强跟踪滤波器在潜射运载器传递对准中的应用

潜射运载器在发射前进行精确的传递对准十分重要.然而潜射运载器的传递对准精度会因为潜艇挠曲变形而受到严重影响.为了解决艇体挠曲变形给运载器传递对准精度带来的不利影响,对强跟踪滤波器在潜射运载器动基座传递对准中的应用进行了研究,设计了强跟踪滤波器,仿真结果表明在潜艇具有很小的机动以及考虑艇体挠曲变形的条件下能够较好地估计出从惯导相对主惯导的失准角.由于该方法不必建立艇体挠曲变形的复杂模型,使得解决挠曲变形对传递对准精度影响的问题大大简化了,具有一定的工程意义.     

大方位失准角传递对准非线性模型研究

针对惯导系统大方位失准角传递对准的非线性误差方程不准确问题,同时考虑杆臂效应和挠曲变形两种主要误差因素来建立挠曲变形和杆臂效应加速度一体化误差模型,从而完善惯导系统大方位失准角传递对准非线性模型.针对非线性滤波的稳定性和快速性问题,采用比例修正无味卡尔曼(UKF)滤波模型估计姿态失准角,并采用速度匹配算法对模型的正确性和滤波的有效性进行仿真验证.结果表明,该模型在大方位失准角传递对准时可以满足对准精度和时间的要求.     

INS传递对准中挠性杆臂效应建模与仿真

本文针对舰载武器传递对准产生的杆臂效应模型未考虑动态挠曲的情况,根据挠性杆臂效应原理推导出该模型,利用simulink搭建挠曲变形角二阶马尔科夫过程模型,并与非挠性杆臂效应比较,表明动态挠曲引起的加速度误差较大,需要计算补偿。     

H∞次优滤波在角速度匹配传递对准中的应用

角速度匹配传递对准的量测量是主惯导的高精度陀螺测量信息与子惯导的陀螺测量信息之差,将角速度匹配传递对准的量测量送入卡尔曼滤波器进行信息融合,以获得导航系统误差的最优估计值.通过对角速度匹配传递对准的系统状态模型和量测模型的构建与分析,在将机翼弹性变形等干扰项为有色噪声时,采用H∞次优滤波的角速度匹配传递对准方式估计弹体的安装误差角与姿态失准角,从而实现机载导弹武器系统的快速传递对准.仿真结果表明,基于H∞次优滤波的角速度匹配传递对准,能有效抑制实际应用中弹体的机翼弹性变形等外界不确定噪声的干扰,在确保传递对准鲁棒性能的同时,可以获得良好的快速性能和滤波精度.因此,作为一种空中飞行的对准方法,采用H∞次优滤波将干扰项作为有色噪声应用于角速度匹配传递对准更符合工程应用的实际情况.     

基于UKF的MEMS捷联惯导传递对准方法

在飞行器导航系统优化问题的研究中,为解决MEMS捷联惯导(SINS)传递对准精度低和对准时间长的问题,提出了一种采用无迹卡尔曼滤波(UKF)的MEMS-SINS传递对准方法.首先利用欧拉平台误差角表示主子惯导坐标系之间失准角的方法,建立MEMS-SINS传递对准的大失准角误差模型.然后对建立的模型采用UKF滤波算法,使用确定性样本的方法来处理传递对准模型的非线性问题.最后对提出的传递对准方法进行仿真验证,并与扩展卡尔曼滤波(EKF)进行比较.仿真结果表明:在传递对准过程中,UKF获得了比EKF更好的对准精度和更短的对准时间,基本满足了战术级导航系统传递对准的精度要求.     

H∞次优滤波在速度姿态匹配传递对准中的应用

针对速度+姿态匹配传递对准中量测中的不确定性干扰,采用H∞滤波方法进行速度+姿态匹配传递对准。并与卡尔曼滤波进行了比较,仿真结果表明,当系统噪声和量测噪声为白噪声时,卡尔曼滤波器和H∞滤波器均有效,而且卡尔曼滤波器优于H∞滤波器。但是,当系统噪声与量测噪声为有色噪声并且存在建模误差时,卡尔曼滤波收敛速度明显低于H∞滤波的收敛速度。H∞滤波更符合工程应用的实际情况,因而H∞滤波是一种非常有效的估计方法。     

