基于无迹卡尔曼的全捷联旋转弹导引信息估计

以旋转弹的全捷联导引头为研究对象,重点研究了旋转弹的全捷联导引头视线角及视线角速率估计方法。全捷联导引头的结构和传统速率陀螺导引头有较大差别,其测量系统与弹体固联,导引头只能获得弹体坐标系下的测量信息,并且测量信息中耦合有弹体姿态信息,无法直接用于旋转弹的控制制导。根据坐标系之间的转换关系建立了旋转弹惯性视线角的数学模型和视线角解耦模型,从而进一步确立旋转弹惯性视线角估计的数学模型。选用无迹卡尔曼滤波方法(UKF),设计出卡尔曼滤波器,对估计到的含有噪声信息的视线角进行滤波;最后进行数学仿真,验证了视线角估计数学模型的有效性,与扩展卡尔曼滤波方法(EKF)和容积卡尔曼滤波方法(CKF)相比,UKF对于全捷联旋转弹的导引信息估计有更高的精度。     

管道地理坐标测量中低精度IMU初始对准技术

针对管道地理坐标测量系统低精度惯性测量单元（inertial measurment unit,IMU）初始对准问题,提出一种管道定位的初始对准方法.针对大角度情况进行粗对准,然后在小角度范围内再进行精对准.在精对准过程中,对测量信号采用一阶马尔科夫模型,提取出符合kalman滤波模型的白噪声分量,随后建立13维状态量的kalman状态方程以及观测方程.对于较大方位误差角引起的非线性,采用Cubature Kalman滤波（Cubature Kalman filtering,CKF）算法对非线性模型进行状态估计,解决了滤波模型的非线性问题并进行了静态对准实验.实验结果表明,设计的算法在计算时间上优于Unscented粒子滤波（Unsented particle filtering,UPF）算法,适于作为管道地理坐标测量的初始对准算法.     

一种基于自适应抗差CKF算法的改进初始对准方法

捷联惯导初始对准过程中存在大方位失准角的情况,需要通过建立非线性误差模型来对误差进行估计,因此对相应初始对准技术进行了研究。通过分析,构建捷联惯性导航系统和全球定位系统的精准非线性误差模型;基于自适应抗差理论对容积卡尔曼滤波(CKF)算法对随机干扰的统计特性以及观测粗差计算模型进行改进;设计相应的仿真评估测试和实物验证方法,试验结果证明提出的方法在初始对准中具有更强的滤波稳定性、更高的滤波估计精度和更短的算法收敛时间。     

基于Kalman滤波的MEMS陀螺测量误差估计研究

针对微机械陀螺仪存在的测量精度较低的问题,本文采用Kalman滤波算法,对微机械陀螺仪在测量上存在的零位误差、标度因数误差、非线性平方敏感误差、加速度的敏感误差等进行了估计,建立了Kalman滤波的微机械陀螺仪测量误差估计模型,并采用Kalman滤波器对微机械陀螺仪的各项误差进行估计分析。分析结果表明,除了非线性平方敏感误差对不同角速率值的影响近似相同外,其他各项误差随着工作角速率的大小变化而变化,误差对小角速率工作测量影响较大。因此,使用微机械陀螺仪对精密仪器运动角速率测量时,要对其测量结果按标定曲线进行修正。该研究作为实际测量速率的有效补偿,提高了测量精度,具有一定的实际应用价值。     

改进的CKF在SINS/GPS组合导航中的应用

为了降低动态扰动误差对容积卡尔曼滤波(Cubature Kalman Filter,CKF)精度的影响,采用新息自适应估计(Innovation-based Adaptive Estimation,IAE)理论构造改进的CKF滤波模型,利用新息序列在线估计和修正噪声统计特性,自适应地调整量测噪声。通过SINS/GPS组合导航系统对标准CKF与改进的CKF进行仿真验证,结果表明,改进的CKF算法能够在一定程度上提高组合导航系统对不同随机噪声的适应能力,有效地降低了滤波误差,提高了解算精度。     

基于核函数正则粒子滤波的SLAM算法在无人机导航定位中的应用研究

传统EKF、UKF、粒子滤波算法在解决航空无人机导航定位非线性问题时存在误差大、定位估计精度低等问题,提出了一种核函数正则粒子滤波算法,选取近地面航行,观测x,y方向的位置,并对SLAM非线性模型进行估计.实验数据表明,采用核函数正则粒子滤波算法由于保持了采样粒子的多样性与代表性,保证了在给定模型参数初值下,模型对载体速度和位置信息的跟踪估计能力,其精度比扩展卡尔曼算法的滤波精度高很多;另外,新算法对姿态角估计误差均收敛于0°～1°范围,之后趋近于0°.对于传统滤波算法对载体的航向角误差估计,在整个仿真时间内,其误差值均大于核函数正则算法的误差估计.新算法较传统粒子滤波算法,其滤波精度较高,且算法稳定性与收敛性更强.     

