弹载捷联惯导试验评估系统设计

利用最优平滑技术对弹载捷联惯导传递对准精度进行评估,是分析导弹系统的战术性能的有效方法.主要探讨了以载机主惯导为参考系统的弹栽捷联惯导试验评估专家系统的设计方案,论述了评估系统设计时要考虑的问题.并采用固定区间平滑算法对系统设计的正确性进行了初步的仿真验证.通过对仿真结果的分析,证实了评估系统的可行性和有效性.     

基于强跟踪GHF的里程计辅助SINS动基座对准研究

为提高车载捷联惯导系统动基座初始对准精度,提出了一种强跟踪降维高斯-厄米特非线性动基座初始对准算法。里程计辅助捷联惯导粗对准后水平姿态误差角为小角度,里程计辅助捷联惯导动基座对准模型简化为大方位失准角非线性模型,采用降维高斯-厄米特滤波(GHF),以少数非线性状态积分点估计整个系统状态,减少计算量,应用强跟踪滤波,提高系统对突变的滤波状态的跟踪能力。实验表明,应用强跟踪降维高斯-厄米特滤波提高了动基座初始对准精度,减少了计算量,提高了滤波的稳定性。     

一种传递对准精度评估的平方根自适应滤波算法研究

在传递对准精度评估中,由于惯导系统模型参数与实际的物理过程存在偏差、系统量测噪声的特性不确定等因素.采用常规的卡尔曼滤波算法往往不能获得理想的滤波效果.为满足传递对准滤波估计的精度和稳定性要求,设计了一种新型平方根自适应滤波算法:即将简化的时变噪声统计估计器串联于平方根滤波过程的时间更新和量测更新之间.使平方根滤波与自...     

传递对准在制导型多管火箭中的应用

以无控多管火箭制导化改造过程中弹载子惯导初始对准问题为背景,研究了利用火箭发射车高精度惯性导航系统作为主惯导,对多管火箭弹载子惯导同时进行传递对准的方案.详细推导了利用主、子惯导输出的姿态信息构造传递对准Kalman滤波量测方程.数学仿真结果表明,采用姿态匹配传递对准方案,仅利用多管火箭发射过程正常的俯仰、回转机动,在20 s内就能实现对弹载子惯导的初始对准和射前标定,对准精度达角分级,为提高制导型多管火箭发射精度提供了一种可行的思路.     

无源北斗/惯导两级滤波闭环组合算法

针对北斗卫星定位系统和惯性导航系统的组合设计组合导航卡尔曼滤波定位算法,引入伪距率作为观测量,基于高稳定度用户时钟,提出了双星下用两级滤波器对惯导进行闭环校正的闭环组合设计方案。其最大的优点是能根据收星情况稳定地在闭环和开环方式之间转换,这是采用惯导模型设计滤波器所不具有的。最后通过仿真说明本文方案有效地提高了丢星时组合导航系统的滤波定位精度,能够有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。     

基于Sage-husa自适应滤波算法的AUV组合导航系统设计

文中针对水下自主航行器提出了一种新型的基于捷联惯导(SINS)和GPS的组合导航系统设计方案。该方案以捷联惯导作为主系统,同时利用GPS重调捷联惯导系统,建立了该组合导航系统的卡尔曼滤波模型,设计了输出校正间接法的卡尔曼滤波算法和Sage-husa自适应卡尔曼滤波算法。仿真结果表明由于GPS位置和速度信息的引入,一定程度上克服了捷联惯导系统误差状态发散现象,提高了导航精度。同时通过两种算法的对比,Sage-husa自适应卡尔曼滤波算法则具有更高的滤波精度和稳定性,能够更好的满足长时间远距离导航的要求。     

联邦滤波在光纤陀螺捷联惯导系统传递对准中的应用

对舰载武器光纤陀螺捷联惯导系统相对舰船综合导航信息系统的动基座传递对准技术进行了研究,提出了将挠曲变形、时间延迟作为系统状态,并给出了系统状态方程和量测方程。采用联邦滤波作为信息融合算法的传递对准方法,对系统方程中的状态变量进行了可观测度分析,并推导了速度、姿态匹配子滤波器方程及主滤波器方程。最后进行了仿真试验,试验结果表明:该传递对准方法使方位精度提高20%以上;该方法能够有效解决舰船条件下光纤陀螺捷联惯导系统的传递对准。     

弹载环境时间延迟对传递对准影响及估计方法

弹载惯组传递对准过程中基准信息时延会制约对准性能的提高。基于常用的速度/姿态匹配模式,建立含时间延迟模型的观测方程,并提出时间延迟闭环滤波估计方法。分别从匹配信息精度、对准精度、惯性器件误差估计等方面分析时间延迟的影响情况。仿真结果表明,时间延迟会引起对准误差振荡,引起器件零偏、标度误差的有偏估计,通过闭环滤波方法可以准确估计时间延迟误差,同时能有效抑制时间延迟对传递对准及惯性器件误差估计精度的影响。     

