基于参数识别视速度的双矢量粗对准方法（英文）

针对传统基于视速度双矢量粗对准中,由于传感器随机噪声的影响,存在对准精度差,收敛速度慢的缺点,提出了一种新型自适应Kalman滤波的参数识别粗对准方法。该方法通过对视速度运动进行建模,设计采用自适应Kalman滤波对模型参数进行参数识别,从而有效地消除视运动中的随机噪声,提高粗对准的精度和收敛速度。由于自适应滤波的特点,新方法不需要对传感器误差进行统计,使其在实际系统中具有更加广泛的应用价值。针对双矢量粗对准的计算特点,设计了一种矢量重构算法,从而尽可能地规避双矢量共线性问题,加快了粗对准的收敛过程。仿真与转台实验表明,与传统方法对比,新方法在相同的对准时间内具有更高的对准精度,在相同的对准精度下,具有更高的收敛速度。转台实验的最终对准精度为-0.1391°,标准差为0.012°。     

未知纬度条件下基于重力视运动与小波去噪的SINS自对准方法

基于惯性系的双矢量定姿方法选择惯性系中的两个重力视运动向量作为不共线矢量,解决了传统双矢量定姿方法在晃动基座条件下易受载体角运动干扰而无法实现对准的问题,但该方法仍需要精确的地理纬度信息以参与对准计算。针对未知纬度条件下的SINS抗晃动自对准问题,提出了一种基于重力视运动的三矢量自对准方法。该方法将初始对准问题归结为求解当前时刻导航系相对于初始时刻载体系的姿态矩阵问题,并利用矢量运算进行求解,仿真结果表明:加速度计随机测量噪声会映射为重力视运动随机噪声,降低对准精度;当加速度计随机噪声量级较大时,会带来对准计算失败。针对噪声问题,引入Daubechies(db4)小波进行5层分解来实现对重力视运动的降噪,并选择去噪后的重力视运动向量参与三矢量定姿解算,仿真结果表明:db4小波具有良好的去噪效果,基于小波去噪的三矢量自对准方法可以有效完成未知纬度条件下的SINS初始对准。     

未知纬度的捷联惯导系统晃动基座自对准方法（英文）

传统捷联惯导系统晃动基座对准方法中,一般要求提供当地准确的地理纬度信息,如果给定的纬度存在误差,会对初始对准精度造成影响。针对纬度未知情况下的晃动基座对准问题,提出了利用三个不同时刻的重力视运动向量的运算进行对准的方法,推导了三矢量定姿对准的基本原理。针对含有随机噪声的加速度计测量值构造的重力视运动向量会导致向量运算时出现共线向量的问题,设计了一种基于平均权重系数的自适应卡尔曼滤波器,能在未知动态环境下有效去除加速度计随机噪声,提高对准精度。仿真和试验结果表明,该方法可在纬度未知条件下完成捷联惯导系统晃动基座下的自对准并估计出纬度值,对准精度可达惯性器件误差所决定的对准极限精度。     

未知纬度的捷联惯导系统晃动基座自对准方法

传统捷联惯导系统晃动基座对准方法中,一般要求提供当地准确的地理纬度信息,如果给定的纬度存在误差,会对初始对准精度造成影响.针对纬度未知情况下的晃动基座对准问题,提出了利用三个不同时刻的重力视运动向量的运算进行对准的方法,推导了三矢量定姿对准的基本原理.针对含有随机噪声的加速度计测量值构造的重力视运动向量会导致向量运算时出现共线向量的问题,设计了一种基于平均权重系数的自适应卡尔曼滤波器,能在未知动态环境下有效去除加速度计随机噪声,提高对准精度.仿真和试验结果表明,该方法可在纬度未知条件下完成捷联惯导系统晃动基座下的自对准并估计出纬度值,对准精度可达惯性器件误差所决定的对准极限精度.     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

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.     

自适应Kalman滤波在SINS初始对准中的应用

为了提高捷联惯导系统的对准精度和收敛速度,提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况,推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法,在噪声统计特性已知的情况下,使用比较方便;多数情况下,噪声统计特性是处于未知状态,从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正,使系统达到最佳的滤波效果。通过仿真验证,该自适应滤波算法有效地提高了收敛速度和对准精度。     

基于鲁棒滤波的挠曲变形和动态杆臂补偿算法

针对舰载传递对准中主/子惯导之间挠曲变形及其产生的动态杆臂问题,首先分析了主/子惯导的IMU输出关系;然后建立了子惯导的系统误差模型;最后将挠曲变形和动态杆臂视作一种能量有限的未知量测噪声,设计了H∞滤波算法。仿真实验对比了已知挠曲变形和动态杆臂时的Kalman滤波方案1和未知挠曲变形和动态杆臂时的Kalman滤波方案2、H∞滤波方案3的对准效果,结果表明:使用H∞滤波方案3的航向对准速度较慢,但最终对准精度优于使用Kalman滤波方案2,与使用Kalman滤波方案1的对准精度相当,水平精度达到0.15'以内,航向精度达到0.5'以内,运算时间减少约20%。因此所设计的H∞滤波算法对挠曲变形和动态杆臂有良好的抑制能力,满足实际舰载传递对准的要求。     

一种变加速度的弹用双矢量空中对准方法

针对制导炮弹空中飞行时间短、难以实现有目的航向机动的问题,提出一种变加速度的弹用双矢量空中对准方法。首先,利用速度微分方程推导了空中对准用双矢量。然后,根据双矢量定姿的原理,采用Request算法对弹载微机械捷联惯导系统(MINS)的初始姿态进行估计,并分析了对准误差,在此基础上提出基于变加速度的弹用双矢量空中对准方法来实现弹载MINS初始姿态的最优估计。数值仿真实验结果表明:该对准方案可快速实现弹用MINS初始姿态的最优估计,其中航向角对准误差接近0.3°,俯仰角和横滚角对准误差小于0.2°,满足制导炮弹用MINS空中快速对准的要求。     

基于参数识别的SINS/DVL初始对准方法

针对多普勒测速仪(DVL)辅助捷联惯导系统行进间对准时易受DVL量测噪声的影响,提出一种基于参数识别的SINS/DVL初始对准方法。首先,建立了基于DVL辅助的SINS行进间初始对准观测矢量模型,分析了DVL量测噪声对观测矢量的影响;然后,研究了观测矢量变化规律,建立了观测矢量参数识别模型,利用建立的参数识别模型,设计了基于自适应卡尔曼滤波的参数识别算法,并对观测矢量进行了重构,减小了DVL量测噪声对观测矢量的影响;最后,设计了仿真与跑车实验。实验结果表明,所提出的参数识别算法可以有效抑制DVL量测噪声对初始对准结果的影响。相较于传统方法,在载体运动条件下实现对准误差标准差小于0.1°。