联邦模糊自适应卡尔曼滤波在速度+姿态传递对准中的应用

在系统动态模型和噪声统计特性无法完全获得的情况下,通过调整卡尔曼滤波器的相关参数提高弹载子惯导对准性能,其效果是很有限的,采用联邦模糊自适应卡尔曼滤波方法进行速度＋姿态匹配传递对准,并对算法进行了可行性分析与仿真验证。仿真结果表明,在系统动态模型和噪声的统计特性不确定的情况下,速度+姿态匹配传递对准的联邦模糊自适应卡尔曼滤波短时间内能够较好地估计出弹载子惯导的初始姿态失准角,是一种非常有效的信息融合方法。     

卡尔曼滤波技术在捷联惯性导航系统对准中的应用

本文首先阐述了卡尔曼滤波技术的简单理论,然后建立了捷联惯性导航系统初始对准的卡尔曼滤波模型,并对静基座下的卡尔曼滤波初始对准精度进行分析,最后进行了卡尔曼滤波仿真。仿真结果表明,此方法算法简单,能有效缩短初始对准时间,对准稳态精度较高,是一种可靠的初始对准方案。     

RBF神经网络在惯导系统传递对准中的应用

针对系统阶次较高时卡尔曼滤波实时性较差的特点,将径向基（radial basis function,RBF）神经网络替代卡尔曼滤波应用于舰载机惯导系统的传递对准。利用卡尔曼滤波的输入、输出作为RBF神经网络滤波的样本值进行训练,得到了神经网络的输出值,实现了惯导传递对准中的滤波功能。仿真结果表明将RBF神经网络用于传递对准,既获得了与卡尔曼滤波相当的精度,又有效地降低了系统的解算时间,提高了系统的实时性。     

四元数扩维无迹卡尔曼滤波算法及其在大失准角快速传递对准中的应用

针对快速传递对准中量测失准角为大角度的情况,在非线性欧拉角误差模型基础上,推导了一种基于乘性四元数的等效快速传递对准模型.为解决四元数在无迹卡尔曼滤波（UKF）算法中的应用问题,提出了一种基于四元数的状态扩维无迹卡尔曼滤波（Q--AUKF）算法.该算法将系统噪声增广到状态向量中,解决了乘性四元数噪声无法进行向量意义下四则运算的问题.针对四元数加权均值规范化的限制,采用平均四元数算法保证其正交规范化要求.最后将其应用到快速传递对准中的仿真实验结果表明,在量测误差角为大角度的情况下,该算法具有更高的估计精度与收敛速度.     

A fast and accurate initial alignment method for strapdown inertial navigation system on stationary base

In this work,a fast and accurate stationary alignment method for strapdown inertial navigation system （SINS） is proposed. It has been demonstrated that the stationary alignment of SINS can be improved by employing the multiposition technique,but the alignment time of the azimuth error is relatively longer. Over here, the two-position alignment principle is presented. On the basis of this SINS error model, a fast estimation algorithm of the azimuth error for the initial alignment of SINS on stationary base is derived fully from the horizontal velocity outputs and the output rates, and the novel azimuth error estimation algorithm is used for the two-position alignment. Consequently, the speed and accuracy of the SINS＇ s initial alignment is enhanced greatly. The computer simulation results illustrate the efficiency of this alignment method.     

A fast and accurate initial alignment method for strapdown inertial navigation system on stationary base

In this work,a fast an d accurate stationary alignment method for strapdown inertial navigation system (SINS) is proposed.It h as been demonstrated that the stationary alignment o f SINS can be improved by employing the multipositio n technique,but the alignment time of the azimuth error is relatively longer.Over here,the two-posi tion alignment principle is presented.On the basis of this SINS error model,a fast estimation algorithm of the azimuth error for the initial a lignment of SINS on stationary base is derived f ully from the horizontal velocity outputs and the output rates,and the novel azimuth error estimatio n algorithm is used for the two-position alignment. Consequently,the speed and accuracy of the SINS' s initial alignment is enhanced greatly.The computer simulation results illustrate the efficiency of this alignment method.     

单轴旋转SINS惯性系对准方法研究

针对复杂情况下车载捷联惯导初始对准抗干扰能力差,对准精度不高的问题,提出一种基于单轴连续旋转调制的惯性系初始对准方法。阐述了单轴连续旋转捷联惯导初始对准的误差抑制原理,利用惯性凝固思想建立了惯性系双矢量对准模型,进一步利用惯性系多矢量定姿方法结合旋转调制实现初始对准。通过仿真及设备实验验证,单轴连续旋转调制能够有效抑制惯性器件误差,提高对准精度,惯性系多矢量定姿方法相比于双矢量定姿方法能够更加充分利用测量矢量信息,抑制外界干扰,提高对准性能。     

