基于CKF的SINS大方位失准角初始对准

大方位失准角捷联惯导系统(strapdown inertial narigation system,SINS)误差方程是非线性的,为改善非线性模型下初始对准的精度,提出将一种新的非线性滤波方法(cubature Kalman filter,CKF)应用于捷联惯导系统初始对准中。为此建立了大方位失准角下初始对准非线性模型,分析了基于spherical-radial cubature准则的CKF滤波原理,对非线性模型进行了CKF滤波仿真。仿真结果表明CKF能够很好地处理初始对准中的非线性问题,提高初始对准精度,方位失准角误差能够收敛到-33.13’,接近理论估计精度-32.40’,优于EKF的-84.14’。     

QUKF算法及其在SINS初始对准中的应用

针对捷联惯导系统初始对准过程中的大失准角情况,建立了乘性四元数姿态误差方程。结合UKF算法,提出了基于四元数的UKF算法(QUKF)。以姿态矩阵为对象,通过构造姿态矩阵代价函数的方法来求取四元数的一步预测均值,保证了均值四元数的规范化;利用乘性误差四元数表示四元数Sigma点与均值四元数的距离,以求取四元数的预测协方差矩阵。四元数状态更新中,采用乘性四元数更新保证了滤波过程中四元数的规范化。基于该算法的SINS在粗对准水平失准角为小角度、方位失准角为大角度条件下的仿真实验结果表明,与常规EKF相比,纵、横摇角对准精度均略有提高,而航向角误差估计精度提高显著。     

基于改进EKF算法的锂电池SOC估算

采用传统EKF算法对电池SOC估算时,系统噪声先验特性未知及电池模型误差会影响电池SOC估算的精度。论文提出一种基于改进EKF算法的锂电池SOC估算方法:通过建立电池等效电路模型,联合安时积分法原理,得到系统的状态空间方程;接着引入数据校正的思想,运用Cauchy鲁棒函数,以EKF观测方程的真实值与估计值之间的残差为依据,实时矫正了滤波状态噪声协方差阵Q,且在SOC区间内通过观测噪声协方差阵R进行了动态调整,使算法具有更强的鲁棒性。仿真结果表明,与传统的EKF算法相比,改进后的EKF算法估算误差降低了3.5%,且算法的平均误差保持在0.68%左右,验证了该方法的有效性及精确性。     

自适应渐消EKF在移动机器人SLAM中的应用

针对即时定位与地图构建(Simultaneous localization and mapping,SLAM)中经典方法的误差累积以及噪声干扰问题,提出基于自适应渐消EKF的SLAM算法。该算法通过引入自适应渐消因子,实时在线调整先验概率密度估计,减小陈旧观测信息对系统估计的影响,在保证协方差矩阵正定性的同时,达到提高SLAM算法估计精度及增强其鲁棒性的目的。通过仿真和基于开源数据集的实验,将提出的算法与EKF-SLAM和UKF-SLAM两种算法进行比较,结果表明AFEKF-SLAM算法在估计精度上优于另外两种算法。     

低成本惯导系统预处理和姿态解算

针对低成本惯性传感器系统中由于系统误差、环境干扰等因素造成的姿态计算数据精度低、易发散等问题,设计了一种加速度计和陀螺仪的误差预处理模型,并使用扩展卡尔曼滤波实现其过程。然后基于扩展卡尔曼滤波算法构建两级噪声方差阵和引入渐消记忆因子的自适应扩展卡尔曼滤波算法,实现姿态角的融合过程。最后采用四元数更新算法求解姿态角。实验结果表明:通过自适应扩展卡尔曼滤波算法使姿态解算精度进一步提高。     

一种单轴旋转捷联惯导的三位置对准方法

针对单轴旋转式捷联惯性导航系统,提出了一种基于惯性测量单元(inertial measurement unit,IMU)旋转的三位置初始对准方法.在系统可观测性分析的基础上,建立IMU姿态与失准角之间的关系,提出了使失准角估计偏差为零的三位置对准方法.与以往固定位置对准和两位置对准进行了比较,表明该方法可以消除不可观测的水平加速度计零偏和东向陀螺常值漂移对初始对准精度的影响,大大提高了系统初始对准精度.     

