多传感器信息融合技术在水下组合导航系统中的应用

为了提高水下航行器组合导航定位的精度,采用SINS(捷联式惯性导航系统)、DVS(多普勒速度声纳)、TCM2电子磁罗经和GPS浮标组成新型水下航行器组合导航系统,分析了SINS、DVS、TCM2电子磁罗经和GPS浮标的工作原理以及建立了各自输出误差模型,利用联邦Kalman滤波对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行了计算机软件仿真实验。仿真实验表明:使用联邦卡尔曼滤波的水下组合导航信息融合技术导航输出精度满足水下航行器高精度高可靠性的性能指标。采用了SINS,DVS,TCM2,GPS浮标以及联邦卡尔曼滤波的水下组合导航系统可以有效地提高水下航行器组合导航定位的精度和可靠性,从而增长了水下航行器水下作业时间以及提高了水下航行器的水下导航定位性能。     

状态变换卡尔曼滤波的进一步解释及应用

针对速度误差定义的坐标系一致性,对状态变换卡尔曼滤波(ST-EKF)的合理性作出了进一步的解释,并将其应用于捷联惯导的初始对准及组合导航。为提高陀螺仪、加速度计的零偏误差估计效果,初始对准和组合导航过程采用统一的15状态滤波器。"单"位置精对准实验表明,由于在基座振动的环境下误差状态不完全可观,传统卡尔曼滤波会有随时间增长航向角估计误差反而逐渐发散的情况出现,而状态变换卡尔曼滤波的航向角估计结果相对稳定。激光陀螺IMU和光纤陀螺IMU的3 min双位置对准实验均表明,在同样的卡尔曼滤波预测和更新频率下,状态变换卡尔曼滤波的航向角估计精度要比传统卡尔曼滤波提高45%以上。激光陀螺IMU/卫星和MEMS-IMU/卫星组合导航跑车实验均表明,多处断开卫星信号的情况下,状态变换卡尔曼滤波组合导航系统具有更高的定位精度。     

车载MIMU/GPS/地磁系统的模糊广义RBFNN辅助滤波算法

以车载微惯性测量单元/GPS/地磁系统为研究对象,构造一类模糊广义径向基函数网络辅助滤波器,完成对基于EKF的非线性导航滤波解算,以提高导航系统参数估算精度和系统动态性能.相同条件下的仿真表明,对比标准EKF和模糊广义径向基函数网络辅助滤波方法,采用后者获得的导航参数误差均方差小,统计特性好,对姿态、航向角误差的最优估计分别控制在0.2°和0.4°以内.导航解算对微惯性测量单元误差在一定范围内的变动不敏感,保证了测量的精度.     

空天飞行器SINS/CNS深组合导航算法(英文)

空天飞行器往返于大气层内外,持续工作时间长。捷联惯性/天文组合导航自主性强、隐蔽性好,是最适合空天飞行器的导航方式之一。为提高传统天文定位的导航精度和可靠性,解决其在机载应用中水平基准制约的问题,分析了平台误差角和位置误差对高度角量测的影响,提出了一种以天体高度角为量测信息的捷联惯性/天文深组合导航算法。该算法采用卡尔曼滤波器进行最优估计,可有效估计并补偿系统的姿态误差,减少天文导航定位对水平基准的依赖。仿真表明,单星观测条件下,导航系统姿态误差快速收敛,定位的均方根误差在200 m以内,且系统导航性能随导航星数量的增加而提高。     

陆用AHRS/GPS紧耦合系统的迭代EKF算法

在AHRS/GPS导航定位中,系统包含有非线性观测量,需要建立实时的EKF(推广卡尔曼滤波器),以通过当前状态Taylor展开来近似非线性。以低成本陆用AHRS(航姿参考系统)/GPS紧耦合导航系统为研究对象,构建了基于伪距、伪距率、航向角组合观测数学模型。作为滤波算法的改进,文中采用了迭代EKF,逼近导航参数的非线性函数,从而得到了自适应的载体参数线性模型。仿真结果表明,该算法模型可使姿态角、速度、位置误差均方差分别控制在120~(?)、0.01m/s和4m以内,导航参数的精度有显著提高。     

信息融合技术在水下组合导航系统中的应用

以捷联惯性导航系统作为组合导航系统的主导航设备,地形匹配、多普勒测速仪等为辅助导航设备,分析了S1NS、DVL以及地形辅助导航系统等的工作原理并建立输出误差模型,利用联邦Kalman滤波技术对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行计算机软件仿真实验.仿真结果表明:使用联邦卡尔曼滤波的水下组合导航系统导航状态输出精度满足水下航行器高精度高可靠性的要求.该水下组合导航系统能够得到较高精度的位置、速度和姿态信息,提高了水下航行器远距离长时间导航的精度.     

