基于遗传PNN网络的组合导航故障诊断研究

针对INS/GPS组合导航系统观测信息无冗余且观测信息可能存在故障的情形,提出一种基于状态x2检验与自适应概率神经网络( APNN)相结合的组合导航故障诊断方法.该方法通过监测组合导航系统状态分量,提取故障的特征值并利用APNN确定故障的类别,从而实现故障的定位与隔离.APNN采用高斯函数作为激励函数,通过遗传算法获得模式层矢量最佳数目及匹配的平滑因子参数集,使每个神经元传递函数具有不同的平滑参数,提高了网络的泛化能力以及诊断精度.数值仿真结果表明,该算法能够有效地识别出INS/GPS组合导航系统的故障,确保了系统的安全性和可靠性.     

神经网络辅助卡尔曼滤波在组合导航中的应用

为使基于微机电系统的捷联惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS接收机无法正常工作时,仍能提供满足精度要求的导航信息,提出了径向基函数神经网络(RBFNN)辅助自适应卡尔曼滤波(AKF)的信息融合方法。首先,基于该方法设计了由神经网络训练与预测两种模式构成的组合导航系统。在GPS可用时,对RBFNN进行在线训练;在GPS失锁时,由RBFNN预测AKF更新过程的量测输入。然后,建立了RBFNN与AKF的数学模型,并设计了RBFNN的训练策略与AKF的自适应算法。最后,通过跑车实验验证了该信息融合方法的有效性。实验结果表明,在GPS断开时间为40s和100s时,系统的位置精度分别优于15m和90m。该信息融合方法能在GPS失锁时对导航误差发散进行有效阻尼,是适用于小型无人机、制导炸弹与车辆的一种低成本、高鲁棒性、中等精度的导航方案。     

基于FPGA的GNSS/INS组合系统时间同步设计

为解决组合导航系统中的GNSS和INS数据的时间同步问题,研制开发了一种基于FPGA的低成本时间同步系统,实现INS或其他辅助导航传感器测量数据与GNSS接收机数据之间的时间同步.通过实验结果证实,所设计的时间同步系统的精度可达600μs,满足大多数中高精度INS/GNSS组合系统的同步测量要求,并对姿态误差进行研究,可以看出,设计的时间同步系统可以将姿态误差控制在一个较小的范围内,从而验证了时间同步系统的可行性.     

里程计辅助的高精度车载GNSS/INS组合导航系统

针对城市隧道、偏远山区等复杂路况下,卫星导航系统信号被遮挡较严重或无卫星导航系统信号的场景中,车载GNSS/INS组合导航系统精度下降的问题,提出一种里程计辅助的高精度车载GNSS/INS组合导航方法。该方法中的组合滤波模式可根据载车环境变化在GNSS/INS组合模式和DR/INS组合模式间实现自适应切换,该组合导航方法将三维里程计航位推算位置误差作为状态量扩充到常规组合导航滤波器中,里程计的标度因数误差、安装角误差可通过里程计误差标定方法离线精确得到,后续使用只需将里程计误差参数装订到组合导航系统中即可。车载试验表明,7 km的信号遮挡场景下组合导航系统单个方向上的位置误差最大值也不大于8 m,整个跑车过程中位置误差在3 m以内,进一步保证了车载GNSS/INS组合导航系统复杂路况下的高精度定位。     

绕地飞船的INS/GPS组合测控定位系统

根据INS和GPS的基本原理,充分利用它们各自的优点,构建了INS/GPS组合测控定位系统.研究了该系统在绕地飞船自主定位中的应用.根据绕地飞船运动的实际情况建立了误差状态方程和组合观测方程.仿真分析表明该INS/GPS组合测控定位系统模型既能保证定位的高精度,又能满足目标的高动态.     

