杆臂效应与挠曲变形一体化误差补偿技术研究

针对舰载机捷联惯导系统（Strapdown Inertial Navigation System,SINS）传递对准技术中存在挠性杆臂效应问题,提出一种采用误差模型一体化的补偿方案。建立了杆臂效应与挠曲变形的一体化误差模型,分析了线性量测方程下的简化非线性卡尔曼滤波（Unscented Kalman Filter,UKF）算法,将其应用在杆臂效应与挠曲变形的一体化误差补偿技术中。模拟海浪干扰下舰船的三轴摇摆动态仿真环境,利用仿真结果验证了一体化误差补偿方案可行性。     

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.     

基于捷联惯导系统的杆臂效应误差分析

随着捷联惯导系统的发展,对惯性导航精度和快速性的要求越来越高。而快速性主要取决于初始对准时间。传统的初始对准方法具有一定的局限性,而传递对准是一种新型的、快速的初始对准方法。主要分析了传递对准方法中的速度匹配方法,在此基础上推导了杆臂效应的基本原理。最后通过仿真得到,存在杆臂效应时,航向失准角估计误差稳态值为-0.5°;通过实船实验得到,存在杆臂效应时,俯仰、横滚和航向角的失准角估计误差分别为-0.22°,-0.37°,-0.35°,从而验证了杆臂效应误差对失准角的影响。     

捷联惯导系统方位失准角对准技术研究

研究低成本捷联惯导系统中静基座方位失准角对准问题。传统采用的MIMU精度较低,误差模型的非线性化。为改善方位失准角的对准精度,提出了一种UPF方法的方位失准角对准方法。建立了关于磁强计辅助MIMU的粗对准模型,并将磁强计辅助完成粗对准的方位角偏差引入精对准的线性和非线性误差模型之中,给出了一种简化的UPF递推算法,对比了不同误差模型下的三种滤波方法的效果。仿真结果表明,无论是线性还是非线性误差模型下,UPF都获得了比KF和UKF更优的对准精度和收敛性,具有重要理论意义和应用参考价值。     

基于H∞的低精度捷联惯导系统初始对准方法

由于低精度捷联惯导系统的陀螺精度较低,初始对准时方位失准角的估计精度往往不高;另外,进行初始对准的常用方法是采用Kalman滤波技术,但在实际应用时,其鲁棒性不高,因此迫切需要一种能够改善低精度捷联惯导系统方位失准角的估计精度且兼具鲁棒性的初始对准方法。提出了一种将H∞滤波用于引入磁航向的低精度捷联惯导系统的初始对准方法,能够解决上述问题。建立了一种引入磁航向的捷联惯导系统初始对准的误差模型,通过可观测性和可控性分析,得出可观可控系统,利用H∞滤波方法对其进行了仿真分析,仿真结果表明,能够改善低精度捷联惯导系统方位失准角的估计精度,并能有效抑制有色噪声及建模误差的影响,将其应用于低精度捷联惯导系统的初始对准是切实可行的。     

捷联惯导大方位失准角快速初始对准

捷联惯导方位角快速性能优化问题,传统大方位失准角初始对准方位角收敛速度较慢,直接影响惯导系统的性能。为此提出一种无重置联邦滤波器的以速度误差和比力输出作为观测量的快速初始对准新算法。给出了捷联惯导系统非线性误差模型,并分析了两种观测量,建立了速度观测子滤波器和比力观测子滤波器,同时采用了相应的状态方程和观测方程。用三种方法进行了大方位失准角初始对准的数字仿真。仿真结果对比表明,新方法不仅使方位失准角收敛速度快,而且在加速度计噪声增大10倍的情况下,仍然具有极高的对准精度。     

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。     

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.     

迭代容积粒子滤波算法在SINS初始对准中的应用

在大方位失准角误差的条件下,捷联惯导系统(SINS)初始对准误差模型是非线性的,可以采用粒子滤波(PF)方法进行处理.针对标准PF算法中存在的重要性密度函数难以选取的问题,提出了一种新的迭代容积粒子滤波(ICPF)算法.将Gauss-Newton迭代和容积卡尔曼滤波(CKF)算法相结合,得到迭代CKF(ICKF)算法.该算法利用最新量测信息改进迭代过程中产生的新息方差和协方差,可获得较高的估计精度.由ICKF算法获得粒子滤波算法的重要性密度函数,有效地抑制了粒子退化现象.SINS大方位失准角初始对准的仿真结果和实验结果表明:该算法的滤波精度高于标准PF算法和容积PF(CPF)算法,是一种非常有效的非线性滤波算法.     

