车载惯导里程仪组合导航系统安装误差标定研究

研究了捷联惯导、GPS、里程仪和气压高度计构成的组合导航系统中惯导安装误差角对里程仪航位推算精度的影响;提出了以GPS输出作为辅助信息对惯导安装误差进行标定的方法;设计了以里程仪航位推算误差传播方程为系统方程,以里程仪航位推算结果和GSP位置输出之差为量测,通过卡尔曼滤波估计惯导安装误差的标定方法;仿真结果表明,该方法对惯导安装误差的标定精度能达到角秒级。在调试过程中采用该方法标定补偿后的系统实际跑车实验航位推算精度达到5m+行程的0.15%,表明补偿后残余的惯导安装误差影响已经可以忽略。     

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.     

加速度计组件温度特性在系统建模

捷联惯导系统(SINS)内部工作温度的升高会引起其中加速度计组件输出脉冲产生漂移.分析了SINS初始对准精度与加速度计组件温度漂移的关系,设计针对双轴位置转台的五位置升温实验,分离出加速度计组件零偏、标度因数误差和温度之间的关系,最终通过多项式拟合建立起补偿模型.常温条件下(25℃～50℃)系统应用结果表明,该建模和温度补偿方法可以改善加速度计组件安装误差标定精度,并提高SINS对准精度和快速启动能力.     

双轴旋转惯导系统误差传播特性分析

针对双轴旋转惯导系统的误差传播特性问题,推导出双轴旋转惯导系统的误差方程,通过特征值判据证明了误差方程在李雅普诺夫意义下的稳定性,设计了一种合理的十六次序转位方案,建立了研究误差传播特性的方法,分别仿真了初始对准误差角、陀螺常值漂移、陀螺安装误差、陀螺标度因数误差4种因素对导航误差传播特性的影响。结果表明,4种误差因素大小均与导航误差大小成线性关系,并且满足叠加性;4种误差因素会引起导航姿态、导航速度、导航纬度的常值误差和振荡误差,但不会引起积累误差;陀螺标度因数误差会引起导航经度误差的积累和发散。最后提出了减小双轴旋转惯导系统导航误差的措施,对设计双轴旋转惯导系统有一定的参考价值。     

捷联惯导系统加速度计标度因数和安装误差的试验标定

研究了捷联惯导系统惯性测量组合中加速度计标度因数和安装误差的标定问题。对捷联惯性测量组合中3路加速度计建立了输出模型,提出了在三轴转台上采用多位置试验对加速度计标度因数和安装误差进行标定的方法。实验表明,本方法能够有效地标定出惯性测量组合中加速度计的标度因数和安装误差,具有较高的精度,对提高捷联惯导系统的精度有着重要的作用。     

多惯组冗余系统安装误差的空中标定技术

以多组平行安装的捷联惯导构成的冗余系统为研究对象,提出了一种GPS辅助条件下惯导间安装误差的空中标定算法。该算法以其中一套惯导系统为安装基准,与GPS伪距、伪距率信息深组合后的导航结果为真实参考信息,标定前利用飞机机动提高基准惯导的姿态精度,标定开始时刻将基准惯导的导航信息装订给待标定惯导作为导航初值并进行姿态更新,利用待标定惯导的导航误差模型建立卡尔曼滤波器,量测量取为组合姿态与待标定惯导姿态的姿态误差,通过姿态匹配的方式对两套惯组之间安装误差进行标定。仿真结果显示,该方法不需要飞机做精确的角机动,只利用简单的摇翼和盘旋机动就可以对安装误差进行精确标定,且标定精度可达到角秒级水平。     

SINS/GPS组合导航系统仿真研究

以某载体的规划航迹数据为对象,针对捷联、卫星组合导航系统(SINS/GPS)进行了仿真研究。由规划航迹数据计算出载体的比力和角速度信息,输入至惯性测量器件模型,模型输出激励捷联解算模块,得到惯导系统输出参数;同时对规划数据添加观测噪声模拟GPS测量值。采用相对简单的基于半位置、半速度误差的误差方程作为状态方程,以松耦合方式进行集中式Kalman滤波,给出了SINS单独工作与SINS/GPS组合得到的半位置、半速度误差分布。对各状态的观测度进行了研究,确定了不可观测的状态并给出了部分状态可观测度的时间分布。仿真结果表明,方法正确有效,可对SINS/GPS组合导航系统进行算法验证和方案性评估。     

捷联惯导系统多位置对准仿真研究

利用把线性时变系统作为分段常系数系统来研究其可观性的方法,对多位置静态捷联惯导系统的误差方程进行了可观性分析,并采用卡尔曼滤波技术,对平台误差角及测量元件误差进行了估计,给出了两位置及三位置的方差仿真曲线。仿真结果表明三位置对准提高了方位误差角及垂直陀螺误差的可观度,从而加速了它们的收敛速度,提高了系统的对准、标定精度。     

改进量测的车载捷联惯导/里程计组合导航算法

针对车载SINS/Odometer速度量测和位置量测组合导航算法的潜在缺陷,提出了改进量测算法.在分析里程计输出误差模型的基础上,将里程计标度因数误差和惯导系统安装偏差均列入状态变量,并将1 s内惯导位置增量和航位推算位置增量之差作为量测值进行组合导航.车载试验使用精度为0.02°/h的激光陀螺捷联惯导系统,采用该算法后行驶54 km,定位精度可达行驶里程的0.08％.离线分析进一步证实,改进算法可以快速估计出各项传感器误差、安装偏差和初始对准误差,从而保证系统的定位和定向精度.     