水下潜航器的惯导/超短基线/多普勒测速信息融合及容错验证

针对水下潜航器惯导系统的定位误差积累和容错性差等问题,分析了水声超短基线的相位差定位方法,推导了基于惯导提供实时位置、姿态误差角信息的惯导/超短基线(INS/USBL)导航解算过程及其坐标转换。结合惯导/多普勒测速(INS/DVL)滤波器,给出INS/USBL/DVL组合导航联邦滤波在3种信息融合算法下的应用。通过MATLAB仿真对导航算法进行了验证,结果表明该导航算法能够抑制惯导系统误差随时间发散的问题,能充分利用了3种导航系统提供的参数信息,且状态维数低,滤波收敛速度快,其中基于精度因子信息分配方法的导航系统误差最小。容错性验证结果显示,当超短基线出现故障时,重构后的组合导航系统在较高航速情况下依旧能提供有效的导航参数。所提出的INS/USBL/DVL组合导航联邦滤波方法能够精确地提供水下潜航器的各位导航参数信息,且具有较高的容错性和稳定性。     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

无人机电力巡检中定位绝缘子的方法

设计了一种将差分GPS和内部导航系统(INS)融合的无人机导航技术,应用仿真分析技术对无人机的飞行定位过程和定位误差进行计算分析,设计基于差分GPS/INS和图像识别的无人机飞行定位算法和控制程序,解决无人机定位误差和定位失效的问题。应用上述无人机导航定位技术,使无人机飞至距电线杆塔侧边一定距离的位置,通过无人机上的云台进行扫描和定位杆塔,拍摄杆塔全景照片,应用图像识别技术确定绝缘子位置,计算云台的转动角度,对准绝缘子拍照,获取清晰的绝缘子图像信息,用于识别绝缘子的故障。     

应用RB无迹卡尔曼滤波组合导航提高GPS重获信号后的导航精度

针对微机电-船舶惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS信号中断时造成的强非线性误差及重获信号后精度变差的问题,设计了基于Rao-Blackwellised无迹卡尔曼滤波(RB-UKF)的组合导航算法。首先,基于捷联平台欧拉失准角定义了姿态误差,建立了捷联惯导系统的非线性误差传播方程。然后,针对组合导航的状态方程为非线性而量测方程呈线性的特点,设计了RB-UKF算法,在保证精度的同时降低了计算量。最后,设计了滤波算法总体结构,分别给出了GPS信号正常时和中断时组合导航滤波计算的流程。将提出的算法用于跑车实验,结果表明:在GPS失锁20s和40s再重获信号之后,使用RB-UKF算法的组合导航系统位置精度分别优于6m和7.5m,比扩展卡尔曼滤波(EKF)算法精度提高了1.5倍以上,误差收敛速度提高了1.88~16.5倍,计算量比UKF量测更新的计算量减小了41.7%。实验显示该方法显著提升了组合导航系统GPS信号中断再恢复后的滤波精度,且易于工程实现。     

抗电磁干扰的无人机GPS/INS组合导航方法

无人机应用于电力巡线时,高压电力故障导致的异常放电可能会产生复杂而且强大的电磁场,会严重影响GPS的信号质量和定位精度,影响无人机的正常导航,因此必需考虑电磁环境对GPS信号和无人机导航性能的影响。提出一种根据GPS数据可信度进行加权的自适应卡尔曼滤波导航算法,通过GPS和内部导航系统(INS)的数据偏差幅度反映GPS数据可信度,利用模糊逻辑算法计算加权值,分配GPS在组合导航中的权重,研发出一种结合GPS和INS的模糊组合导航方法。仿真和实验结果显示,该算法在GPS数据受电磁干扰失真的情况下,调整GPS数据在组合导航中的权重,使组合导航输出的位置和速度误差控制在可行范围内,保证了组合导航的精度。     

Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages

Aiming to improve positioning precision of the GPS/INS integrated navigation system during GPS outages, a novel model combined with strong tracking Kalman filter (STKF) and wavelet neural network (WNN) algorithms for INS errors compensation is proposed and tested. STKF is used to estimate INS errors as a replacement of Kalman filter (KF), and WNN is applied to establish a highly accurate model based on STKF when GPS works well and to predict INS errors during GPS outages. Performance of the proposed model has been experimentally verified using GPS and INS data collected in a land vehicle navigation test. The comparison results indicate that the proposed model combined with STKF/WNN algorithms can effectively provide high accurate corrections to the standalone INS during GPS outages.     

