基于集员滤波的SINS静基座初始对准

本文将集员滤波应用与捷联惯导系统的初始对准,克服了kalman滤波只针对噪声为白噪声这种单一状况,仿真结果表明,集员滤波有比kalman滤波更好的鲁棒性和稳定性.     

基于UKF的SINS动基座传递对准研究

在非线性、非高斯条件下进行动基座传递对准,如果采用卡尔曼滤波器误差会比较大而且可能会存在发散的问题,为了解决问题,引入了无迹卡尔曼滤波UKF(unscented Kalman filter).使用确定性样本的方法米处理非线性的问题,使得采样点的均值和方差完全符合实际的非线性系统的均值和方差,解决了惯性导航系统动基座传递对准在正常工作时的基本条件.采用UKF和扩展卡尔曼滤波EKF(Extended Kalman Filter)的计算机仿真结果表明:UKF与EKF相比,精度提高了2倍,时间少了10秒.     

捷联惯导静基座初始对准技术仿真

捷联惯导在初始对准时,按载体的运行状态来分,可以分为静基座和动基座对准。从静基座捷联惯导初始对准的原理出发,推导了捷联惯性导航系统静基座初始对准的误差动态方程和量测方程,构成了卡尔曼滤波模型。最后将卡尔曼滤波模型应用于静基座初始对准,并进行了仿真。     

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SSUPF的SINS传递对准研究

动基座传递对准具有非线性非高斯的特征,运用卡尔曼滤波(EKF)这样基于局部线性化和高斯假设的滤波方法很难取得理想的滤波精度.超球面单形无迹粒子滤波(SSUPF)是一种基于SSUT变换的无迹粒子滤波,SSUT变换利用超球面分布的sigma点采样方式,减少了sigma点数量,对于高维系统,计算量大幅度减少.在滤波算法中,通过SSUKF产生重要性概率密度函数,引入了最新的观测数据,因此更接近于系统状态的后验概率.仿真结果表明:SSUPF相比EKF和UKF提高了传递对准的精度,达到与标准UPF相当的程度,并可以获得高于UPF的计算效率.     

捷联惯导动基座快速精对准方法

针对载体处于动基座下难以实现快速对准这一问题,在已有惯性系对准方法的基础上提出了改进的对准方案并应用于捷联惯导系统中.利用卡尔曼滤波水平精对准速度较快的优点快速完成水平对准,进而计算出重力加速度在基座惯性坐标系的投影并采用加权平均算法对其进行平滑,最后利用重力在惯性空间圆锥慢漂的性质,通过惯性系对准方法完成初始对准.车载试验结果表明,所提出的对准方法可以在5分钟内完成较高精度的初始对准.     

SINS大失准角初始对准的改进算法研究

在捷联导航系统优化控制的研究中,捷联惯导系统(SINS)初始对准的误差方程存在是非线性,对于静基座初始对准造成误差较大。传统采用的方法是将失准角视为小角度,可将误差模型线性化,利用KF完成静基座的初始对准。但是对于动基座大失准角来说,多采用非线性滤波方式来解决,建立误差模型,并采用UKF滤波进行数据融合。由于非线性模型的噪声参数未知等原因,常规的UKF可能会出现滤波发散现象,为解决上述问题,提出采用自适应方法的UKF来对建立的非线性模型进行滤波。仿真结果表明,在大失准角情况下,采用非线性模型的AUKF比UKF滤波具有更好的对准精度和更快的收敛速度,可为优化设计提供参考。     

车载惯性导航仪快速初始对准技术

为了完成车载惯性导航仪在静基座下的对准与标定,提出采厢两位置对准方案.在惯性导航仪粗对准的基础上,建立了含有解算速度项的初始对准模型,并选取水平速度作为观测量.为了兼顾对准时间,采用自适应Kalman滤波器对失准角、惯性器件常值误差和随机误差进行实时估计,完成初始对准和标定.通过多次水平转台对准试验,表明在400 s对准时间内,方位角误差减小到0.7°以内,水平姿态角误差减小到0.04°以内,同时对系统中水平惯性器件的常值误差做出了估计,更加有利于导航精度的提高.     

