基于固定里程量测的车载捷联惯导/里程计组合导航算法

针对车载里程计小量微分引起噪声放大和脉冲计数截断误差造成里程增量误差,进而影响系统精度的问题,提出了基于固定里程量测的组合导航方法.该算法采用位置量测方案,将固定里程范围内捷联惯导解算的位置信息和里程计航位推算之差作为量测值进行组合导航,并提出了里程计脉冲计数截断误差修正方法.仿真表明,该方法可以快速分离组合导航系统各传感器误差,具有较高的定位定向精度和推广应用价值.     

车载捷联惯导系统陀螺漂移在线自标定方法研究

为提高车载捷联惯导系统标定效率,提出了一种基于卡尔曼滤波的陀螺漂移在线自标定方法,该方法利用北向陀螺漂移的完全可观测性,在近似水平条件下,通过卡尔曼滤波估计出两个不同位置的等效北向陀螺漂移,然后利用该估计值和解算出的方位角计算出陀螺漂移实际值,实现陀螺漂移的在线自标定。仿真结果表明,该方法简单可行,标定精度能够满足车辆导航要求。     

基于简化CKF/降维CKF混合滤波的非线性对准技术研究?

为了降低非线性对准的计算量而不损失对准精度,针对容积卡尔曼滤波( CKF)采样点数与状态维数成正比、计算量较大的问题,提出了基于简化CKF/降维CKF混合滤波的非线性对准方法。利用大失准角模型和基于线性观测方程的简化CKF算法进行水平对准;使用大方位失准角模型和降维CKF完成精对准。仿真结果表明,该方法摆脱了CKF算法的“维数灾难”和降维CKF对准应用条件限制,能够完成任意失准角下的初始对准并获得较高对准精度,具有重要的工程应用价值。     

一种新的捷联惯导快速对准方法

为了提高初始对准的速度,将等效加速度计和陀螺误差作为观测量,提出一种快速对准的新方法。在常规方法的基础上,建立了等效加速度计和陀螺误差方程及新的观测方程,并分析了状态可观测度,推导了最优估计及对准精度。最后,进行了仿真,结果表明两者对准精度相当,时间上远远优于常规方法。该方法通过引入陀螺信息,充分利用了外部测量信息,加快了方位失准角的估计速度,有效缩短对准时间,具有重要的应用参考价值。     

基于等效陀螺的捷联惯导快速两位置对准仿真

研究优化惯导系统的可观性能,提高捷联惯导两位置对准的速度,有助于提高导航的准确性和快速性,将水平速度误差和等效陀螺误差作为系统观测量,提出采用静基座下快速两位置对准的新方法.在常规对准方法的基础上,建立了引入陀螺信息的观测方程,用奇异值分解方法分析了新系统可观测性,推出了第一位置可观测量的最优估计及估计误差.根据状态快速收敛的特性,提出采用PCWS方法,对加速度计和陀螺进行了有效的标定,并进行了仿真,结果证明方法有效提高加快了两位置对准的速度,能充分利用陀螺信息,有效提高了惯导系统的可观测性,缩短对准时间,具有重要的参考价值.     

视觉SLAM的研究现状与展望

针对自主定位与环境构建问题,基于视觉传感器的同时定位与地图构建（SLAM）成为现阶段研究的热点,为深入分析视觉SLAM的现状,综述其相关算法与成果。首先简要概述了视觉SLAM的概念、特点与研究意义;然后深入分析帧间估计算法,详细描述经典的帧间估计方法,其中包含基于特征点的方法、基于光流的方法和直接法,并介绍了经典视觉SLAM算法的标志性成果;之后按照有监督的学习与无监督的学习两种方式介绍深度学习在视觉SLAM中的研究进展,并对算法进行了归纳总结;此外分析了视觉SLAM和惯性导航的融合;最后展望了视觉SLAM的未来发展趋势。     

强跟踪UKF 在高动态组合导航中的应用

为解决载体在高动态下大幅度运动出现的滤波发散问题,提出强跟踪无迹卡尔曼滤波(strong tracking uncented Kalman filter,STUKF)算法。分析组合导航模型和研究经典的无迹卡尔曼滤波(uncented Kalman filter,UKF) 算法,将强跟踪UKF 算法应用于SINS/GNSS 组合导航系统,并与经典UKF 算法和衰减记忆UKF 算法进行比较。 分析结果表明：该强跟踪UKF 算法性能较好,能明显缩短滤波时间,减小速度误差和位置误差,从而提高组合导航 的准确性和稳定性。     

前后向迭代滤波在SINS/OD组合导航中的应用

为了提高SINS/OD组合导航的精度,推导了载体坐标系下单位时间内位移增量之差的观测模型,利用残差X2检测对OD信号进行两层故障检测和隔离,使用前后向迭代滤波完成误差参数估计和校正.利用实车实验分别对Kalman滤波、1次迭代滤波、2次迭代滤波进行对比分析,结果表明2次迭代滤波精度最高,但相对于1次迭代滤波精度提高效果不够明显.从滤波精度和计算量上综合考虑,SINS/OD组合导航中1次迭代滤波效果最好.     

小波分析和灰色神经网络融合的光纤陀螺误差建模与补偿

为补偿捷联姿态测量系统中光纤陀螺因外界干扰引起的高频噪声和强漂移,提出一种基于第二代小波变换和灰色Elman神经网络融合的误差建模和补偿方法。采用Allan方差法分析了在外界干扰下的光纤陀螺输出信号,利用第二代提升小波单独重构的方法分离出陀螺误差模型中的漂移误差和白噪声,灰化漂移误差数据后建立了Elman神经网络模型并进行了补偿。实验结果表明,相较于传统的灰色理论模型和单一的Elman神经网络模型,新算法有效滤除了白噪声,并将预测模型的精度提高到96%以上,证实了模型的有效性。     

减振系统造成捷联惯性导航误差的有限元分析方法

为研究减振系统由于破坏捷联惯性导航与载体之间固联关系而造成的惯性导航测量误差,分析误差机理,提出一种基于有限元的分析方法。在有限元软件中建立带减振器的捷联惯性导航系统模型,利用轨迹发生器生成的运动参数,对载体及惯性导航系统运动过程进行仿真。仿真结束后,从有限元分析结果中提取惯性器件测量数据,经导航解算,得到减振系统造成的惯性导航误差。研究结果表明,有限元分析方法能够实现减振系统造成惯性导航误差的定量分析,使得可以从捷联惯性导航测量精度的角度进行减振系统优化设计。为研究减振系统由于破坏捷联惯性导航与载体之间固联关系而造成的惯性导航测量误差,分析误差机理,提出一种基于有限元的分析方法。在有限元软件中建立带减振器的捷联惯性导航系统模型,利用轨迹发生器生成的运动参数,对载体及惯性导航系统运动过程进行仿真。仿真结束后,从有限元分析结果中提取惯性器件测量数据,经导航解算,得到减振系统造成的惯性导航误差。研究结果表明,有限元分析方法能够实现减振系统造成惯性导航误差的定量分析,使得可以从捷联惯性导航测量精度的角度进行减振系统优化设计。