多尺度递归融合估计在组合导航系统中的应用

多尺度递归融合估计是对多传感器系统进行的基于尺度的融合估计算法.利用小波变换中多尺度分析的思想,构造出多尺度动态模型,利用该模型对粗尺度上的状态估计值进行修正,递归获得最细尺度上基于全局测量值的最优估计值,该估计值是方差最小意义下的最优估计.将此算法应用于SINS/GPS组合导航系统中,仿真结果表明,应用该算法能取得较好的效果,获得了比仅在单一尺度上进行kaIman融合估计更好的结果,有效地提高了组合导航系统的精度.     

异质传感器数据的最优线性融合

研究了异质传感器对参数矢量进行的测量，测量数据基于线性均方估计的最优融合算法。提出和证明了异质传感器数据的最优线性融合定理，并得出“精度再差的传感器参与数据融合后都有利于提高系统的测量精度”这一结论。     

不完美维护活动干预下的设备剩余寿命估计

剩余寿命估计是保障设备安全性和可靠性的关键技术。现有文献在研究维护活动干预下的设备剩余寿命估计问题时,通常仅考虑维护活动对退化水平或退化速率的单一影响,忽略了维护活动对两者的双重影响。鉴于此,提出了一种考虑不完美维护活动影响的性能退化建模与剩余寿命估计方法,融合了维护活动对设备退化水平和退化速率的双重影响。首先基于扩散过程分阶段建立存在不完美维护活动干预下的随机退化模型,然后基于设备的状态监测数据和维护数据对模型参数进行极大似然估计和Bayesian更新,最后在首达时间的概念下,推导得到了剩余寿命的解析概率分布。实验结果表明,所提出方法能够大大提高存在不完美维护活动影响设备的剩余寿命估计精度。     

多传感器多尺度融合估计在组合导航系统中的应用

基于某一给定尺度上的动态系统和不同尺度上的观测系统建立了多传感器的多尺度融合估计模型及算法，并将此算法应用于GPS／INS组合导航系统中，获得了比仅在单一尺度上进行估计更好的结果，有效地提高了组合导航系统的精度。     

加速度计加速退化数据统计分析方法

加速退化试验广泛应用于加速度计的可靠性评估或寿命预测,然而加速退化数据统计分析方法的研究不足制约了可靠性评估或寿命预测的准确性。提出了一种基于Wiener退化模型的加速退化数据统计分析方法,利用加速因子不变原则推导退化模型各参数的变化规律,在此基础上建立加速退化模型,从而克服依赖假定进行加速退化建模容易造成较大误差的不足。针对传统的极大似然估计方法适用性不强的问题,提出了利用fminsearch函数结合最小二乘法求解极大似然估计值的方法。针对寿命预测时无法得到可靠寿命解析式的问题,提出了利用fzero函数求取可靠寿命的方法。仿真试验证明了加速因子不变原则推导结论的正确性,案例应用验证了所提方法的有效性。研究工作在加速退化建模、参数估计、寿命预测三个方面提出了有效的方法,具有一定的工程应用价值。     

基于极大似然准则的INS/GNSS组合导航自适应UKF滤波算法

为提高INS/GNSS组合系统对过程噪声方差不确定性的鲁棒性,提出一种基于极大似然准则的自适应UKF算法。在该算法中,首先利用新息向量的统计信息构造量测向量的后验概率密度,然后通过极大似然准则在线求取过程噪声方差的估值,并将其反馈至UKF滤波过程,用于调整卡尔曼增益矩阵。提出的算法可以抑制过程噪声方差不确定性对滤波解的影响,克服了UKF的缺陷。仿真结果表明,当过程噪声的标准差增大为其真实值的4倍时,相比于UKF,提出方法的导航精度可至少提高45.5%;相比于ARUKF,其导航精度也可至少提高35.7%。跑车实验结果也验证了提出算法的有效性。     

基于似然分布的样本数自适应UPF算法

针对粒子滤波算法的实时性较差,计算量随着粒子数的增加成级数增加,提出一种基于似然分布的样本数自适应UPF算法。该算法以UPF为基础,吸收了似然分布自适应和样本数自适应的优点,在每一步状态方差估计中规定样本数的下限,同时考虑状态方差过大和过小的情况,在重采样阶段嵌入似然采样,根据反映量测噪声实时统计性能的精度因子?自适应地调整似然分布状态,使之尾部更为平坦,增加先验和似然的重叠区,减少粒子退化。利用UT变换获得各个粒子的重要性密度函数,并将最新的量测信息引入到重要性密度函数设计以及重采样过程中,从而达到提高算法估计性能的目的。将提出的算法应用到SINS/SAR组合导航系统中进行仿真验证,结果表明,与PF和UPF算法相比,提出的基于似然分布的粒子数自适应UPF算法能有效改善滤波性能,提高解算精度。     