基于卡尔曼滤波算法的微型SINS误差剔除的研究

针对卡尔曼滤波器在基于MEMS传感器构成的捷联惯导系统（SINS）误差补偿中的应用,系统分析了微惯性器件组成的载体在运动中所受到的干扰,通过对这些干扰的分析得出其误差模型,采用噪声协方差分析方法,利用卡尔曼滤波对其误差进行补偿。此外,在卡尔曼结构基础上,引入了姿态阵修正,进一步减小了捷联系统外部误差与姿态角误差对载体位置精度的影响。仿真和载体试验结果表明：系统具有较高的精度和较好的可靠性。     

激光捷联惯组标定系数误差校准方法研究

为校准激光陀螺捷联惯组标定系数误差,介绍了基于捷联惯组开环姿态和速度更新的解析算法.捷联开环更新的姿态误差和速度误差中包含一定的标定系数误差信息,通过转动试验和静止试验可以对标定结果进行评估.通过对开环导航系统误差方程的分析,可以得到刻度系数误差、安装误差的解析解.利用误差解析解可以实现对标定系数误差的校准.在双轴位置...     

高动态GPS/INS组合导航中时间延迟软硬件 补偿算法研究

为了解决高动态条件下GPS/INS组合导航中由于两种导航系统时间异步,卫星导航信息滞后导致导航精度下降的问题,分别提出了利用GPS串口延迟时间段内SINS解算出的导航信息变化量来补偿延迟段内误差的硬件补偿方案和基于卡尔曼滤波对SINS频漂进行估计,采用多项式拟合得到融合点处的SINS计算伪距的软件补偿方案.通过建立模型完成了对SINS频漂量及其他误差量的闭环滤波估计及修正.设计了高动态飞行仿真试验,试验结果表明:补偿后的组合导航系统水平位置精度达到±0.12′;速度稳定后精度达到0.45 m/s.该方法缩短了误差的收敛时间,抑制了飞行状态突变的情况下滤波结果出现跳变剧烈等不利现象的发生,提高了组合导航系统的精度和性能.     

IMU标定数学建模及误差分析

惯性测量单元（IMU）标定路径设计和数据处理方法取决于IMU标定数学模型,安装误差是决定IMU标定模型的重要因素。针对工程中加速度计和陀螺相对载体安装方式的不同,提出一种通过坐标系转换矩阵建立IMU标定数学模型的方法,推导IMU标定模型误差与载体角速度和加速度之间的关系,分析IMU标定模型误差对捷联惯性导航系统导航参数的影响,并利用转台提供的位置信息设计IMU标定路径和数据处理方法。仿真和转台实验结果表明：IMU标定数学模型误差引起捷联惯性导航系统速度误差、位置误差和姿态误差;安装误差的表现形式决定了IMU标定模型误差对系统导航精度的影响。     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

An adaptive constrained type-2 fuzzy Hammerstein neural network data fusion scheme for low-cost SINS/GNSS navigation system

In low-cost micro-electro mechanical system (MEMS)-grade strap-down inertial navigation system (SINS), failure to compensate inertial sensors errors as well as un-modeled uncertainties in SINS could result in exponentially divergence in overall performance of low-cost SINSs. This study deals with the enhancement of low-cost SINS accuracy in combination of global navigation satellite system (GNSS). In this respect, a novel adaptive constrained integrated scheme for SINS/GNSS is developed based on type-2 fuzzy Hammerstein neural network (T2FHNN). To this aim, a gray-box Hammerstein neural network model are defined based on clear interpretation with the physical nature of the inertial sensors error. In addition a knowledge-based type-2 fuzzy programming extracted from inertial sensors data is also used for managing the learning rate of Hammerstein neural networks. Some vehicular real-world tests have been carried out in order to show the effectiveness and feasibility of the proposed integration scheme in the long-term performance and accuracy of the proposed navigation algorithm. The results indicate that the proposed integration algorithm improved the navigation accuracy, reliability and stability in the presence of state constraints of the stand-alone SINS during signal blockage of GNSS.     

MEMS SINS-GPS组合导航系统设计

为实现满足中低精度要求的低成本导航系统,选用MEMS惯性传感器研制了捷联式惯性导航系统(SINS);针对MEMS惯性传感器噪声较大和惯性导航系统误差随时间迅速累积的问题,利用小波对MEMS陀螺信号进行了降噪处理,并采用SINS-GPS卡尔曼滤波组合导航系统以消除惯导系统的误差累积,输出较高精度的速度、位置信息.对SINS和组合导航系统进行了仿真实验,实验结果表明所建系统的长时间导航性能有一定改善.     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。     

惯性基高精度组合导航方法研究与仿真

研究了一种基于捷联惯性导航系统(SINS)的高精度组合导航方法;选取SINS的系统误差作为组合导航系统状态,利用天文导航系统(CNS)输出的姿态矩阵和SINS输出信息计算得到的等效姿态矩阵来构造量测,设计SINS/CNS组合导航算法;利用SINS与北斗卫星导航系统(RDSS)各自的位置输出构造量测,设计SINS/RDSS组合导航算法,从而,利用联邦卡尔曼滤波技术设计SINS/CNS/RDSS组合导航算法;仿真结果表明,惯性基SINS/CNS/RDSS组合导航方法具有较高的导航定位精度,工程应用前景良好。     

组合导航的AGV定位精度的改善

为了减小AGV惯性导航系统的累积误差,利用地埋标签辅助惯性导航系统构成一种自主式组合导航系统.在忽略陀螺仪误差的基础上,由惯性导航系统的运动方程推算出位置误差的计算式,得出影响误差的3个因素:加速度计偏差、AGV的行驶角度和地埋标签的数据更新时间.提出从影响误差的地埋标签数据更新时间入手,重新布放地埋标签以降低数据更新时间来提高AGV定位精度.通过Matlab对数据进行仿真,表明该方法能有效地降低AGV惯性导航系统的累积误差,进而改善了AGV的定位精度.