GNSS 失锁下基于混合预测模型的 POS 误差估计方法

针对GNSS信号受遮挡或干扰导致的位姿测量系统（POS）量测信息失锁问题,提出一种基于多元线性回归（MLR）和径向基函数神经网络（RBFNN）的混合预测方法,用于GNSS失锁期间的POS导航误差预测。该方法利用Hodrick-Prescott(HP)滤波将POS导航误差样本数据分解成趋势性成分序列与波动性成分序列,分别采用MLR和RBFNN对其进行预测建模,充分表征POS导航误差数据的线性与非线性特征。车载实验结果表明,所提出的基于MLR/RBFNN混合预测方法与标准Kalman滤波方法相比,位置误差精度提高72.9%～89.1%,速度误差精度提高50.1%～60.8%,其位置和速度误差统计结果均优于单一的MLR预测模型和RBFNN预测模型。     

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.     

智能Kalman滤波在水下地形组合导航系统中的应用

为了避免现实环境的动态变化对水下航行器系统模型造成的随机干扰影响,保证水下航行器长时间导航精度的稳定性,提出了利用RBF神经网络辅助联邦Kalman滤波方法对SINS/TAN/DVL/MCP组合导航系统进行信息融合。给出了各子导航系统的误差模型,通过足够精度的样本对前向神经网络进行离线训练,建立神经网络控制模型。仿真结果表明,该方法可使水下航行器的系统状态在较短的时间内以较高的精度达到稳定。通过与联邦Kalman滤波结果对比表明,采用智能控制方法辅助的信息融合方式的导航定位精度提高了一倍,能有效提高常规联邦Kalman滤波器的自适应能力,达到减小误差,提高精度的目的。     

基于智能滤波技术的抗高过载陀螺信号处理方法

陀螺作为捷联惯性导航系统的关键传感器,其测量精度直接决定了整个系统的性能和精度指标。针对舰船高过载环境下捷联惯性导航系统陀螺输出信号出现畸变的问题,提出一种基于BP神经网络技术的陀螺信号智能模拟滤波方法。该方法根据系统加速度计输出值对舰船运动状态进行判断,当其输出小于设定阈值时,视为非过载环境,此时将陀螺输出用于导航计算并作为BP神经网络在线训练样本,以保证网络参数与当前舰船运动态势的一致性;否则视为进入高过载环境,并利用之前最新训练好的BP神经网络模拟当前陀螺信号输出,保证捷联惯性系统的平稳工作。采用智能模拟的优点是:数据并行计算速度快,不需要改变系统硬件条件。半物理仿真试验结果表明:该方法在加速度计输出为5⁵0g的高过载环境下,可有效改善陀螺输出信号出现畸变的问题,实现舰船运动状态的实时模拟。     

一种基于“当前”统计模型的DVL/SIMU船位推算方法

船位推算是水下航行器自主导航定位的重要手段。当采用对流工作模式的多普勒计程仪进行船位推算时,测速精度受海流影响较大,由此引起的船位推算误差较大。针对此问题,提出一种基于机动目标"当前"统计模型的水下组合导航模式,通过增加加速度观测信息,采用加速度均值、方差自适应Kalman滤波算法实现线运动参数的估计和流速修正并进行了仿真实验验证。仿真结果表明,使用本方法能得到较为准确的流速估计值,相同条件下使用加速度信息辅助船位推算比纯船位推算的定位精度有较大提高,其精度优于1 n mile/h。     

基于级联FIR滤波器的系泊精对准算法

舰船的系泊环境存在风浪和浪涌,这些因素引起捷联惯导系统对准过程中的不确定性干扰加速度,提出一种基于级联FIR低通数字滤波器的惯性系Kalman滤波精对准算法。高频随机干扰加速度在通过级联FIR低通数字滤波器后被滤除,近似周期性干扰通过积分运算,正负部分基本抵消,因此该算法可以有效抑制系泊环境下的不确定性干扰。江上系泊对准结果为:水平精度0.02°,航向精度0.06°。试验结果表明该方案能有效完成精对准,对准精度达到中等导航精度要求。     

基于扩展卡尔曼滤波算法的船舶姿态监测预报系统设计（英文）

为提高船舶姿态监测预报系统的测量精度,设计加速度传感器和陀螺仪捷联的惯性导航系统,利用互补处理和反馈调节对传感器输出参数进行校正。为得到精度较高的预估数据,通过广义最小二乘法进行系统辨识建立船舶状态模型和矫正的传感器测量模型,由扩展的卡尔曼滤波器得到最优估计状态。同时设计闭环系统,进一步提高系统的测量精度和预估精度。此外,针对当前监测预报系统普遍存在的软件界面差、交互困难等缺点,设计姿态监测预报友好型界面,可3D动画实时显示船舶当前的运动姿态,并具有数据存储、分析、操作处理等功能。最后,通过实验对不同倾角变化率下实际姿态、测量姿态和预估姿态进行对比,结果表明所设计的姿态监测预报系统具有较高的监测精度和预估精度。     

组合导航中模糊自适应Kalman滤波算法分析

以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。     

光纤捷联航姿基准系统的设计与实现

针对光纤陀螺仪及捷联系统的特点,研究并实现了一种基于光纤陀螺仪的捷联航姿基准系统。以PC/104作为导航计算机,采用I/F转换回路及计数线路构成加速度计的数字信号采集系统,采用智能多串口线路完成各模块之间的通讯任务,构成捷联式航姿基准系统原理样机。在此基础上,设计了系统的机械编排方案、传感器的误差补偿方案和闭环卡尔曼滤波器。样机的测试结果表明:样机满足系统设计要求,在温控环境中,其精度优于基于挠性陀螺仪的捷联航姿系统。     

基于互补滤波的动中通天线姿态估计

为了满足低动态下天线稳定的要求,构建了一个基于微机械陀螺、加速度计和磁强计组合的动中通低成本姿态测量系统.该系统利用加速度计重力场分量估计的倾角和磁强计地磁场分量估计的航向角作为辅助信息,校正陀螺漂移误差.根据陀螺与辅助传感器的互补特性,设计一个多轴互补滤波器,利用陀螺的高频分量和辅助信息的低频分量估计姿态角.根据载体机动状态调整控制器参数,使滤波器能自适应选择交接频率,减小机动加速度对姿态估计的影响.实验结果表明,互补滤波能有效地估计出姿态,系统的动态估计精度在±2°内.