捷联惯导系统中卡尔曼滤波的应用研究

为提高捷联惯导系统初始对准精度,提出将卡尔曼滤波技术应用于系统初始精对准,用以估计系统的失准角和惯性误差。对卡尔曼滤波技术在捷联惯导系统中的应用进行分析,建立捷联惯导系统初始对准误差模型和卡尔曼滤波量测方程。分析不同条件下不同滤波方法的滤波原理和滤波精度。在此基础上,提出一种将预测扩展卡尔曼滤波应用于逆向导航技术的思路,并进行了理论分析和捷联惯导系统自对准流程设计,为后续进一步深入开展惯导系统初始对准奠定基础。     

小波网络辅助卡尔曼滤波的捷联惯导传递对准

初始对准精度是捷联惯导系统的主要误差来源之一;针对舰载机捷联惯导的传递对准模型准确建模困难,且测量噪声和过程噪声随舰船动态而变化,这样就会降低滤波的精度,卡尔曼滤波有一定的局限性,提出了将小波神经网络辅助卡尔曼滤波器用于惯导系统的传递对准;把能直接影响卡尔曼滤波估计误差的参数作为网络的输入,进过样本训练后,把网络的输出与经过卡尔曼滤波得到的结果相加,实现了捷联惯导的传递对准的滤波功能;这种新算法在实际应用中的非线性情况下优于传统卡尔曼滤波方法;仿真结果表明了其实用性和有效性。     

基于捷联惯导和里程计的井下机器人定位方法研究

针对现有煤矿井下移动机器人定位方法存在定位难、精度低的问题,提出了一种基于捷联惯导和里程计的井下机器人定位方法。该方法利用卡尔曼滤波对捷联惯导进行初始对准,以此确定定位的初始坐标,得到初始姿态转换矩阵;利用捷联惯导独立完成机器人位置解算,同时利用里程计输出的速度信息与捷联惯导输出的实时姿态转换矩阵进行航位推算解算,再次得到机器人的位置信息;为了减少累积误差对捷联惯导的影响,使用里程计和捷联惯导构成航位推算系统,采用Sage-Husa自适应滤波设计组合定位算法,选择误差作为系统状态,经过滤波计算和校正,可获得机器人的精确位置信息。实验结果表明,该方法可实现机器人实时定位,有效减少捷联惯导累积误差的影响;定位精度较高,机器人在Y向运动4.3m,Z向运动0.25m后,Y向定位误差为0.25m,Z向定位误差为0.005m。     

基于UKF的捷联惯导大失准角初始对准方法

研究自主水下航行器,位置速度匹配中的误差需要补偿.捷联惯导大失准角误差传播特性是非线性的.为了提高捷联惯导大失准角初始对准精度,提出了一种基于UKF的捷联惯导初始对准的方法.由于对大失准角下SINS的非线性误差模型和系统噪声和观测噪声为加性的特点,给出了一种简化的Unscented卡尔曼滤波递推算法,并提出在精对准阶段采用多次精对准提高大初始失准角下SINS对准精度进行仿真.仿真结果表明,在GPS辅助下,使捷联惯导方位角误差减少,采用改进方法,也可获得较高的对准精度.     

一种自适应滤波方法在捷联惯导系统大失准角初始对准中的应用

为了对静基座大失准角捷联惯导系统(SINS)进行初始对准,建立了在静基座下基于四元数的SINS非线性误差模型。该误差模型无需对姿态误差角进行小角度假设。为了在观测噪声方差未知的情况下估计SINS失准角,提出一种在线估计观测噪声方差矩阵的自适应扩展卡尔曼滤波方法。仿真结果表明,该自适应滤波方法能在观测噪声方差未知的情况下有效地对静基座大失准角SINS进行初始对准。     

