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。     

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。     

六加速度计的GFSINS/GPS组合导航系统研究

无陀螺捷联惯导系统(GFSINS)的角速度解算误差与加速度计测量误差紧密相天,加速度计测量误差会导致整个惯导系统导航参数随时问快速发散.针对这一问题,在传统捷联惯导系统的基础上,基于某种六加速度计配置方式,推导了尢陀螺捷联惯导系统误差方程,利用卡尔曼滤波器组成了GFSINS/GPS组合导航系统.经仿真验证,该组合导航系...     

动态干扰条件下的旋转式捷联惯导系统自对准方法

针对角晃动与线晃动等动态干扰条件下,旋转式捷联惯导系统（Rotary strapdown inertial navigation system,Rotary SINS）难以实现自对准的问题,提出了一种基于惯性系的自对准新算法. 首先,基于惯性系下粗对准的结果,推导了双轴转动调制捷联惯导系统的惯性系精对准误差模型;然后,针对观测模型的噪声不确定性问题,通过改变渐消因子阵的嵌入方式,提出了一种改进的多渐消因子自适应 Kalman滤波方法. 最后,仿真实验证明该方法能够有效解决动态干扰条件下旋转式捷联惯导系统的自对准问题,实现快速自主高精度对准.     

高精度组合导航系统仿真

以车载捷联惯导系统SINS与全球定位系统GPS的组合导航系统为研究对象,为了解决常规卡尔曼滤波器在非线性时变系统中由于线性化误差导致滤波发散的问题,将UKF算法引入到SINS/GPS组合导航系统。UKF同时适用于线性系统和非线性系统,且不需要对噪声的统计特性精确已知。通过建立SINS/GPS组合模型,对其进行了MATLAB仿真。对比常规卡尔曼滤波器与UKF算法的滤波效果可知,UKF算法提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

基于改进衰减记忆滤波的组合导航算法研究

关于优化组合导航系统定位精度问题,由于惯导系统为非线性系统,存在滞后和噪声特性,影响系统定位精度,传统卡尔曼滤波器滤波一段时间后,系统预测误差方差阵逐渐趋于零,状态估计过分依赖旧量测值,从而导致滤波发散,系统定位精度差。目前采用在预测误差方差阵中引入标量衰减因子来抑制发散,但该标量因子是不变量,难以修正所有状态估计异常的情况。为有效提高新量测值对预测值的修正作用,研究了一种改进的衰减记忆滤波算法,通过引入可变加权系数来抑制发散。经数值仿真结果表明,新算法的滤波效果相比卡尔曼滤波和带标量因子的衰减记忆滤波有较明显的改善,提高了系统的定位精度,对工程应用有一定参考价值。     

捷联惯导系统静基座初始对准精度分析及仿真

在利用卡尔曼滤波器对捷联惯导系统（SINS）进行静基座初始对准中,由于系统的不完全可观测性,使得有些状态没有滤波效果,有些状态的估计精度受到限制。对SINS静基座初始对准卡尔曼滤波方程进行了可观测性分析,提出了状态降阶的处理方法,并得到了各状态估计的极限精度公式。最后进行了软件仿真,仿真结果表明：降阶滤波器和全降阶滤波器的估计精度基本相同,但足前者计算量更小,并且在滤波计算中能够消除不可观测状态的不利影响。     

MC-ROV导航系统研究

针对研制的新型模态切换水下机器人(Mode-Converted ROV, MC-ROV),设计了一套以MEMS器件为主的微惯性组合导航系统,包括陀螺仪、加速度计、磁力计、深度传感器及微处理器等。系统采用互补滤波方法抑制陀螺漂移,设计卡尔曼滤波器计算姿态角。本文采用了改进的自适用卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度。水池实验表明结合互补滤波、自适应卡尔曼滤波能够获得比较精确、稳定的水下机器人导航信息。同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果。     

井下捷联惯导系统导航数据处理滤波分析

针对现有煤矿井下定位技术误差较大、准确性不足的问题,引入了捷联惯导系统对煤矿井下人员和设备进行精确定位导航。为进一步提高捷联惯导系统的定位精度,提出了采用扩展卡尔曼滤波和采样卡尔曼滤波对系统数据进行滤波的算法,分析了扩展卡尔曼滤波和采样卡尔曼滤波的滤波原理,并对算法公式以及滤波效果进行了仿真分析。仿真结果表明,在假设井下噪声为高斯白噪声的前提下,采样卡尔曼滤波抖动性较小,曲线更为平滑,即滤波后的数据更加接近于真实数据,能够更准确地反映出坐标信息,且误差基本控制在允许的范围之内,具有较好的滤波效果。     

长航时无人机惯性/天文组合导航算法研究

针对捷联惯导/GPS组合导航系统的抗干扰性差、捷联惯导/星敏感器组合系统不能解决惯导位置发散的问题,提出了一种采用捷联惯导与基于间接敏感地平的天文导航相组合的长航时无人机导航新方案。分析了最小二乘微分校正天文定位方法对无人机的定位原理,设计了组合导航的滤波器,推导了系统的观测矩阵。仿真结果证明,组合方法能较好地实现无人机的定位定姿,具有较强的抗干扰性和较高精度,可以满足长航时无人机导航系统的要求。     

组合导航系统模拟器中的卡尔曼滤波设计

组合导航系统模拟器是飞行训练模拟系统的关键部件,在分别设计了惯性导航系统模拟器以及卫星导航模拟器的基础上,为了提高模拟器的真实性,针对如何实现两个系统最优组合,为其它系统提供准确可靠的导航数据的问题,参照现代飞机组合导航系统的组成结构及工作原理,设计了组合导航卡尔曼滤波器,建立了松组合和紧组合两种组合导航方式的方程和量测方程,并与纯惯性导航系统的结果进行对比分析,证明了所设计的组合导航系统卡尔曼滤波器的有效性.     