基于卡尔曼滤波的倒立摆控制系统噪声抑制

在二级倒立摆稳摆控制中,摆杆的角度信号受到测量噪音污染,通过差分获取角速度时,该噪音被放大,导致稳摆控制器的输出产生较大的随机波动,同时电机作为执行器,也混入了较大的过程噪音.这两种噪音使系统出现较强抖动,既不利于摆杆稳定,也缩短了电机寿命.对此,将稳态卡尔曼滤波器与渐消记忆法结合起来,找到了确定稳态卡尔曼滤波器增益矩阵的有效方法,既克服了模型误差,又满足实时性要求,减小了电机抖动,取得了较好的效果.     

强跟踪CDKF 及其在组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在组合导航系统模型不确定时存在滤波精度下降甚至发散的问题,提出一种具有强跟踪性能的中心差分卡尔曼滤波器(CDKF).强跟踪CDKF基于强跟踪滤波器(STF)的理论框架,采用中心差分变换代替STF中的雅可比矩阵计算,兼具STF鲁棒性强,CDKF滤波精度高和实现简单的优点,有效克服了EKF在系统模型不确定时滤波失效的缺点.仿真结果验证了强跟踪CDKF的有效性.     

一类非线性系统准滑模控制的稳态误差分析

针对一类具有未知控制增益的不确定非线性系统准滑模跟踪控制,通过分析跟踪误差和滑模变量之间的关系,利用有界输入有界输出稳定的思想,分别推导了采用Slotine形式的传统滑模面和传统积分滑模面时系统的稳态跟踪误差的界.将其与现有的几种方法进行比较,该方法求得的稳态跟踪误差界更精确.根据给定的稳态跟踪误差要求,可设计出适合抑制抖振的饱和函数.通过仿真算例验证了所提出方法的有效性.     

高斯混合粒子PHD 滤波被动测角多目标跟踪

为解决目标数未知或随时间变化的多目标跟踪问题,通常将多目标状态和观测数据表示成随机集形式,并通过递推计算目标状态联合分布的概率假设密度(PHD)来完成.然而,对于被动测角的非线性跟踪问题,PHD无法获得闭合解,为此提出一种新的高斯混合粒子PHD算法.该算法利用高斯混合近似PHD,以避免用聚类确定目标状态,并采用拟蒙特卡罗(QMC)积分方法计算目标状态的预测和更新分布.仿真结果验证了所提出算法的有效性.     

基于施蒂费尔流形和线性优化重采样的粒子滤波器

为了解决粒子退化问题,提出一种基于施蒂费尔流形和线性优化重采样的粒子滤波算法.将系统模型置于施蒂费尔流形之上,采用朗之万分布描述过程转移概率分布,用矩阵正态分布表示似然函数分布,从而得到一种较为通用的重要性概率密度函数选择方法;同时,将重采样中抛弃的粒子与复制的粒子按照一定的线性组合方式产生新粒子.仿真结果表明.该算法具有较高的滤波效率、滤波精度和较强的滤波鲁棒性.     

具有长时延及丢包的网络控制系统H∞ 鲁棒滤波

研究了同时具有大于一个采样周期的随机传输时延及数据包丢失的网络控制系统H∞滤波问题.对于给定的丢包率,滤波误差系统被建模为具有两个事件速率约束的异步动态系统,利用异步动态系统理论给出滤波误差系统满足指数稳定和H∞性能指标的充分条件.H∞滤波器可通过解一组线性矩阵不等式求出.仿真结果验证了所提出方法的有效性.     

含有参数化和非参数化不确定性系统重复学习控制

针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.     

基于粒子滤波的检测前跟踪改进算法

针对低信噪比环境下微弱目标的实时检测与跟踪,提出一种基于粒子滤波的检测前跟踪改进算法.该算法在粒子滤波的基础上融合不敏卡尔曼滤波(uKF1)算法,融合后的新算法在利用重要性密度函数产生粒子时充分考虑当前时刻的量测,从而引导粒子向高似然区域移动,使得粒子的分布更接近状态的后验概率分布.仿真实验表明,改进算法的检测与跟踪性能优于标准的粒子滤波算法.     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

一种基于差分进化算法的多模型建模方法

针对非线性系统的多模型建模问题,基于差分进化算法提出了一种优化建模方法.从系统的输入输出数据出发,将样本空间分割与局部模型建立相结合,首先将PWA辨识问题转化为MIQP问题;然后采用自适应混沌差分进化算法对模型数量及模型参数同时优化;最后利用支持向量基求取分割曲面方程.仿真结果表明,该方法能以最优的线性子模型集准确地逼近非线性系统.