状态和偏差去耦估计方法及其在惯性测量中的应用

本文介绍状态和偏差去耦估计方法,其特点是计算量小、估计精度高,适用于偏差项较多的场合。在惯性测量中按此法估计惯性器件的未知常值偏差,取得满意的仿真结果。     

光纤陀螺在惯性测量装置中的应用

光纤陀螺技术发展迅速,估计在下一代先进的惯性测量装置中要使用它。概述了光纤陀螺的工作原理,并简要介绍了光纤陀螺用于试飞的情况,讨论了闭环干涉型光纤陀螺的工作过程。最后,对光纤陀螺的有关特点进行了讨论。     

MEMS在惯性测量中的应用

对MEMS在惯性测量中的应用状况进行了总结 ,介绍了加速度计和陀螺仪的基本工作原理和商业化情况 ,提出了我国发展微机械惯性传感器的一些发展思路     

推广卡尔曼滤波在捷联惯导系统的惯性元件随机误差估计中的应用

惯性敏感元件的随机误差是影响捷联惯性导航系统性能的重要因素,要衡量随机误差的大步,可以采用推广卡尔曼滤波方法,文中阐述了捷联惯性导航系统中惯性敏感元件机误差的估计过程,同时给出了仿真结果并对其进行了分析。     

余度捷联惯性测量装置中的数据融合方法

阐述了两种余度捷联惯性测量装置的数据融合方法;最小二乘法和最优加权平均法。对这两种数据融合方法进行了比较分析和仿真,证明它们都能对余度捷联惯性测量装置的测量数据进行融合,能提高测量精度,效果很好。     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

基于参数估计的数据融合方法在余度捷联惯性测量装置中的应用

将数据融合方法引入到导弹制导系统,充分利用余度捷联惯性测量装置中多陀螺的重复测量信息提高导弹的制导精度。数据融合过程分为两步：首先应用分布图对传感器原始数据进行一致性检测,然后将通过检测的一致传感器数据按照参数估计的理论进行融合。     

去耦电路及其应用技巧

去耦电路在电子产品中是应用最多的,几乎所有的多级放大器、不管是分立器件或集成电路都需要去耦电路。去耦电路出了问题,会影响电路的正常工作。什么是“去耦”呢?去耦电路指的是在多级放大电路(集成电路芯片内部大多也是由各种多级放大电路组成)的供电电源端对地所加的旁路电容。其容量大可到几十、上百微法,小也要0.1、0.01微法。     

状态和参数联合估计方法及其在飞行试验中的应用

本文提出了一种有效的状态和参数的联合估计方法.针对参数估计结果有偏或发散的问题,本文给出了一种参数向量可控性模型,并由此模型得到了噪声相关的一种状态和参数的估计方法.运用状态和参数联合估计的新方法进行飞行状态和测量仪器的误差估计,仿真和实际飞行数据处理的结果表明;本文提出的方法可以给出飞行状态和仪器误差估计的满意结果,比普通推广Kalman滤波方法更有效.     

基于证据理论的状态估计方法及其在液位估计中的应用

本文给出了一种基于证据理论的迭代算法估计噪声有界下的动态系统状态,并将其应用于工业液位仪的液位动态估计当中。该算法将系统的状态方程、观测方程及实际观测看作提供证据的3个信息源,利用证据的随机集表示及随机集扩展准则从信息源中构造关于系统状态和观测的证据:通过相关证据融合方法:将所构造的证据进行融合,并利用Pignistic期望从融合结果中计算出状态估计值。与基于置信函数的前反向传播算法相比,所提算法中的融合过程增加了估计的聚焦程度,使得估计结果更加精确。通过在液位估计中的应用说明新算法可以使得估计的相对误差提高约0.3个百分点。     

干扰解耦滤波器设计及应用研究

提出一种干扰解耦滤波器（ＤＤＦ）设计的新方法。通过一个简单有效的代数变换,将具有未知输入的系统变换成一个不含未知输入的等价系统;利用新息定理得到一种新的干扰解耦滤波器设计方法。针对机动目标跟踪问题,对常规Ｋａｌｍａｎ滤波器、最优干扰解耦观测器和干扰解耦滤波器进行了仿真比较,结果表明ＤＤＦ特别适用于目标高度机动且无有效机动模型的情形。     

基于惯性传感器输出匹配的舰船变形估计方法

大型舰船在海上航行过程中由于风浪作用、载荷变化、太阳照射以及载体机动等原因会产生一定的变形,该变形会极大地影响到舰载武器装备所需姿态信息的精度.针对这一问题,本文提出了在战位点安装惯性测量单元(IMU:陀螺+加速度计),直接根据IMU输出的速度增量和角速度信息,结合舰船主惯性导航系统的输出信息,利用卡尔曼滤波估计舰船变...     