移动卫星天线指向矢量辅助组合导航系统方法

为弥补SINS/GPS组合导航系统姿态角误差可观测性差的缺陷,根据移动载体卫星天线捕获通信卫星后通过自搜索实现精确对准卫星的原理,提出增加天线指向矢量信息(SAPV)的方位角和俯仰角信息为系统观测量,用于辅助SINS/GPS组合导航系统.根据SINS/GPS组合导航系统数学模型对姿态角误差的可观测性进行了分析,并对SAPV与组合导航误差之间的关系进行了详细数学推导,证明了SAPV辅助组合导航系统的可行性,建立了SAPV辅助组合导航系统的数学模型,采用联邦滤波器进行数据融合.仿真结果表明,SINS/GPS组合导航系统通过SAPV辅助,方位角误差估计精度提高了1个数量级,小于10′,水平姿态角误差估计精度略有提高,小于2 ′.该方法充分利用了天线通过自搜索完成精确对准卫星后的高精度指向信息,无须添加任何硬件系统,通过简单可靠的信息融合算法即可达到提高载体姿态测量精度的目的.     

航向信息辅助的MIMU/GPS高精度组合导航方法

为了在卫星颗数少于四颗时实现高精度低成本导航,提出了一种基于航向信息辅助的MIMU/GPS高精度组合导航方法。采用MIMU与GPS构成MIMU/GPS组合导航系统;针对GPS卫星颗数少于四颗而无法定位的问题,利用MIMU导航解算获得的位置信息与GPS星历数据信息构造等效伪距,将其与GPS输出的伪距对应相减作为组合导航量测之一;针对组合后航向精度较低甚至发散的问题,利用GPS输出的水平速度计算获得伪航向角,将MIMU导航解算获得的航向角与该伪航向角相减作为量测之二;采用卡尔曼滤波设计组合导航滤波算法。跑车实验结果表明,在多次出现卫星颗数少于四颗时,该组合导航方法的位置精度达到±10.3 m(3σ),水平姿态精度达到±20.1′(3σ),航向精度达到±19.5′(3σ)。因此,该方法有效解决了卫星颗数少于四颗时的高精度导航问题,而且显著提高了航向精度,特别是在失准角较大的情况下也能够实现滤波快速收敛。     

AUV组合导航系统信息匹配的可观测度

针对自主水下潜器（AUV）导航的特点和需求,设计了一种捷联惯导／多普勒／磁罗经／地形匹配组合导航系统（SINS／DVL／MCP／TAN）,同时对AUV组合导航的两种信息匹配方式进行了基于动态系统奇异值分解的可观测度研究以评估该组合导航的Kalman滤波的估计能力。可观测度研究结果说明该组合导航能显著提高AUV的航向角误差和位置误差的可观测度,从而可以提高AUV的航向和位置精度。Kalman滤波的仿真结果验证了该结论的正确性,表明了该细合导航系统的Kalman滤波的估计能力强,能够得到较高精度的位置、速度和姿态信息,可以满足AUV长时间远距离导航的需要。     

基于导航信息双向融合的行人/移动机器人协同导航方法

为提高卫星导航系统失效且环境存在电磁干扰的情况下行人导航系统与移动机器人导航系统的定位性能,研究了一种基于人机一体化智能系统的信息双向融合协同导航方法。该方法利用行人导航系统与移动机器人导航系统不同的误差特性,构建信息双向融合滤波器同步修正两者的导航信息误差,即利用移动机器人捷联惯导系统较高的传感器精度完成对行人导航系统磁航向误差的实时修正,并利用行人导航系统较高的位移精度修正机器人惯导系统误差,实现同步提高两套导航系统的定位与航向精度。导航定位实验表明,该方法可有效提高人机一体化智能系统的导航定位精度,行人导航系统定位误差约为行进距离的3.3%,移动机器人导航系统的误差积累速度降低为单独工作时的1/3。本文所提出的方法利用了人机一体化智能系统的结构特征,在卫星导航系统失效的电磁干扰环境中有效提高了一体化系统的综合导航定位性能,具有较高的理论研究与工程应用价值。