一种双天线辅助的两段连续式对准以及误差分析

针对低精度微惯性测量单元/全球导航卫星系统 (IMU/GNSS)松组合导航系统中初始方位难以精确得到和行进间航向容易发散的问题,该文设计了一种双天线辅助的两段连续式对准方法。首先分析了初始方位误差对航向精度的影响;其次,由于GNSS测向系统精度高、无姿态漂移误差的特点,基于双天线基线矢量推导了一种最小二乘算法的测姿模型,进行初始对准;最后针对行进间对准,研究扩展了基于航向差值的1维量测以抑制航向发散。设计试验探讨了双天线基线矢量对初始对准与行进间航向精度的影响,改进方法可以使得初始方位误差优于0.7°,行进间航向能够更准确地被跟踪。针对目标的初始对准与行进间对准,双天线可提供辅助信息,其效果优于单天线IMU/GNSS的组合,且方法计算量适中。     

一种双天线辅助的两段连续式对准以及误差分析

针对低精度微惯性测量单元/全球导航卫星系统(IMU/GNSS)松组合导航系统中初始方位难以精确得到和行进间航向容易发散的问题,该文设计了一种双天线辅助的两段连续式对准方法.首先分析了初始方位误差对航向精度的影响;其次,由于GNSS测向系统精度高、无姿态漂移误差的特点,基于双天线基线矢量推导了一种最小二乘算法的测姿模型,进行初始对准;最后针对行进间对准,研究扩展了基于航向差值的1维量测以抑制航向发散.设计试验探讨了双天线基线矢量对初始对准与行进间航向精度的影响,改进方法可以使得初始方位误差优于0.7°,行进间航向能够更准确地被跟踪.针对目标的初始对准与行进间对准,双天线可提供辅助信息,其效果优于单天线IMU/GNSS的组合,且方法计算量适中.     

改进的最小二乘自适应滤波陀螺仪去噪方法

为了降低微机电系统(MEMS)陀螺仪输出当中的噪声分量,提出了一种基于随机加权方法下的抗野值递推最小二乘法(RLS)自适应滤波算法。标准RLS算法的基本思想是对于所有已输入的信号而言,尽量使得在每个时刻对数据块估计的平方误差的加权和最小,这也是RLS算法对于非平稳信号的适应性要比其他滤波算法好的重要原因。针对标准RLS算法中野值对其滤波精度的影响,同时,复杂的非平稳环境也会对其有一定的影响。所以,提出并验证了随机加权方法对RLS算法的抗野值处理,并将提出的改进算法应用到了MEMS陀螺仪的去噪研究中,改进后的算法不仅可以很好的去除单个野值对滤波的影响,而且对于野值连续成片出现的情况,也能结合算法的适应性很好的保持滤波的稳定性。     

引入滑模观测器的GPS/INS组合导航滤波方法

由低成本器件组成的卫星/惯性(GPS/INS)组合导航系统中,存在较大的非线性与不确定性,为改善这一问题,本文提出一种引入滑模观测器(SMO)的滤波方法。首先,该方法建立了组合导航系统模型,介绍了扩展卡尔曼滤波(EKF)计算过程并分析存在的不足。然后,介绍了滑模观测器的基本原理,根据系统构建观测器。最后,说明了引入滑模观测器的EKF组合导航算法实现流程,滑模观测器将模型误差、状态估计以及均值方差融入EKF算法,修正系统输出。通过轨迹仿真实验与车载实验验证了所提方法优于传统EKF算法,具有更高的滤波精度。在车载实验中,卫星信号失锁15 s情况下,与EKF方法相比,所提方法的东向位置误差降低了53%,北向位置误差降低了37%,证明该方法能够有效抑制GPS/INS组合导航误差发散,为以后工程实践提供一定的参考价值。     

先进飞行器大气数据传感技术的发展与展望

大气数据传感技术通过直接或间接的方式获取飞行器周围的气流特性,对保障飞行器飞行安全、提高飞行性能具有重要的意义和价值,也是各个时期先进飞行器性能提升的关键因素。针对各个时期先进飞行器性能方面的需求,各国专家和学者从系统架构、感知方法、数据处理算法等多个角度开展了对大气数据传感技术的研究,基于相关研究成果提出了多种具备不同特点的大气数据传感技术,部分技术已经在目前的各类先进飞行器上得到了广泛应用。随着未来新一代先进飞行器的性能特点逐渐明确,面向新一代先进飞行器性能需求的大气数据传感技术将朝着一体化、信息化和智能化的方向发展。     

基于多重渐消因子变分贝叶斯的陀螺阵列融合算法

针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题，提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模，构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差，设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法，利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明：在静态条件下，“虚拟陀螺”方差降低为单个陀螺的4%，零偏不稳定性降低为47.2%；在动态条件下，“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。     

基于改进神经网络增强自适应UKF的组合导航系统

基于微机电系统(MEMS)的惯性器件和全球定位系统(GPS)的组合导航系统在卫星信号失锁时存在误差发散的问题,该文提出一种基于人工蜂群算法(ABC)改进的径向基函数(RBF)神经网络增强改进的自适应无迹卡尔曼滤波算法(AUKF)。在GPS信号失锁的情况下利用训练好的神经网络输出预测信息来对捷联惯导系统进行误差校正。最后通过车载半实物仿真实验验证该方法的性能。实验结果表明该方法在失锁情况下对于捷联惯导系统的误差发散有较为明显的抑制效果。