捷联惯导初始对准理论及仿真研究

阐述了捷联惯导系统初始对准理论，推导出SDS对准的基本方程，并采用SMM法对准回路进行设计，最后给出了仿真结果．     

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。     

支持向量机在初始对准状态估值中的应用

在捷联惯导系统初始对准状态估值过程中,针对传统Kalman滤波器的实时性问题,提出了基于支持向量机(SVM)网络的滤波器。采用闭环Kalman滤波器的输入和输出数据作为训练样本对进行训练得到SVM模型。通过仿真实验对比表明,采用SVM网络滤波器的估计精度与采用闭环Kalman滤波器的相当,但估计速度比较快。     

摇摆基座上基于信息的捷联惯导粗对准研究

舰船的摇摆使陀螺无法测出地球自转角速度,无法根据陀螺和加速度计的输出直接计算出姿态阵。针对这一问题,提出了基于重力加速度的粗对准算法。该算法中,姿态阵分散成4个矩阵求取,所利用的信息为:摇摆基座姿态变化信息;重力加速度相对惯性空间随地球旋转引起的方向变化信息;地球自转信息;地理信息。算法的巧妙之处是应用惯性凝固假设,建立了基座惯性坐标系ib0,使舰体相对ib0坐标系的姿态阵初值成为单位阵,从而使姿态更新解算成为可能。仿真结果表明,在舰船横摇、纵摇、艏摇幅值分别为10°、7°和5°,周期分别为6 s、5 s和7 s,横荡、纵荡、垂荡幅值分别为0.02 m、0.03 m和0.3 m,周期分别为7 s、6 s和8 s的环境下,由50个样本确定的东、北、天向失准角的均值分别为2.01′-、1.38′和-0.20,°相对的标准差为0.26′、0.21′和1.3,°在此基础上完全可以实现精对准。     

捷联惯导系统陀螺罗经对准性能的协方差分析

文中推导了协方差方程式的数值解,研究了初始对准回路滤波器参数设计方法。利用协方差分析,从统计意义上探讨了地面晃动基座上采用一阶数字滤波的捷联系统陀螺罗经对准的性能。分析了随机误差源的影响,指出动态干扰环境下,载体的扰动加速度和等效东向陀螺的常值漂移及随机游走噪声是造成方位误差的主要因素。     

H∞控制理论在捷联惯导系统初始对准中的应用

提出了一种应用H∞控制理论来进行捷联惯性导航系统初始对准的方法。文中介绍了H∞控制理论以及相关定理，并建立了基于观测器思想的初始对准广义受控对象模型。经过与相关理论相结合，提出了一种基于观测器的动态控制的设计方法。最后给出两种设计结果和仿真曲线，根据两种控制器的特点和性能总结出了一套初始对准方法，实际应用结果表明，此方法是可行的。     

LS—SVM在捷联惯导系统初始对准的应用

捷联惯导系统（SINS）中卡尔曼滤波的运算时间与系统阶次的三次方成正比,滤波失去实时性,达不到捷联惯导系统的快速性要求。通过研究捷联惯导系统、最小二乘支持向量机和卡尔曼滤波,提出既能保证准确性又能提高实时性的支持向量机初始对准算法。用Matlab软件仿真的结果表明,提出的捷联惯导初始对准算法是有效的。     

SINS/GPS组合导航系统初始对准的可观测度分析

针对SINS/GPS组合导航系统的误差传递模型进行了可观测度分析,确定了卡尔曼滤波器对系统各个状态的估计效果.在飞行器处于不同飞行姿态下,通过对相应的状态估计误差协方差阵的特征值及特征向量的比较,发现在动基座对准时,对飞行器引入线加速度可显著提高方位角的估计精度,并且在相同的条件下,拐弯运动的方位角估计速度更快、精度更高.此外,拐弯运动能够估计出加速度计零位偏置.此方法可以为飞行器在初始对准时选择最佳机动方案提供依据.     