非线性地磁/GPS/SINS组合导航方法

针对系统模型的特点,对平方根UKF算法进行了改进.改进后的平方根UKF与标准的平方根UKF相比,在保证状态方差非负定特性的同时,减少了滤波的计算复杂度.为了提高导航系统对姿态测量性能,针对姿态误差较大时线性导航误差方程无法使用的问题,推导出适用于大姿态误差角时的地磁姿态量测方程,并结合改进的平方根UKF算法设计了非线性地磁/GPS/SINS组合导航算法.利用Matlab对大姿态误差角时的非线性地磁/GPS/SINS组合导航系统进行了仿真.仿真结果表明,通过引入地磁姿态测量信息,非线性地磁/GPS/SINS组合导航系统可以直接观测载体的平台姿态误差,进而增强了组合导航系统对姿态误差的估计效果,且可以完成大姿态误差下的导航任务.     

EKF和UKF在非线性组合导航系统中的对比研究

采用组合导航系统在对目标的位置、航向进行测量时,其状态模型和观测模型中存在非线性问题,采用基于EKF和UKF的非线性滤波算法以改善传统Kalman滤波的估计精度,并保证算法收敛性.通过建立组合导航的状态方程和量测方程,分别采用EKF和UKF对状态方程中的非线性部分进行离散化,仿真实验结果表明,采用基于UKF的非线性导航算法能有效提高导航位置精度和系统稳定性.     

高阶容积卡尔曼滤波及其在目标跟踪中的应用

针对传统的容积卡尔曼滤波(CKF)估计精度有限的问题,提出了一种基于任意阶容积规则的高阶容积卡尔曼滤波(HCKF)方法并应用于机动目标跟踪问题。传统的CKF采用三阶球面-相径容积规则,可获得优于其他非线性滤波如不敏卡尔曼滤波(UKF)的估计精度和数值稳定性。为了进一步提高CKF的估计精度,在基于点的高斯近似滤波框架下,分别使用Genz积分方法和矩匹配法推导出任意阶的球面规则和相径规则,以此构造高阶球面-相径容积规则来计算高斯型积分,并建立高阶容积卡尔曼滤波算法。将提出的HCKF算法应用于机动目标跟踪问题中并进行数值仿真。仿真结果表明,相对于传统容积卡尔曼滤波,高阶容积卡尔曼滤波对目标位置和速度估计的精度分别提高了11%和24%,可获得更高的估计精度。     

UKF滤波器在非线性组合信号系统中的应用研究

在实际的非线性组合信号系统中,通常用扩展卡尔曼滤波（EKF）方法对非线性系统进行线性化,然后进行卡尔曼滤波.如果在非线性组合信号系统中,用UKF方法直接使用非线性模型,可避免引入线性化误差,这样可以提高滤波精度和计算效率.以车载GPS/DR组合导航定位系统为例,将UKF与EKF方法进行了仿真比较,结果表明,UKF的位置滤波精度要高于EKF.     

CDKF在捷联惯导系统大失准角初始对准的应用

文章基于欧拉平台误差角的概念,建立了大失准角条件下的捷联惯导系统(SINS)非线性误差模型,深入研究了中心差分卡尔曼滤波(CDKF)技术及其在大失准角对准中的应用,进行了静基座下基于扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)和CDKF滤波的SINS初始对准仿真。仿真结果表明,在失准角均为大角度条件下,用CDKF滤波水平对准精度可达0.18,′方位对准精度可达1.63,′比EKF具有更高的精度,并且避免了求Jacobian矩阵带来的不便,提高了可靠性;与UKF相比具有稍高的精度,并减少了可调参数,在实际应用中更加简单方便。     

船体分段三维数字化测量数据配准

船体分段测量数据与CAD模型的配准,直接影响船体分段的制造几何误差分析和制造精度评价.针对船体分段装配工艺以及测量数据点集的分布特点,提出了一种基于单位四元数的Levenberg-Marquardt非线性迭代的最优配准算法.首先用一定的基准(肋骨对齐)对测量的角点数据进行初始变换,然后用单位四元数算法对初始变换后的数据和CAD模型进行粗配准,使变换后的船体分段测量数据与CAD模型数据处于小误差状态,最后采用基于L-M非线性迭代法求全局最优配准参数.实验结果表明,该算法能很好地反映船体分段建造中的实际情况,为船体分段的后续装配提供指导性的依据.     

GPS辅助的SINS系统快速动基座初始对准

为实现基于优化的动基座对准算法(OBA)对陀螺仪误差的估计,并使其能够应用于低精度SINS系统中,将自适应无迹卡尔曼滤波算法与OBA算法相结合,提出一种新的由GPS辅助的SINS系统快速动基座对准（FIMA）算法.该算法首先推导了陀螺仪常值漂移与失准角之间的关系,并以此构建非线性系统状态方程,然后用重力加速度和GPS输出速度的积分构建量测方程;由于系统存在非线性,提出使用UKF算法对失准角以及陀螺常值漂移进行估计;由于量测方程由速度和重力加速度的积分构成,量测噪声协方差难以确定,引入自适应滤波算法对量测噪声实时估计. 跑车实验结果表明:对于低精度SINS系统,该算法可在15 s左右将航向角误差收敛到3°以内,在3 min以后航向角误差可收敛到1°以内;与传统非线性动基座对准算法以及OBA算法相比,该算法可在无任何初始姿态信息的条件下快速对准,且能够对陀螺常值漂移进行在线估计和载体系失准角补偿,提高了动基座对准的精度和收敛性能.     

