H∞滤波在无陀螺捷联惯导系统中的应用

无陀螺捷联惯导系统角速度解算精度不高是其难以实现工程化瓶颈问题.为此,首先深入分析了无陀螺捷联惯导系统的角速度解算原理,并推导出了所用加速度计配置方案的角速度解算方程.然后创造性地构建了Kalman滤波器的状态方程和滤波方程,突破了以往采用Kalman滤波时必须引入额外观测信息(如GPS观测值)的模式.在此基础上构建了系统的H∞滤波器,并借助某型导弹的弹道数据,在外部噪声分别为白噪声和有色噪声的条件下对积分法、开方法、卡尔曼滤波器和H∞滤波器进行了仿真比较,验证了H∞滤波器具有较高的解算精度和对系统的不确定性具有良好的鲁棒性.     

基于未补偿偏置滤波器的惯导动态初始对准

动态初始对准是惯性导航系统(惯导)工程应用的重要功能之一。针对动态环境下随机干扰和弱可观惯性仪表误差导致对准滤波器性能下降的问题,采用未补偿偏置滤波器实现惯导系统的初始对准。给出了带高度阻尼的惯导水平通道误差模型,根据最小二乘估计原理定量分析了陀螺漂移误差对降维滤波器精度的影响,进而推导出带偏置结构的对准误差模型,设计出基于水平位置误差观测的7维未补偿偏置Kalman滤波器。动态试验结果表明,未补偿偏置滤波器能有效提高惯导动态初始对准性能,仅需40 min对准精度即达标,比直接降维滤波器快一倍以上,具有较强的工程应用价值。     

利用H∞滤波器改进舰船SINS在摇摆基座上的初始对准

在摇摆状态下,利用常规Kalman滤波器得到的初始对准精度较低。为了提高捷联惯性导航系统在舰船摇摆基座上的初始对准精度,提出应用鲁棒扩展H∞滤波器实现初始对准。鲁棒扩展H∞滤波器是建立在鲁棒控制理论基础上的次优估计算法,以牺牲一定的准确性来提高滤波器的鲁棒性。在摇摆基座初始对准中利用鲁棒扩展H∞滤波器,是为了克服在大干扰情况下,系统误差模型不准确造成Kalman滤波器估计误差较大的问题。半物理仿真试验结果表明:在舰船横摇、纵摇、艏摇运动环境下,采用鲁棒扩展H∞滤波器得到的初始对准姿态角误差在12″(1σ)以内,方位角误差在15′(1σ)以内,优于使用Kalman滤波器的结果。     

基于位置和速度观测的空间稳定系统快速对准

空间稳定系统是高精度长航时导航技术的关键,快速对准是其工程应用的重要功能之一。研究了基于位置和速度观测的系统快速对准方法。基于Wahba定姿原理设计平台姿态角的粗估计算法,研究了系统水平通道误差模型的短时可观测性,并据此设计一个可实时估计平台失准角初值、水平位置和速度误差的7维精对准Kalman滤波器。计算机仿真和动态试验结果表明,所述快速对准方法可估计较大的平台失准角(3°量级),同时适用于系泊和海上应急启动情况;在动态条件下精对准2 h,精度即满足指标要求,具有较强的工程应用价值。     

基于Krein空间的鲁棒Kalman滤波在传递对准中的应用研究

基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准，并与标准Kalman滤波进行了比较。仿真结果表明，在垂直比力参数存在摄动的情况下，如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当，它的精度鲁棒性优于标准Kalman滤波。     

捷联惯导系统初始对准的H∞滤波及卡尔曼滤波比较研究

研究了基于卡尔曼滤波和基于H∞滤波的两种初始对准方法。通过建模仿真及比较分析，得出了在外界噪声影响较大或有建模误差时，使用卡尔曼滤波将出现滤波延缓甚至发散现象，而使用H∞滤波，能有效克服传统Kalman滤波器性能恶化的问题，既可获得较高的对准精度，又提高了系统的实时性，从而从总体上提高初始对准效果。     

应用于城市环境的MEMS-INS/GPS紧耦合组合导航抗差滤波器（英文）

为了提高MEMS-INS/GPS紧耦合组合导航系统在城市区域中因为GPS信号短时中断或被干扰时的性能，提出了一种基于Kalman滤波的抗差滤波器模型-Kalman抗差滤波器。在Kalman抗差滤波流程中，构建了具有误差检测和分离功能的Kalman滤波器来应对包括伪距和伪距率等GPS测量的突发故障，通过自适应因子向量调整测量噪声获得高精度的导航解。在城市公路上开展了现场试验，对Kalman抗差滤波器的可用性进行了测试。相较于常规的Kalman滤波器，使用Kalman抗差滤波器的紧耦合组合导航系统水平位置误差下降超过30%，高程位置误差的降低大约50%，速度误差下降了17.5%。Kalman抗差滤波器能够有效的降低城市区域中MEMS-INS/GPS紧耦合组合导航系统的导航解误差。     

基于Elman神经网络和Kalman滤波的捷联惯导精对准

在采用Kalman滤波进行捷联惯导精对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于Elman神经网络和Kalman滤波的捷联惯导精对准方法.首先对已知噪声统计特性的系统进行Kalman滤波,将稳定可靠的状态估值作为网络期望输出用来训练Elman网络,然后再用训练好的网络对未知噪声统计特性系统进行状态估计.利用仿真数据对该算法进行验证,结果表明该算法能够克服Kalman滤波精对准的缺陷,提高了对准精度,尤其是航向角的精度.     

