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.     

基于灰色建模理论的平台漂移数据预处理

为更好利用平稳时间序列建模法对陀螺随机漂移数据建模,该文将灰色建模理论应用到陀螺漂移数据趋势项提取中,分别用GM(1,1)提取幂函数项和用GM(2,1)模型提取周期函数项,建模的结果表明,陀螺漂移数据中含有的幂函数项可忽略,在去除周期函数和线性趋势项后对数据进行正态检验表明,经过预处理的数据符合平稳时间序列的要求,可利用平稳时间序列理论进行建模。     

基于广义解析法的动基座粗对准

动基座条件下捷联惯导系统由于动态环境的影响,采用传统的解析法进行粗对准会出现较大误差,针对这一问题,通过捷联惯导比力方程变形和引入辅助速度信息,提出了一种基于广义解析法动基座粗对准方法。进行了动基座条件下的仿真,在粗对准时间不大于200s的情况下,方位角对准精度达到了0.357°,水平角对准精度0.006°,满足进一步采用线性滤波方法进行精对准的要求。该方法算法简单,计算量小,精度高,具有一定的工程应用价值。     

阵风干扰下平台漂移误差系数辨识研究

飞行器竖立在发射阵地时,会受到阵风的干扰产生振动,从而影响惯性平台的标定精度。为了更好发辨识阵风干扰下的平台漂移误差系数,根据弹体结构力学原理选用了达文波特（Davenport）阵风模型计算出了飞行器在一定风速下的最大振幅,并将振动理想化为欠阻尼振动进行建模。将这个振动加入平台漂移误差建模的过程中。通过建立起平台欧拉角变化率与漂移角速率建立描述平台漂移的状态空间方程,将误差系数看作状态变量,利用扩展卡尔曼滤波算法进行辨识。辨识效果图显示参数收敛速度快且趋于稳定,在加入随机噪声的情况下计算3组数据,得出稳定、可信的结果。