基于OTSUKF的飞行器惯性测量单元的故障诊断

线性系统存在随机偏差情况下,最优二步卡尔曼滤波(OTSKF)可以获得系统状态及偏差的最优估计。无迹卡尔曼滤波(UKF)利用Sigma点采样和UT变换技术经非线性系统传播状态的均值和方差,是一种典型的非线性滤波方法。飞行器是一种典型复杂非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,建立了包含IMU故障的滤波模型。将UKF算法和二步滤波思想应用到飞行器之中,提出了一种适用于飞行器IMU故障诊断的最优二步无迹卡尔曼滤波(OTSUKF)算法。针对于飞行器,提出了一种滤波模型设计的方法。基于该模型,应用所提出的OTSUKF算法实现了飞行器状态的最优估计和IMU故障的辨识,该算法经过了实际飞行数据验证其对风扰动具有鲁棒性并且与已经被提出的迭代最优二步扩展卡尔曼滤波(IOTSEKF)方法进行了对比验证其最优性。     

基于离差差分滤波算法的再入目标状态估计

再入弹道目标的状态估计是个复杂的非线性滤波问题,使用扩展卡尔曼滤波算法（Extended Kalman Filter,EKF）,会引入较大的误差,甚至发散．为了提高估计精度,提出使用离差差分滤波算法（Divided Difference Filter,DDF）对再入弹道目标的状态进行估计．DDF算法使用二阶多维Stirling内插多项式近似非线性状态和测量方程获得状态和方差的估计．该算法只需要计算函数值,避免了求导运算,降低了计算复杂度．Monte Carlo数值仿真表明,离差差分滤波方法降低了再入目标的状态估计误差,提高了估计精度,且运行速度比无迹卡尔曼滤波方法（Unscendted Kalman Filter,UKF）要快的多．     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．     

基于二阶非线性滤波的星上陀螺在轨标定

为提高三轴稳定卫星姿态确定精度,针对典型的陀螺/星敏感器联合定姿方案,结合二阶非线性滤波估计,推导了一种利用星敏感器对陀螺进行实时在轨标定的算法.充分考虑卫星姿态测量过程中可能出现的各种误差源,建立陀螺安装误差、标定因子误差以及漂移模型,并对陀螺测量过程中可能出现的各种误差进行在轨补偿,为卫星姿态确定和校正提供丰富的姿态测量信息,以确保姿态测量器件长期在轨工作精度.采用该算法对哈尔滨工业大学"试验卫星一号"遥测数据进行复算和校核,结果与实际飞行数据吻合,验证了该在轨标定算法的有效性和可靠性.     

基于修正量测的UKF算法

针对Kalman滤波(UKF)不能解决非线性算法的难点,在Kalman滤波的算法上加以改进。由于(UKF算法需要利用无迹变换(UT)求解非奇异协方差矩阵的平方根,但在求解奇异协方差矩阵或滤波计算时会有较大的误差,导致算法的精度无法保证。提出了一种基于修正测量UT变换的修正测量UKF算法来处理奇异协方差矩阵来解决这一问题,,并通过仿真验证了该方法的有效性。     

舰载风速仪测量误差与安装位置的关系研究

船体的运动姿态以及观测点位置的差别等均会对舰载风速仪的测量精度产生一定程度的影响,因此研究舰载风速仪测量误差与其安装位置之间的关系具有重要意义。以大型CFD计算软件FLUENT13.0为平台,合理简化物理模型,建立恰当的数学模型,划分高质量网格,赋予模型合适的边界条件对不同工况下风速仪周围的气流场进行了计算分析。研究表明风速仪在现有安装位置测量误差较大,低风速高船速时风速仪的测量误差明显较高。还给出了风向角及风速值测量误差随安装位置的变化规律,以及船体本身对风速仪测量精度的影响程度,为更加合理地确定风速仪安装位置提高风速仪测量精度提供了重要依据。     

基于改进无迹Kalman滤波的小波网络算法及其应用

无迹Kalman滤波（UKF）是无迹变换（UT）和标准Kalman滤波的结合,对非线性系统具有出色的估计性能,使用UKF估计小波网络参数,速度快,精度高,无需求导计算Jacobian矩阵,但其计算量偏大.基于此,本文考虑引入一种改进的UKF来估计小波网络的参数,以提高训练效率.该改进UKF在Kalman滤波体系内应用了一种基于最小偏度单形Sigma点采样策略的UT,它继承了UKF的优点,并显著提升了计算效率.仿真结果表明,相对于EKF,采用改进UKF算法训练小波网络,速度更快,精度更高;计算精度与UKF相当,但计算效率较之更高.