估计三种常用疲劳应力—寿命模型P—S—N曲线的统一经典极大似然法

拓展经典极大似然法到Langer模型,提出了估计三参数、Langer和Basquin三种常用疲劳应力-寿命模型P-S-N曲线及其置信限的统一方法。方法用于处理极大似然法疲劳试验得到的S-N数据,该试验在特别关注的参考载荷试验一组试样,其余试样在不同载荷下试验,以参考载荷试验数据的统计参量为基础,按照每个模型中材料常数协同处于相同概率水平原则,将曲线表示为对数疲劳寿命均值和均方差线的广义形式,至多4个材料常数,曲线中的材料常数按极大似然原理采用数学规划法求出。45#碳钢缺口试样（kt=20)对称循环加载试验数据的分析说明了方法的有效性,分析还揭示合理模型有必要通过比较拟合效果、预计误差和应用安全性来确定,三参数模型的拟合效果最好,Langer模型稍差,Basquin模型较差,从拟合效果、预计误差和应用安全性角度,Basquin模型不适于描述该套数据。此外,经典极大似然法估计结果可能因受局部统计参量影响而给出非安全估计,有必要发展改进的可以最大限度着小这种影响的方法。     

用于MEMS陀螺阵列信号处理的OBE平滑算法（英文）

为提高MEMS陀螺的精度,提出了一种基于最优定界椭球(OBE)的平滑算法,并将其用于陀螺阵列信号的处理。首先,利用多个相同型号的MEMS陀螺构成阵列,测量同一角速率信号,并建立数据融合模型。对于融合问题而言,噪声统计特性的不确定会导致传统融合方法精度下降。为解决该问题,引入仅要求噪声未知但有界的集员估计理论,结合RTS平滑思想,提出一种新的平滑算法作为融合方法,它由前向滤波和反向平滑两个过程构成:前者采用集员估计理论中的OBE滤波估计角速率,后者则逆序执行OBE算法进一步提高估计精度。实验表明:该方法能够将陀螺的静态漂移由0.5130(°)/s降低到0.1368(°)/s;动态条件下,在有效跟踪载体角度变化的同时,将漂移由0.5343(°)/s降低到0.1704(°)/s,显著提高了陀螺的使用精度。     

用于MEMS陀螺阵列信号处理的OBE平滑算法

为提高MEMS陀螺的精度,提出了一种基于最优定界椭球(OBE)的平滑算法,并将其用于陀螺阵列信号的处理.首先,利用多个相同型号的MEMS陀螺构成阵列,测量同一角速率信号,并建立数据融合模型.对于融合问题而言,噪声统计特性的不确定会导致传统融合方法精度下降.为解决该问题,引入仅要求噪声未知但有界的集员估计理论,结合RTS平滑思想,提出一种新的平滑算法作为融合方法,它由前向滤波和反向平滑两个过程构成:前者采用集员估计理论中的OBE滤波估计角速率,后者则逆序执行OBE算法进一步提高估计精度.实验表明:该方法能够将陀螺的静态漂移由0.5130(°)/s降低到0.1368(°)/s;动态条件下,在有效跟踪载体角度变化的同时,将漂移由0.5343(°)/s降低到0.1704(°)/s,显著提高了陀螺的使用精度.     

惯性/重力匹配组合导航系统与可视化仿真

根据惯性/重力匹配组合导航系统的工作原理和特点,提出了基于 RANSA 思想的重力图匹配方法,采用此方法实现了重力图的鲁棒匹配。通过建立组合导航系统的数学模型,采用最优滤波技术实现了组合导航系统的信息融合。在此基础上,采用多种高级语言混合编程,设计实现了一套可视化的仿真软件,对该系统进行了可视化仿真研究。仿真实验结果表明,惯性/重力匹配组合系统相对于无辅助的惯性导航系统,其定位精度、速度精度均有较大的提高,也就是说采用重力匹配方法达到了校正惯导系统,实现高精度导航的目的。     

导航传感器系统的信息融合

－组合导航系统中的多种导航传感器为整个系统性能的提高，提供了多余度，高可靠性的导航信息源。多种信息的融合对组合导航计算机，系统的硬件、软件接口界面，以及导航信息的显示与告譬方式都提出了新的要求。本文论述了一种基于信息融合技术的多传感器组合导航系统体系结构，并结合工程实现，提出了综合信息显示器的系统方案。     