北斗双星／SINS组合导航中的捷联惯导算法研究

摘要针对北斗双星／SINS组合导航系统,研究了捷联惯导的姿态和速度更新算法。将等效旋转矢量算法应用与姿态解算,消除了传统的四元数算法存在的不可交换性误差对导航精度的影响,并对速度解算中的划浆误差进行了补偿。将算法应用到北斗双星／捷联惯导组合导航系统,通过实际的跑车实验验证算法的有效性。     

基于惯性传感器的上肢位置跟踪

为辅助中风病人的康复训练,设计了一种手腕固定惯性测量单元的上肢位置跟踪方案.导航定位算法采用传统的捷联惯性导航解算算法,并在此基础上根据标准康复训练中手臂做屈伸运动时速度周期性为零的特征,引入零速修正技术(ZUPT).采用姿态检测最优算法检测零速区间,将此时惯性导航解算的速度作为量测值进行Kalman滤波,对系统的速度、姿态、位置、加速度计和陀螺仪常值零偏误差进行估计,将估计结果反馈以修正捷联惯性导航的累积误差.同时在Kalman滤波的基础上设计了固定区间RTS平滑算法,解决了零速修正引起的运动轨迹的突变问题.实验结果证明,该方案可以有效地实现上肢位置跟踪,在运动时间为108 s的情况下,定位误差为运动路程的0.089％.     

改进强跟踪滤波算法及其在汽车状态估计中的应用

准确实时地获取汽车行驶过程中的状态变量,对汽车底盘控制有着重要的意义,而这些关键状态往往难以直接测量或 者成本较高.结合纵向、侧向和横摆三自由度非线性汽车模型,将改进强跟踪滤波(Improved strong track filter, ISTF)算法应用到汽车的状态估计中,并改进了算 法的稳定性.与扩展卡尔曼滤波(Extended Kalman filter, EKF)算法进行比较分析.通过Carsim和Matlab/Simulink联合仿真和实车双移线实验验证算法,结果 表明,该算法在估计精度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.     

惯性导航系统在线标定方法研究

论文针对惯性导航系统在线标定的问题,利用GPS提供的基准速度和位置信息,采用基于卡尔曼滤波技术的“速度＋位置”匹配方法,以惯导系统与GPS的速度和位置的差值作为量测值,对加速度计和陀螺仪误差进行在线标定。仿真结果表明,经在线标定补偿后惯导系统定位误差降低了97．2％。该方法显著提高了导航精度,效率较高,具有一定的实用价值。     

多通道解耦事件触发机制及其在光电传感网络中的应用

针对传感器网络融合估计中由能量受限引发的通信资源受限问题,提出了一种基于多通道解耦的事件触发量测传输机制.单独设计各传感器输出分量的事件触发条件并给出了估计算法误差有界性的条件,在保证融合估计精度的同时,可一定程度上降低传感器网络数据传输量.与现有三种方法的对比仿真结果以及火力控制系统中的光电传感网络实例,表明了所提算法的有效性和工程应用的可行性.     

A New FIR Filter for State Estimation and Its Application

This paper proposes a new FIR （finite impulse response） filter under a least squares criterion using a forgetting factor. The proposed FIR filter does not require information of the noise covariances as well as the initial state, and has some inherent properties such as time-invariance, unbiasedness and deadbeat. The proposed FIR filter is represented in a batch form and then a recursive form as an alternative form. Prom discussions about the choice of a forgetting factor and a window length, it is shown that they can be considered as useful parameters to make the estimation performance of the proposed FIR filter as good as possible. It is shown that the proposed FIR filter can outperform the existing FIR filter with incorrect noise covariances via computer simulations. Finally, as a useful application, an image sequence stabilization problem is considered. Through this application, the FIR filtering based approach is shown to be superior to the Kalman filtering based approach.