基于IMU的机器人姿态自适应EKF测量算法研究

为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪信号随时间发生漂移等影响测量精度的问题。针对这些问题,设计了一种自适应拓展卡尔曼滤波(EKF)姿态测量改进算法。基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage-Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差。实验结果表明,相比Sage-Husa自适应滤波算法,该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36.43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14.28%和19.44%,能有效提高姿态测量精度。     

基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中。针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子。仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值。     

5基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.     

加权递推最小二乘的捷联式惯导系统初始对准方法研究

捷联式惯导系统(捷联式惯性导航系统)的初始对准就是确定捷联矩阵的初始值,陀螺与加速度计的误差会导致对准的误差,对准时飞行器的干扰运动也是产生对准误差的重要因素,因此滤波技术对捷联式惯导系统尤为重要.通过研究捷联惯导初始对准的误差模型,提出了将加权递推最小二乘滤波算法应用于捷联式惯导系统的初始对准中,仿真结果表明,该方法估计精度高,收敛速度快.     

水下动基座初始对准中的鲁棒自适应UKF方法

捷联式惯导水下动基座初始对准中,当量测噪声具有不确定、非高斯的统计特性时,对量测噪声作高斯分布假设和对量测噪声阵R作常值处理会造成无迹卡尔曼滤波(UKF)精度和鲁棒性变差。针对此问题,提出了一种基于投影统计(PS)算法的鲁棒自适应UKF(ARUKF)方法。方法首先利用PS算法确定存储新息的权值,对异常的新息进行重加权;而后利用MyersTapley方法自适应地估计R阵;最后利用Huber方法中的权函数对估计出来的R阵进行修正。基于江试试验的实测数据,利用UKF、鲁棒UKF(RUKF)和ARUKF进行非高斯量测噪声条件下的动基座初始对准实验,结果表明:当观测量受到野值的污染时,ARUKF不仅具备RUKF的鲁棒性,而且能够准确地估计出观测量的噪声协方差阵R,比UKF和RUKF具有更高的初始对准性能。     

采用自适应无迹卡尔曼滤波的卫星姿态确定

针对现有算法卫星姿态确定中模型参数估计不准确,系统存在外界干扰下稳定性差和跟踪精度不足的问题,提出一种自适应无迹卡尔曼滤波算法,对卫星三轴姿态进行估计.首先分析了陀螺和星敏组合定姿的工作原理,然后推导了以误差四元数为状态变量的卫星姿态运动学方程.滤波过程中,该算法引入自适应矩阵,对量测噪声协方差矩阵进行调整;依据滤波发...     

基于Sage窗的自适应Kalman滤波用于钟差预报研究

钟差预报是时间保持工作中的一项关键技术。Kalman算法作为一种最优预报算法,具有实时性的特点,在时间保持工作中得到了广泛的应用。但是由于经典Kalman算法需要准确确定模型随机误差和测量误差,否则状态估计会引入一定的误差,在原子时算法中表现为原子钟噪声和钟差测量噪声。原子钟的噪声参数值通常是通过Allan方差估计,若估计不够准确,Kalman预报将会出现误差。通过研究基于Sage窗的自适应Kalman预报算法,实时修正状态模型误差。利用自适应因子调整状态预测协方差阵有效降低了模型误差,提高了预报精度,最后通过两台氢原子钟和两台铯原子钟的实测数据验证了算法的有效性。     

传递对准中杆臂效应的误差分析与补偿

杆臂效应误差是影响速度匹配传递对准的重要因素之一,因此必须对其进行补偿.由于常用的数字滤波补偿方法的补偿效果不太理想,针对大方位失准角条件下的非线性系统提出了一种直接计算的补偿方法.由于计算补偿方法的前提是杆臂长度已知,当杆臂长度未知时,提出了先利用无迹卡尔曼滤波扩维方法对杆臂长度进行估计,再采用计算补偿对杆臂速度项进行补偿的算法.为了验证本算法的有效性,进行了仿真和实验验证.采用该算法后,仿真条件下方位失准角可以在120 s内收敛至0.381°;实验条件下方位失准角可以在0.8h内收敛至-0.031°.仿真和实验结果均表明与数字滤波补偿方法相比,采用该算法后初始对准的速度和精度都有很大程度的提高.     