运载火箭上面级惯性与天文组合导航系统设计

针对运载火箭上面级惯性导航随时间累积而误差增大以至不能满足长时间工作要求的问题,对采用星敏感器和地球敏感器修正惯性导航误差的方案进行了研究。首先,导出了上面级常用坐标系定义和姿态转换矩阵。然后,根据惯性导航的误差传播特性、星敏感器测量方程和地球敏感器的模拟测量方程,给出了组合导航的状态方程和观测方程。最后,设计了基于Matlab/dSpace仿真平台的星敏感器在导航回路中的半物理仿真实验。实验结果表明,组合导航使惯性导航位置误差矢量和从1.1719×104m减小到1.0367×103m,速度误差矢量和从11.2827m/s减小到3.6626m/s,姿态误差从0.1°减小到5′,说明了该组合导航方案能够有效修正惯性导航时间累积误差,半实物仿真实验验证了惯性/天文组合导航方案的可行性与正确性。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。     

微惯性测量组合与GPS组合导航技术

分析了惯性导航系统和全球定位系统的优缺点;介绍了微惯性器件的发展及其用于惯性导航的前景;分析了由微惯性器件组成的捷联惯导与GPS组合导航的可行性;综述了GPS/INS组合导航的工作原理和关键技术.     

二维里程辅助的掘进机自主导航方法研究

针对掘进工作面恶劣的环境以及掘进机时常发生滑移运动造成掘进机导航参数不能精准获取的难题,提出了基于二维 里程辅助的掘进机自主导航方法。 研制了二维里程测量装置,搭建了二维里程辅助的掘进机自主导航系统;建立了二维里程测 量装置和捷联惯导误差方程,推导了二维里程辅助的组合导航算法。 为了应对量测噪声统计特性时变导致系统估计误差变大 的问题,提出了基于模糊理论的数据融合算法,实时在线调整噪声协方差矩阵。 仿真实验结果表明模糊融合算法相对于传统融 合算法将航向角误差降低了 34. 78% ;3 个方向的定位误差分别降低了 44. 33% 、41. 82% 和 42. 26% 。 进行了掘进机导航定位实 验,实现了 0. 052 m 的定位精度,满足无人掘进工作面对掘进机自主导航的要求。     

A new method of seamless land navigation for GPS/INS integrated system

For the last few years, integrated navigation systems have been widely used to calculate positions and attitudes of vehicles. The strapdown inertial navigation system (SINS) provides velocity, attitudes and position information, whereas the global positioning system (GPS) provides velocity and position information. A method using neural network (NN) and wavelet-based de-noising technology is introduced into the SINS/GPS/magnetometer integrated navigation system, because system accuracy may decrease during GPS outages. When the GPS is working well, NN is trained using the velocity and position information provided by SINS as input and the corresponding errors as output. Wavelet multi-resolution analysis (WMRA) is also introduced to de-noise the errors, the desired output of NN. Test results showed that velocity accuracies improved using NN, but other accuracies remained poor. By re-training NN with WMRA, the system accuracies improved to the level of using normal GPS signal. In addition, NN trained with WMRA also improved the approximation to the actual model, further enhancing alignment accuracy.     

Outdoor position estimation based on a combination system of GPS-INS by using UPF

This paper proposes a technique that global positioning system(GPS)combines inertial navigation system(INS)by using unscented particle filter(UPF)to estimate the exact outdoor position.This system can make up for the weak point on position estimation by the merits of GPS and INS.In general,extended Kalman filter(EKF)has been widely used in order to combine GPS with INS.However,UPF can get the position more accurately and correctly than EKF when it is applied to real-system included non-linear,irregular distribution errors.In this paper,the accuracy of UPF is proved through the simulation experiment,using the virtual-data needed for the test.