TAN系统中,仿真结果表明该算法可以对飞行器位置进行较精确、稳定的估计.     

带野值修正的滤波算法及试验研究

对 INS/双星跑车试验数据进行了分析和处理,在跑车试验数据的基础上,使用野值修正 Kalman 滤波算法和常规 Kalman 滤波技术对 INS/双星的位置组合方案进行了仿真。仿真结果表明,存在较大范围野值的情况下,采用改进后的 Kalman 滤波技术比常规 Kalman 滤波算法具有更高的估计精度,它能有效地降低INS 的位置误差。     

INS/GPS导航中联邦卡尔曼滤波算法

根据INS(惯性导航系统)和GPS(全球定位系统)不同的特点,将两者组合起来,在阐述联邦卡尔曼滤波原理基础上,设计了INS/GPS组合导航系统的滤波算法.对该组合系统的联邦卡尔曼滤波算法进行了仿真,仿真结果表明:在INS/GPS组合导航系统中采用联邦卡尔曼滤波,不仅提高了定位精度,而且保证了滤波的快速性.     

基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法.采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法.联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强.主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性.数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法.     

基于H∞滤波的GPS/SINS组合导航系统研究

文中在对H∞估计问题进行数学描述的基础上,建立了一种H∞次优滤波算法的迭代方程.通过在GPS/SINS组合导航系统中的实际应用从精度、鲁棒性等指标方面对H∞滤波和Kalman滤波算法进行比较.仿真结果表明,在理想条件下,Kalman滤波方法具有较高的精度.但是,当系统噪声和量测噪声为有色噪声时,H∞滤波算法明显具有良好的鲁棒性能,估计精度也较高,能有效地克服Kalman滤波器存在的局限性.