初始对准中常规六状态卡尔曼滤波器的应用

建立了常规六状态滤波器误差方程,进行了kalman滤波仿真,得到航向、姿态角误差和陀螺漂移误差量,进行补偿。仿真结果显示常规滤波器在初始对准中取得了较好的效果。     

改进的Kalman滤波算法在飞行器测距中的应用研究

为了解决四旋翼飞行器避障系统中激光和超声波传感器测距数据误差较大的问题,设计了一种改进的Sage_Husa自适应Kalman滤波算法。首先,在算法中引入遗忘因子,修正观测噪声协方差,校正数据结果,并使用Sage_Husa法对传统自适应Kalman滤波算法进行简化;然后,针对不同材质的障碍物墙面进行测距实验;最后,将结果与单一传感器和传统Kalman滤波算法的实验结果进行对比。结果显示,改进的Kalman滤波算法使激光和超声波传感器测量数据的融合结果更加稳定、准确,证明该算法能有效提高传感器的测量精度。     

捷联惯导系统极区水下动基座对准EI北大核心CSCD

惯性导航系统正常工作前需进行初始对准,极区和水下环境中的动态对准是惯导系统初始对准的难点。通过惯性坐标系下的惯导系统误差模型进行卡尔曼滤波初始对准,避免了对准误差随纬度升高而发散的问题。在水下利用载体坐标系测速设备提供速度参考,为卡尔曼滤波器提供速度误差观测量。在对准过程中,利用航位推算方法对载体位置进行实时更新,进一步提高了对准精度。通过跑车数据及仿真试验对算法进行验证,结果表明,所提算法可以有效实现惯导系统在极区水下环境中的动态初始对准。     

捷联惯导系统极区水下动基座对准

惯性导航系统正常工作前需进行初始对准,极区和水下环境中的动态对准是惯导系统初始对准的难点。通过惯性坐标系下的惯导系统误差模型进行卡尔曼滤波初始对准,避免了对准误差随纬度升高而发散的问题。在水下利用载体坐标系测速设备提供速度参考,为卡尔曼滤波器提供速度误差观测量。在对准过程中,利用航位推算方法对载体位置进行实时更新,进一步提高了对准精度。通过跑车数据及仿真试验对算法进行验证,结果表明,所提算法可以有效实现惯导系统在极区水下环境中的动态初始对准。     

基于改进 ESKF 的植保无人机时延位姿补偿算法

为解决全球导航卫星系统和惯性测量单元融合时间不同步问题,提高植保无人机位姿估计精度,本文根据植保无人机 大惯性、强振动的特性提出一种基于改进误差状态卡尔曼的时延位姿补偿算法。 首先对名义状态变量线性预测,引入渐消因子 提高强振动环境下的系统稳定性;接着采用互补滤波对角速度补偿,对姿态误差状态变量修正;最后结合测量的延迟时间,使用 互补滤波外推数据,提高大惯性特性下的速度位置精度。 实验结果表明,相较于误差状态卡尔曼算法,横滚角和俯仰角均方根 误差减少 0. 266 9°和 0. 241 4°,偏航角均方根误差减少 0. 076 4°;正常航迹植保作业下,东北天方向速度均方根误差减少 0. 210 5、0. 184 9、0. 238 8 m/ s;东北天方向位置均方根误差分别减少 0. 21、0. 19、0. 23 m,有效提高位姿估计精度。     

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。