捷联惯导欧拉角误差模型二位置对准方法

在捷联惯导初始对准优化的研究中,由于存在非线性,很难描述误差特性。为提高捷联惯导系统初始对准的精度,缩短对准时间,根据欧拉角误差的传播规律,推导了惯导系统角度和速度误差微分方程,建立了非线性的对准模型。非线性模型的计算一直是难点问题,一般采用无迹卡尔曼滤波(UKF),为减小计算量,采用了超球面采样点变换(SSUT)的采样策略,结合线性的量测方程,对滤波算法进行了改造和简化。根据全局可观性理论,为提高系统观测度,以二位置静态对准为条件,并对提出的方法进行了仿真和实验验证。结果表明,模型具有很高的精度,并能有效估计惯性器件误差。改进方法对大失准角下的系统初始对准及惯性器件测漂具有较好的参考价值。     

捷联惯导在轨标定算法研究

为了保证长期在轨工作的捷联惯性导航系统的精度,设计了一种捷联惯导在轨标定算法.通过分析捷联惯导的主要误差源,建立了标定误差模型和导航误差模型.用加速度计的零位漂移、陀螺仪的零位漂移、陀螺仪的标度因数误差和安装误差构造系统状态方程,利用卫星导航系统提供的速度、位置信息和星敏感器提供的姿态信息构造量测方程,经过滤波运算得到各项误差估计值.算法解决了捷联惯导与星敏感器坐标轴不重合的问题,提高了嵌入式计算机的计算能力.最后对算法进行了数学仿真,仿真结果证明了算法的有效性.     

基于H∞的低精度捷联惯导系统初始对准方法

由于低精度捷联惯导系统的陀螺精度较低,初始对准时方位失准角的估计精度往往不高;另外,进行初始对准的常用方法是采用Kalman滤波技术,但在实际应用时,其鲁棒性不高,因此迫切需要一种能够改善低精度捷联惯导系统方位失准角的估计精度且兼具鲁棒性的初始对准方法。提出了一种将H∞滤波用于引入磁航向的低精度捷联惯导系统的初始对准方法,能够解决上述问题。建立了一种引入磁航向的捷联惯导系统初始对准的误差模型,通过可观测性和可控性分析,得出可观可控系统,利用H∞滤波方法对其进行了仿真分析,仿真结果表明,能够改善低精度捷联惯导系统方位失准角的估计精度,并能有效抑制有色噪声及建模误差的影响,将其应用于低精度捷联惯导系统的初始对准是切实可行的。     

捷联惯导/北斗高精度组合导航方法研究

提出采用紧组合方式进行捷联惯导/北斗组合导航设计,首先对捷联惯导与北斗系统进行误差分析与建模,将捷联惯导系统误差、北斗等效时钟误差相应的距离(伪距误差)以及等效时钟频率误差相应的距离率(伪距率误差)作为组合导航系统状态;利用捷联惯导位置输出与北斗接收机星历输出构造获得等效伪距,将其与北斗接收机测量的伪距对应相减作为量测,推导建立对应的量测方程,采用卡尔曼滤波设计捷联惯导/北斗组合导航滤波算法;仿真结果表明,该组合导航方法的速度精度达到±0.05 m/s,位置精度达到±3.2 m,水平姿态精度达到±0.4′,航向精度达到±1.6′。     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

地球卫星自主天文导航滤波方法性能分析

在系统硬件精度无法改进的条件下,滤波方法是影响地球卫星自主天文导航精度和实时性的最重要因素,本文针对地球卫星天文导航工程应用的需求,研究了目前导航系统中应用最为广泛的扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)、Unscented粒子滤波(UPF)3种滤波方法,在滤波周期和噪声分布影响下的导航精度和实时性.半物理仿真结果表明,在相同仿真条件下,Unscented粒子滤波方法具有最高的导航精度,但计算量也最大,EKF方法计算量最小,导航精度最低.本文结果可为地球卫星自主导航系统中滤波方法的选择提供参考和依据.     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

基于IMM-UKF的组合导航算法

为解决非线性动态系统滤波的非线性和噪声不确定等问题,设计了一种基于交互多模型(IMM)的Unscented卡尔曼滤波器(UKF),针对噪声变化情况建立一组非线性模型,与每个模型对应的UKF可以达到二阶以上的滤波精度.IMM-UKF滤波器的输出为各滤波器的概率加权融合,因此,根据噪声变化而调整的模型概率使系统输出对噪声变化具有自适应能力.利用该算法对组合导航系统进行了仿真试验,该算法精度高,模型切换速度快,能适用于动态系统.     