小波域阈值滤波在基于惯性系对准中的应用

当对准环境中存在不确定的角晃动和线振动干扰时,针对直接利用加速度计在不同时刻输出的比力信息进行基于惯性系的初始对准,姿态误差收敛过程振荡剧烈、对准精度低等问题,提出将2代小波半软阈值滤波方法应用到初始对准中以减小环境噪声对载体惯性系量测矢量的影响。实验结果表明,小波域阈值滤波可以有效地抑制量测矢量的高频噪声,惯导系统对准在受到较大干扰时,大约在4 min时能达到极限精度,且与传统方案相比方位误差角收敛过程平稳。     

基于分段积分法的惯性系初始对准算法研究

晃动基座下无法直接根据陀螺和加速度计的输出实现方位粗对准.针对这一问题,研究了一种适用于晃动基座的初始对准新算法.该算法根据坐标系假设凝固的思想,通过坐标系分解,并采用分段积分重力矢量构造观测矢量的新方法,将初始对准姿态矩阵的求解问题转化为基于wabha问题确定对准起始时刻的姿态问题.通过利用车载实验模拟不同的晃动对准环境,验证了该算法能有效解决晃动基座下捷联惯导的初始对准问题.     

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.     

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。     

GPS辅助捷联惯导系统动基座初始对准新方法

针对捷联惯导系统(SINS)初始对准问题,提出了一种无需经历传统的粗对准阶段而利用单天线GPS辅助直接进行动基座精确初始对准的新方法。该方法以惯性空间为参考基准,将初始对准姿态矩阵分解为三部分逐一实现,进一步对动基座对准进行了误差分析,指出了利用停车零速信息可以提高初始对准精度的思路。最后,载车运动环境下的初始对准试验结果表明,航向角对准精度达到了0.081°(1σ)。     

CDKF在车载捷联惯导自对准中的应用

研究了车载捷联惯导在大方位失准角下的静基座自对准。采用Sigma点卡尔曼滤波,根据均值与协方差信息按非线性映射传播的特点,直接利用非线性模型,可以消除EKF存在的需要解析Jacobi矩阵以及将非线性系统线性化后的系统模型误差问题不易调整的弊端,其中的中心差分卡尔曼滤波(CDKF)精度高,且对状态协方差阵不敏感。仿真结果表明,在大方位失准角下采用CDKF进行初始对准,比用传统的EKF更精确且收敛速度更快。     

低精度的SINS/GPS组合导航系统中初始航向对准技术

低精度的捷联惯导系统(SINS)无法实现航向自对准,用于初始航向对准的SINS/GPS组合系统是强非线性系统.通过变换估计量的方法,将航向角的估计转换为两个三角函数变量的估计,在大航向角误差的条件下忽略了大部分次要因素的影响,推导了用于初始航向角估计的SINS/GPS组合系统方程.最后进行了航向角对准仿真,结果表明:在初始航向角完全未知的情况下,载体经过短时间(20s)的机动,航向角的估计精度能达到3°左右.     

基于进化规划的自适应IIR滤波

针对基于梯度下降算法的自适应IIR滤波器（AIIRF）具有潜在的不稳定性和性能指标函数容易陷入局部极小而导致性能下降等问题，本文将进化规划用于AI－IRF的优化设计，不仅解决了AIIRF系统稳定性问题，而且有效地实现了滤波器性能指标函数的全局寻优和快速收敛，同时允许大动态范围的输入号。计算机仿真结果验证了基于进化规划算法的AIIRF的性能优于基于梯度算法的AIIRF，尤其对高阶、极点靠近单位圆的自适应IIR滤波器。     

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。