基于修正Rodrigues参数的鲁棒滤波算法在组合导航中的应用

组合导航的观测量常会因外界复杂环境的干扰,出现滤波精度下降的现象。提出一种基于修正Rodrigues参数的鲁棒滤波算法,利用修正Rodrigues参数来重新构造组合导航姿态表达,通过引入HUBER鲁棒策略实现抑制观测量干扰等问题。在捷联惯导/卫星组合导航仿真例子中,比较了传统基于四元数的滤波算法、基于修正Rodrigues参数的滤波算法及其鲁棒化滤波算法,仿真实验结果表明算法具有计算量低和抑制外部干扰等效果,证明了算法的有效性。     

加速度计/磁强计无陀螺捷联惯导姿态解算研究

针对无陀螺捷联惯导系统姿态解算随时间不断积累的问题,提出一种磁强计辅助无陀螺捷联惯导的组合方案,利用磁强计测量的地磁信息来修正无陀螺惯导系统的姿态角误差,提高了姿态角的解算精度。推导了磁强计输出和姿态角之间的关系,在此基础上提出了一种姿态优化算法,介绍了算法的基本原理;建立了误差四元数的姿态组合模型,并采用反馈校正完成动态条件下姿态的确定;最后对姿态误差角进行了仿真研究,仿真结果表明该方法有效地抑制了误差的发散。     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

鲁棒的DME/DME/SINS组合导航算法

测距机（DME, distance measuring equipment）/DME/捷联惯导系统（SINS, strap-down inertial navigation system）的组合导航系统是区域导航（RNAV, area navigation）中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明：所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。     

自适应Kalman滤波在光纤陀螺SINS/GNSS紧组合导航中的应用

为了提高光纤陀螺捷联惯性导航系统（SINS）和全球卫星导航系统（GNSS）的组合导航精度和系统稳定性,设计了基于伪距、伪距率的紧组合导航系统模型。针对光纤陀螺的白噪声特点,以及误差不稳定性导致无法精确建模,将残差引入误差方差阵的估计中,提出了一种改进的自适应卡尔曼滤波方法。采用改进的自适应卡尔曼滤波方法滤波得到导航参数的最优估计,然后对系统进行反馈补偿校正,抑制了滤波发散问题,提高了系统的稳定性。稳态测试试验结果表明:设计的光纤陀螺SINS/GNSS 紧组合导航系统具有较好的鲁棒性;在三颗卫星的条件下,系统能够在短期内保持较高的导航精度,验证紧组合导航的优越性。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。     

提高SINS/GNSS组合导航系统定位精度的方法研究

单纯依赖单一的导航手段难满足高精度的导航需求,因此,将捷联惯性导航系统(SINS)、全球卫星导航系统(GNSS)有效组合,实现优势互补。SINS/GNSS组合导航系统的数据处理一般采用卡尔曼滤波实现,当组合导航系统模型足够准确时,滤波性能较好,当导航系统模型存在误差或发生变化时,新的量测值对滤波估计值的修正作用下降,而旧的量测值的修正作用相对上升,从而导致滤波精度下降。针对上述问题,基于集中式卡尔曼滤波结构的SINS/GNSS组合导航系统,本文提出一种新方法,新方法在梯度方向上进行估计迭代,从而修正模型误差对滤波精度的影响,提高导航定位精度。实验结果表明,当导航系统模型和量测方程存在误差或发生变化时,新方法仍可以为导航系统提供有效的定位精度,满足高空长航时系统需求。     

基于可观测度分析的捷联惯导初始对准方法

输出校正和反馈校正是捷联式惯导系统初始对准的两种传统方法,可观测度是衡量卡尔曼滤波状态估计效果的量度。为提高捷联惯导初始对准的精度,分析了状态的可观测度与反馈校正对初始对准精度的影响,得出状态的估计效果与使用的校正方法有关,正确的反馈量可提高估计精度。因此,该文提出了一种基于可观测度分析的自适应反馈校正方法,并分别使用3种校正方法进行地面静基座初始对准仿真实验,实验结果表明此方法可有效提高对准精度。     

SINS静基座初始对准的超球体采样STFUKF算法

初始对准是实现惯性导航高精度的一项关键技术。无迹滤波(UKF)在SINS系统静基座大方位失准角初始对准中计算量大,在不精确或错误的噪声统计情况下,收敛速度变慢,估计精度下降,甚至滤波发散。针对这一问题,将超球体采样与强跟踪无迹滤波(STFUKF)算法相结合,提高了运算速度和对准精度。利用SINS的非线性误差模型,通过数字仿真将卡尔曼滤波、UKF和STFUKF的性能进行比较,证明该方法具有精度高、抗干扰性好、跟踪能力强的特点。