基于容积卡尔曼平滑滤波的管道缺陷定位技术

针对管道测量系统MEMS惯性元件的漂移,且难于获得GPS信息进行有效误差累积抑制的问题,创建了管道测量系统9维系统状态误差方程和基于速度差和基准点位置差的观测方程,提出采用容积卡尔曼平滑滤波算法。该算法由以里程轮速度为观测量的正向容积卡尔曼滤波算法和以基准点位置为起点的反向平滑两级滤波组成,实现管道缺陷地理坐标的最优估计。管道缺陷定位实验结果表明,该算法能有效补偿长航时导航参数误差,10 km测量精度可以达到10-3数量级,能够满足管道内检测定位精度要求。     

组合导航中低成本磁航向系统的神经网络补偿

根据组合导航的特点,设计了低成本磁航向系统神经网络补偿方法。研究了磁航向系统的误差和补偿技术;在全球定位系统信号良好情况下,以捷联惯导/全球定位组合导航系统的航向信息为参考,使用卡尔曼滤波作为学习算法,建立多层前向神经网络模型补偿磁航向系统。实验结果表明,神经网络补偿方法将磁航向系统的航向角误差由±15°减小到约±1°,取得了明显的效果。     

卡尔曼滤波在捷联惯导系统初始对准中的应用

针对卡尔曼滤波在捷联惯性导航系统初始对准中的应用,分析了卡尔曼状态方程和量测方程的构建方式.根据捷联惯性导航系统中初始对准的原理和方法,在经典方法的基础上,研究了一种新的方式.可直接利用加速度计的输出作为观测量,减少了方程中变量的数量,不仅简化了硬件设施,减小了卡尔曼滤波方程的维数,从而减小了计算量,提高了系统分析的实时性;而且大大提高了初始对准的对准精度.通过与原有方式的实验仿真结果对比,优势明确,可以很好地应用于小型捷联惯性导航系统中.     

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.     

无人飞行器的北斗卫星组合导航算法研究

北斗卫星导航系统是中国自行研制的全球卫星定位与通信系统,为促进北斗卫星系统在导航方面的运用,降低我国导航方面对GPS的依靠,从而进一步降低成本,提高无人飞行器的导航精度,本文对捷联式惯性导航系统（INS）和北斗定位导航系统的组合导航算法进行了研究,通过惯性导航系统的原理和导航解算的过程,选择惯导系统和北斗系统的速度、位置差值作为观测量,建立组合导航系统的状态方程和观测方程,利用无迹卡尔曼滤波得到惯导系统状态量和惯性敏感器的误差,对惯导系统进行误差补偿,从而实现无人飞行器的高精度导航控制.并使用Matlab进行仿真,得出高精度的模拟输出轨迹.     

无人机组合导航系统的自适应滤波研究

无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响,同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低,稳定性差,甚至有可能发散,传统常规卡尔曼滤波无法解决上述问题。提出一种根据极大似然准则的自适应卡尔曼滤波算法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真表明,所提出的组合导航滤波器能够满足无人机导航任务的要求,并且具有很好的导航精度和稳定性。     

随机逼近自适应滤波在捷联惯导系统初始对准中的应用

对于测量噪声方差未知的捷联惯导系统(SINS),采用常规Kalman滤波进行初始对准会造成较大状态估计误差,甚至使滤波器发散。为了解决系统测量噪声方差未知或不确切知道时SINS的误差估计问题,提出一种基于随机逼近的自适应滤波方法。该方法将Robbins-Monro算法与Kalman滤波相结合,通过简化求逆运算,解决了系统观测噪声特性未知情况下SINS的误差估计问题,并提高了算法的数值稳定性。仿真结果表明,该方法能在系统测量噪声方差未知情况下有效实现SINS初始对准。     

基于最大熵卡尔曼滤波的机载SINS星敏感器辅助空中标定技术

为增强机载捷联惯导系统（SINS）在自标定过程中的可观测性,提升陀螺仪漂移和加速度计零偏估计的速度和精度,引入星敏感器姿态信息和GPS速度信息,辅助完成捷联惯导系统的空中标定。同时,考虑在实际空中飞行条件下,受气流、电磁干扰等影响,姿态和速度的量测噪声呈非高斯分布且噪声统计特性不精确,导致经典卡尔曼滤波性能降低。为有效利用量测信号中的高阶矩信息,在卡尔曼滤波中采用最大熵准则代替最小均方误差准则,对星敏感器辅助下的机载捷联惯导系统的误差进行标定。仿真结果表明,经最大熵卡尔曼滤波后,惯性器件误差的标定精度明显提升;在采用星敏感器后,对陀螺仪漂移的标定速度和精度都得到了提升。     

变维卡尔曼滤波算法在车辆导航系统中的应用

对GPS车辆定位中常用的卡尔曼滤渡技术的扩展与应用进行研究，针对车辆机动目标给出变维卡尔曼滤波（VD-kalman）算法，避免可能产生的发散情形。仿真结果表明该方法能够有效的提高滤波数值的稳定性和运用GPS进行车辆定位的精度。