速度加角速度匹配传递对准方法研究

以主惯导和子惯导的速度差和角速度差作为观测量,设计速度加角速度匹配传递对准方法。推导了速度加角速度匹配微分方程,建立了速度加角速度匹配的线性滤波模型。速度加角速度匹配传递对准方法作为计算参数匹配法和测量参数匹配法的结合,比较传统的速度匹配传递对准方法利用了更多的观测信息,因此,对方位的估计精度高,估计时间短。     

基于奇异值分解的鲁棒容积卡尔曼滤波及在组合导航中的应用

为了提高GPS/INS 组合导航系统对异常观测值的鲁棒性, 引入??∞ 滤波思想提出一种新的非线性鲁棒滤波. 分析H_∞ 鲁棒容积卡尔曼滤波中不同约束水平对滤波结果的影响, 指出在一定范围内当约束水平越小时, 系统的鲁棒性越强, 但容易造成Riccati 不等式无解, 导致滤波发散. 采用奇异值分解代替容积卡尔曼滤波中的Cholesky 分解, 改善了滤波的稳定性, 放宽了??∞ 鲁棒容积卡尔曼滤波器对约束水平的要求. GPS/INS 组合导航实验验证了该滤波方法的正确性和优越性.

     

带有转动机构的捷联惯导初始对准方法分析

在现有器件精度基础上依靠旋转调制技术实现更高精度导航成为当前惯性技术的研究热点。针对移动测量系统旋转光纤惯导系统对初始化可靠性和准确性提出的更高要求,设计一种不同惯性系下重力加速度建立转换矩阵的粗对准加两位置卡尔曼滤波精对准的初始化方法。分析粗对准过程转换矩阵求取机理,设计惯性坐标系重力及其微分构建初始捷联矩阵的方法;利用转动机构实现IMU处于2个最优方位完成光纤惯导系统的卡尔曼滤波精对准。转台实验结果表明,惯性系粗对准加两位置卡尔曼组合精对准可有效实现旋转惯导系统的高精度初始化。     

捷联惯导系统任意失准角双模型快速传递对准

传递对准是机载和舰载装备惯导系统初始对准的首选方案,由于传递对准大多在恶劣的外部环境下进行,使得常规的线性误差模型不能准确的描述传递对准过程中的误差传播特性,所以国内外研究者提出了一系列的非线性误差模型,但是这又带来了非线性系统状态估计时计算量较大的问题。针对这一问题提出了一种双模型快速传递对准方法,在传递对准的初始时刻,失准角较大时,采用基于速度加四元数匹配的非线性误差模型和非线性滤波算法如Unscented卡尔曼滤波进行传递对准状态估计,当失准角的估计达到一定的精度后对子捷联惯导进行一次校准,再切换到基于速度加姿态角匹配的常规线性误差模型和常规卡尔曼滤波,仿真结果表明,该方法能够获得比单独使用线性误差模型或非线性误差模型高的对准精度,并且计算量比采用非线性误差模型时大大减小。     

基于小波降噪的MEMS惯导系统对准方法研究

针对当前MEMS器件受加工工艺限制导致器件输出信噪比低,进而影响MEMS惯导系统初始化的问题,提出一种采用小波降噪的“重力+地磁”信息粗对准方法。分析MEMS器件输出信息结构特征,探索不同小波基函数在不同分解层数下的降噪效果并设计小波分解方案并实现惯性器件噪声的有效滤除;根据重力矢量垂直当地地理坐标系水平面的特征,利用加速度计敏感重力矢量水平分量实现载体初始水平姿态角的确定;结合地球表面任意位置处的地磁信息具有唯一指向性的特征,通过测量载体所在位置处的地磁信息并结合磁偏角修正实现载体初始方位角的求取。转台实验结果表明,经过小波降噪处理后得到的重力与地磁信息可实现MEMS惯导系统初始对准。     

惯性导航系统非线性初始对准的LS-SVM方法研究

由陀螺仪和加速度计等惯性传感器组成的惯性导航系统,在进入导航状态之前必须进行初始对准.根据支持向量机强大的非线性映射能力,建立了基于最小二乘支持向量机(LS-SVM)的捷联惯导系统非线性初始对准方法.LS-SVM避开了经典支持向量机求解时的复杂优化运算,通过求解一组线性方程组就可以得到唯一的全局最优解,所以算法的复杂度大大降低,能更好的满足工程应用中的实时性要求.针对方位初始失准角为大角度时的捷联惯导系统非线性误差模型进行仿真分析,并在相同条件下与卡尔曼滤波方法作比较,结果表明LS-SVM在初始对准中的有效性和可行性.