考虑星间测量的航天器自主导航并行滤波器

针对基于星间测量的航天器自主导航问题,本文考虑测量中存在野值的情况,提出了一种轨道根数辅助估计的并行无迹卡尔曼滤波算法.系统由两个并行滤波器组成,通过副滤波器的状态估计识别观测野值,进而在主滤波器中修正导航定位结果.文章选择了星间相对观测两卫星编队的基本构型,研究了算法的阈值参数选择,对不同参数条件下的滤波结果进行了对比.数值仿真说明了该算法在观测量变化率较大时能够有效降低连续野值对自主导航系统的影响,和传统算法相比具有更高的滤波精度和收敛速度.     

有色噪声下的平方根UKF在天文自主导航中的应用

针对由星敏感器和光学导航相机组成的卫星天文自主导航系统, 传统的平方根UKF不能很好地解决测量噪声为有色噪声情况下的非线性滤波问题, 导致导航系统的精度下降. 为此, 提出了一种有色噪声情况下的平方根UKF方法. 同时, 为了避免在数值计算的过程中, 由于舍入误差而破坏误差协方差矩阵的正定性和对称性, 在整个递推计算过程中, 借鉴平方根Kalman滤波理论, 采用协方差矩阵平方根进行递推计算, 改善滤波算法的稳定性, 协方差矩阵的平方根更新用cholesky分解和qr分解来计算. 将该方法应用于卫星天文自主导航系统中, 实验仿真结果表明, 相对于传统的平方根UKF算法, 所设计的平方根UKF算法能够很好地解决测量噪声为有色噪声情况下估计精度低问题.     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

一种提高车辆导航系统定位精度的方法

为了解决量测方程线性化及普通卡尔曼滤波数值稳定性对车载航位推算系统滤波结果的影响,给出了车载航位推算系统的基于U D分解的自适应迭代滤波算法,并将这一算法与车载航位推算系统的迭代型自适应推广卡尔曼滤波算法及简单航位推算进行了比较。计算机仿真结果表明:新算法能够有效地提高车载航位推算系统的定位精度及数值稳定性。     

列车组合定位的改进UPF算法探讨

针对传统粒子滤波缺乏当前量测信息、容易出现粒子退化现象、滤波精度不高,难以应用于GNSS/INS列车组合导航的问题,提出了一种改进粒子滤波算法.通过将无迹卡尔曼滤波框架应用到标准粒子滤波中,产生粒子的重要性函数,考虑了当前量测对状态估计的影响,改善了滤波效果.在重采样环节又融入了马尔科夫链蒙特卡洛方法,增加了采样粒子的多样性,提高了滤波的精度.结合采集某列控系统的样本数据进行仿真,结果表明:改进的UPF与传统的UPF相比,滤波效果更好,定位精度更高,在GNSS/INS列车组合定位中有更好的工程使用价值.     

自适应粒子滤波在卫星紫外导航中的应用

基于紫外敏感器的自主导航系统是典型的非线性和噪声非高斯分布的系统,针对扩展卡尔曼滤波(EKF)和Unscented 卡尔曼滤波(UKF)不适于噪声非高斯分布的系统,和一般粒子滤波缺乏在线自适应调整能力等问题,提出了将基于正交性原理的自适应强跟踪滤波器(STF)和UKF相融合作为重要密度函数,应用于基于紫外敏感器自主导航粒子滤波器新方法,通过UKF构造粒子群,对粒子群中的每一个粒子的每一个sigma点用STF进行更新,使得算法的鲁棒性增强,有极强的对突变状态的跟踪能力,具有强的自适应能力.为了说明算法的有效性,结合模拟的轨道数据和测量数据进行了仿真,仿真结果说明了所提算法的有效性.