惯性/卫星/里程计多信息融合方法及在铁路测绘中的应用

针对基于惯性技术对铁路基础设施进行精确测绘的需求提出一种多信息融合惯性基准方案,为测量测绘提供高精度位置和姿态参考。对载体运动特点和车载状态下惯性/里程组合导航航向角误差可观性进行分析,认为天向陀螺漂移和航向误差是导致测量精度下降的主要因素,针对该问题设计了基于双向滤波、双向平滑的多信息融合方案,针对缺乏绝对位置基准的应用情况,引入"正矢"概念和相对定位精度的评判方法。仿真及试验结果表明,在陀螺常值漂移0.2(°)/h条件下,该方案相对定位精度优于0.3 mm(300 m弦正矢),显著提高了车载铁路线路测绘位置、姿态基准精度,降低了对惯性器件的要求,利用中、低精度器件实现了高精度测量定位。     

可视化智能融合导航系统

本文以提高导航系统的精度、可靠性、智能化和可视化程度为目标，利用智能工程的思想与方法将信息融合、人工智能和可视化技术综合应用于多传感器组合导航系统中，提出了面向２１世纪控制与导航技术的新一代导航系统概念—可视化智能融合导航系统，并对其功能、组成及关键技术进行了研究。     

GPS/INS/TRN组合导航系统信息融合技术研究

本文提出了一种基于信息融合技术的巡航导弹组合导航系统方案,并对系统组合方式、 以及相关的信息融合技术进行了初步讨论。基于信息融合的组合导航方案可以充分地利用各 种导航传感器的信息,有效地提高导航系统的精度。同时,系统的重构能力保证了系统的可靠 性。     

地形辅助/惯性/GPS组合导航系统的可视化仿真研究

研究了多传感器信息融合技术在地形辅助／惯性／GPS组合导航系统中的应用，并在此理论基础上，采用一种新的仿真方法研究该组合导航系统，即采用多种高级语言混合编程，对该组合系统进行可视化仿真。仿真结果表明：采用联合滤波器的地形辅助／惯性／GPS组合系统具有较高的导航精度，最终达到可视化仿真研究的目的，从而对组合系统性能的研究起到了积极的推动作用。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

激光捷联惯导系统/地形辅助导航系统中卡尔曼/粒子组合滤波算法设计及仿真

粒子滤波技术是近几年出现的一种非线性滤波技术，它适用于非线性系统以及非高斯噪声模型。结合粒子滤波和卡尔曼滤波各自的优点，给出了一种卡尔曼／粒子组合滤波器，并将这种滤波器应用到激光捷联惯导（LSINS）／地形辅助导航（TAN）数据融合过程中，避免了地形复杂的线性化问题。仿真结果表明，系统的定位精度得到了明显提高。应用粒子滤波器及其改进算法解决了导航系统中存在的强非线性问题。     

不同GPS/SINS超紧组合框架的分析与等价性推导

GPS和SINS的组合导航系统是实现连续、准确定位的有效方式之一,尤其二者的超紧组合导航方式,在解决GPS接收机的抗干扰和抗动态性能方面效果显著。分别针对基于GPS的I、Q信号层次数据融合的超紧组合结构和惯性信息辅助的超紧组合结构进行分析,在将惯性信息辅助结构演化为联邦形式的组合结构的基础上,对涉及其中的不同组合滤波的状态方程和量测方程深入研究。利用集成和联邦卡尔曼滤波器之间的关系,完成不同超紧框架的趋同等价性证明。仿真结果初步表明,相同初始条件下不同组合方法在定位精度方面具有一致性。     

基于UKF的INS/GNSS/CNS组合导航最优数据融合方法

为了提高INS/GNSS/CNS组合系统的导航精度,提出了一种基于UKF的多传感器最优数据融合方法。该方法具有两层融合结构,第一层中,GNSS和CNS分别通过两个局部UKF滤波器与INS组合,以并行的方式获得INS/GNSS和INS/CNS子系统的局部最优状态估值;第二层中,根据线性最小方差准则推导出一种矩阵加权数据融合算法,对局部状态估值进行融合,获取系统状态的全局最优估计。提出的方法无需采用方差上界技术对局部状态进行去相关处理,克服了联邦卡尔曼滤波(FKF)及其优化形式存在的缺陷。仿真结果表明,相比于FKF,提出方法的导航精度可至少提高36.4%;相比于UKF-FKF,其导航精度也可至少提高21.0%。