方位捷联平台重力仪分布式Kalman滤波初始对准算法

为充分利用分布式架构重力仪各处理器并行计算的能力,解决单个处理器运行整体式Kalman滤波所遇到的非实时性问题,设计了一种分布式Kalman滤波对准算法。首先,给出了方位捷联平台重力仪的误差方程,建立了系统的状态方程和观测方程。然后,用协方差分析法对系统初始对准滤波方程进行处理,将原系统分解成维数相同的两个子系统,得到由两个子滤波器构成的初始对准滤波器。最后,利用Matlab建立了方位捷联平台惯导模型,分别应用整体式滤波和分布式滤波进行静基座初始对准。仿真结果表明,分布式滤波算法与整体式滤波算法具有相同的滤波精度,并且分布式滤波用时只有整体式滤波的60%,更有利于保证滤波算法的实时性。     

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

带模型误差系统的自适应卡尔曼滤波在捷联惯导系统初始对准中的应用研究

对于有模型误差的惯导系统,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波器发散。可采用自适应卡尔曼滤波算法,通过引入虚拟噪声,利用观测数据带来的信息,在线改进滤波器的设计,并将其运用到捷联惯导系统的初始对准中,由此得到的滤波估计比常规卡尔曼估计具有更高的精度和准确度。试验及计算机仿真结果验证了该方法的有效性。     

联合卡尔曼滤波及其在综合惯性导航系统初始标定中的应用

本文针对由ＩＮＳ及ＥＳＧＭ 组成的综合惯性导航系统的特点,设计了该系统标校阶段的 联合卡尔曼滤波器。文中给出了该联合卡尔曼滤波器的结构及其算法,该算法具有计算量少、 数据传输量小的优点。理论分析及仿真结果表明该联合卡尔曼滤波算法具有全局最优性,能够 满足系统的标定精度要求,且应用该联合滤波器可大大提高系统的容错性。     

一种适用于陀螺定向测量数据处理的滤波算法

一本文针对陀螺仪定向模型的特点，提出一种自适应卡尔曼滤波算法，实际应用表明，该算法能有效地对陀螺定向数据进行实时处理，既保证了观测精度，又缩短了观测时间。     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。     

自适应卡尔曼滤波在惯导初始对准中的应用研究

本文研究了自适应卡尔曼滤波技术在惯导系统中的应用。在噪声统计特性未知或近似已 知的情况下,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波发散;而自适应卡 尔曼滤波在估计状态的同时,利用观测数据带来的信息,可在线估计噪声的统计特性,从而不 断地改进滤波器的设计,由此得到的滤波估计比常规卡尔曼估计精度更高。本文采用Ｓａｇｅ 和 Ｈｕｓａ 自适应滤波算法,结合惯导初始对准,给出了计算机仿真。仿真结果进一步证实在噪声统 计特性不确切知道的情况下,自适应卡尔曼滤波的估计精度高于常规卡尔曼滤波的估计精度。     

基于卡尔曼滤波的信息融合算法优化研究

通过比较采用联邦卡尔曼滤波的状态向量融合和量测信息融合,得出量测信息融合优于状态向量融合,因为只有当卡尔曼滤波一致时状态向量融合才有效.采用基于最小均方差估计的观测值加权融合法融合了多传感器数据,保持了观测向量的维数.这种方法具有高效性.为了提高该算法的速度和精度,对系统的量测空间进行了等价变换,而等价系统的状态空间却没有改变.给出了等价变换前后的系统误差方差阵和状态估计均一致性的证明.把矩阵分析中的L-D分解算法运用到该算法中以避免计算矩阵的逆,从而改善了算法的稳定性和精度.举例验证了所设计算法的这些优点,给出了采用联邦卡尔曼滤波和所优化滤波算法的状态估计和误差的仿真结果,并依次进行了分析.经过这种优化,算法的精度和速度得到很大提高,已经应用到实际工程中.     

基于广义卡尔曼滤波的桥梁结构物理参数识别

基于广义卡尔曼滤波提出了随机荷载作用下桥梁结构物理参数的识别方法。首先,以荷载为观测对象,推导出基于有限元模型的桥梁结构系统的观测方程,以结构待识别的物理参数为状态向量,建立系统状态方程;然后,对该状态方程和观测方程构成的非线性参数系统应用广义卡尔曼滤波,从而识别出结构的物理参数。对一座简支梁桥和一座三跨连续梁桥在不同工况下的物理参数识别进行了数值仿真,结果表明本文方法能够准确地识别桥梁结构全部刚度参数、质量参数和阻尼参数,且具有很强的抗噪性能,从而验证了本文方法的有效性和鲁棒性,可应用于识别大型桥梁结构的物理参数。     

自适应UKF滤波在SINS初始对准中的应用

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了平淡卡尔曼滤波器(UKF)和自适应平淡卡尔曼滤波器(AUKF)用于精对准。在系统噪声统计特性未知时,AUKF算法能自动平衡状态信息与观测信息在滤波结果中的权比,以实时调整状态向量和观测向量的协方差,从而提高系统的性能。实验结果显示,使用自适应UKF算法与普通的UKF算法相比,可以获得更优的对准精度和快速性,在东、北、天三个方向上,其失准角精度分别提高了0.2′、0.2′和4′;收敛时间分别缩短了10 s、30 s和25 s。     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发,分析了Kalman滤波算法的实质及容量发散的原因。提出在Kalman滤波中引入了系统量测噪声协方差阵（R）的计算,并对其加权,从而影响滤波增益,抑制发散。推算舰位／GPS组合导航的应用仿真表明：量测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。