自适应平方根中心差分卡尔曼滤波算法在捷联惯性导航系统大方位失准角初始对准中的应用

提出了一种自适应平方根中心差分卡尔曼滤波(ASRCDKF)算法,并应用于捷联惯性导航系统(SINS)大方位失准角初始对准中。ASRCDKF算法以中心差分变换为基础,基于平方根滤波能够克服发散的思想,利用协方差平方根代替协方差参加递推运算,并将自适应估计原理引入该算法中,不仅克服了扩展卡尔曼滤波产生线性化误差和计算雅可比矩阵的不足,而且减小了计算量,保证了数值稳定性。同时,ASRCDKF算法解决了传统滤波算法过度依赖系统动态模型和噪声统计特性先验知识的问题。最后通过滤波仿真证明了ASRCDKF算法在SINS大方位失准角初始对准中的有效性和优越性。     

MPF-CKF在SINS大方位失准角初始对准中的应用

针对捷联惯导系统在大方位失准角情况下的初始对准问题, 提出了一种基于MPF-CKF的非线性滤波方法.MPF-CKF将部分惯性器件误差作为模型误差, 降低了系统的维数, 不仅提高了初始对准的精度, 而且克服了将模型误差假设为高斯白噪声的局限性.通过滤波仿真比较, 进一步表明了MPF-CKF能提高SINS在大方位失准角初始对准中的估计精度和收敛速度.     

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.     

灰色预测GM（1,1）模型的Matlab实现

介绍了GM（1,1）模型的基本原理和建模步骤,利用Matlab实现了程序化、智能化的灰色预测GM（1,1）模型。通过实例验证了其能够快速、精确地进行计算,可以帮助工程人员对所得数据进行准确性分析和预测。     

均匀重采样粒子滤波器在SINS初始对准中的应用

针对标准粒子滤波算法中存在的样本贫化问题,提出一种在随机重采样中加入均匀采样的均匀重采样方法,不但可以保证标准粒子滤波算法逼近精度,同时能通过保留被抛弃粒子的分布范围增加粒子的多样性.针对捷联惯性导航系统的初始对准问题,应用这种均匀重采样的粒子滤波算法进行了仿真研究.仿真结果表明,在初始方位失准角为10°的情况下,均匀重采样粒子滤波算法的对准精度高于标准的粒子滤波算法,初始对准的稳定性也得到了有效改善.     

多层BP神经网络在钢铁材质裂纹检测中的应用

用设计好的电磁检测设备测得长螺栓的初始磁导率后,对所获得的模拟数据进行数字化处理得到磁导率特征值。设计了多层BP神经网络对钢铁材质长螺栓进行裂纹检测,实验数据表明,分类算法实现简单、分类准确,较容易应用在钢铁材质无损检测的实时系统中。     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

神经网络建模在工程项目评标中的应用

评标是工程项目招标程序中极为重要的环节，利用BP神经网络的自学习、自适应和非线性逼近能力，研究了BP神经网络用于工程项目评标的原理与步骤，建立了评价指标体系，在此基础上构造了基于BP神经网络的工程项目评标模型，并以收集到的样本为例，对该模型进行了实证研究，表明了该方法的有效性。     

基于EKF的神经网络在变形预测中的应用

给出了一种用于变形预测的基于扩展Kalman滤波的神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力.实例计算表明,该方法具有较高的精度和较快的计算速度.     

BP神经网络在花凉亭水库渗流监测中的应用

文章通过建立BP网络模型对花凉亭水库坝基渗流测压管W61监测数据进行了拟合与预测,并将其拟合预测结果与多元逐步回归模型的拟合预测结果进行了对比分析。     

Sub-pixel mapping method based on BP neural network

A new sub-pixel mapping method based on BP neural network is proposed in order to determine the spatial distribution of class components in each mixed pixel.The network was used to train a model that describes the relationship between spatial distribution of target components in mixed pixel and its neighboring information.Then the sub-pixel scaled target could be predicted by the trained model.In order to improve the performance of BP network,BP learning algorithm with momentum was employed.The experiments were conducted both on synthetic images and on hyperspectral imagery(HSI).The results prove that this method is capable of estimating land covers fairly accurately and has a great superiority over some other sub-pixel mapping methods in terms of computational complexity.