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。     

两级解耦卡尔曼滤波在平台惯导系统自主标定和对准中的应用

本文结合实际工程背景，采用两级卡尔曼滤波方法对平台惯导系统进行对准和标定，分别构造陀螺滤波器和加速度计滤波器，前者用于估计平台失调角和陀螺误差系数，后者用于估计加速度计误差系数，然后利用分离偏差滤波理论，将陀螺滤波器分解成状态滤波器和偏差滤波器，使滤波计算进一步得到简化。与一般卡尔曼滤波器相比，此滤波器的计算量以及计算机内存占用量都大为减小，而且估计精度很高     

车载惯导系统动基座高精度自主式对准方法

研究了一种利用里程计与车辆运动约束条件来辅助车载惯导系统进行动基座高精度自主式对准的方法。利用里程计输出与惯导姿态输出进行航位推算,将航位推算获得的速度信息与惯导输出的对应信息相减作为量测之一;利用车辆运动约束条件,将惯导速度输出沿车体横向、垂向的投影作为量测之二;选取惯导系统误差与里程计误差作为系统状态,采用卡尔曼滤波设计动基座高精度对准算法。仿真结果表明,在载车行驶条件下,该方法的东向、北向失准角估计精度分别达到0.21′、0.25′,天向失准角的估计精度达到2.16′。     

一种大安装偏差快速传递对准中的闭环卡尔曼滤波算法

在大安装偏差快速传递对准中,模型线性化误差会导致卡尔曼滤波器(KF)估计有偏。针对该问题,提出了一种基于闭环卡尔曼滤波器(CLKF)的传递对准方法。基于安装关系估计值与主惯导姿态建立子惯导粗基准,使子惯导载体系失准角为小角度,从而降低了线性化误差对KF估计精度的影响。进一步采用状态反馈机制修正子惯导状态与安装关系估计值,使子惯导基准载体系和计算载体系逐渐逼近标称载体系,以保证系统在整个传递对准过程中始终处于良好的线性状态。仿真结果表明,CLKF估计精度不随系统非线性增强而下降,与无迹卡尔曼滤波器(UKF)相当且优于KF;CLKF计算量仅为UKF的3%,与KF相当,显著提高了线性滤波器的估计精度,同时有效避免了采用非线性滤波器而引起计算量较大的问题。     

旋转式捷联惯导系统精对准方法

针对静基座捷联惯导系统初始对准时可观测性差的缺点,提出了捷联式惯导系统四位置转停的单轴旋转方案,以及在此方案下的精对准方法。将陀螺常值漂移和加速度计零位误差调制成周期变量,通过改变惯导系统误差模型中的捷联矩阵改善系统的可观测性。为了使捷联惯导系统的误差方程适合卡尔曼滤波模型,将加速度计误差和陀螺漂移扩充为状态变量,采用卡尔曼滤波方法实现旋转式捷联惯导系统的精对准。仿真结果表明,IMU旋转状态下的对准方法大大提高了系统失准角的可观测性,从而提高了对准精度。     

粒子滤波在惯导系统非线性对准中的应用

首先介绍了粒子滤波中自举滤波的原理和算法，说明该算法可用于处理非线性系统的状态估计问题。进而列出了捷联惯导系统速度误差方程和姿态误差方程，并将其用于惯导系统非线性对准。最后，通过对仿真结果的分析，指出通过结合粒子滤波和传统的扩展卡尔曼滤波，可以得到一种精度优于卡尔曼滤波，而计算量小于粒子滤波的非线性滤波方法。     

基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

车辆动力学模型辅助的惯性导航系统

为提高车辆导航系统的精确度和可靠性,提出一种车辆动力学模型辅助惯性导航系统的方法。建立车辆非线性动力学模型,利用四阶龙格库塔法实时解算速度信息。以惯导误差方程为状态方程,动力学模型与惯性导航解算的速度差为观测量,设计了容积卡尔曼滤波器,并用估计的状态误差对惯导进行校正。仿真结果表明,所提出的利用车辆动力学模型辅助惯导的方法能有效抑制惯导误差的发散,位置精度和速度精度比纯惯导系统提高了一个数量级,航向角精度提高了73%。     

基于NPF-CKF的捷联惯导系统动基座初始对准技术

当海况不佳时,水下航行器大幅晃动,捷联惯导系统无法快速完成自主初始对准,因此提出了利用多普勒计程仪提供的速度信息进行运动中辅助对准。针对在非线性对准中扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,提出了一种基于非线性预测滤波的求容积卡尔曼滤波算法。该滤波算法将惯性器件测量误差作为模型误差使用非线性预测滤波器进行实时预测,然后再利用求容积卡尔曼滤波对模型误差补偿后的系统进行状态估计。仿真结果表明,与扩展卡尔曼滤波和求容积卡尔曼滤波算法相比,该滤波算法能够不仅提高失准角特别是方位失准角的估计精度,其精度约为45″,而且加快了收敛速度。同时由于该滤波算法降低了系统状态的维数,因此也大大减少了计算量。     

基于H∞滤波的舰载机惯导海上自对准方法

针对因风浪干扰、高频颤振等因素影响,使得舰载机惯导海上自对准量测方程中产生未知的量测干扰,进而导致滤波器性能降低的问题,引入H∞滤波技术.阐述了舰载机捷联惯导海上自对准的基本思想,建立了自主精对准状态空间模型,设计了一种基于H∞滤波的自对准滤波器,有效抑制了外界噪声的干扰,确保了系统的鲁棒性.仿真结果表明,常规卡尔曼滤波在5 min的对准时间里,无法完成对姿态角误差的估计.而H∞滤波在5 min内,不但可以估计出姿态误差角误差,且水平对准精度在2′以内,方位对准精度约12′,还可以估计出陀螺零偏和加速度计零偏误差,并可以获得较好的快速性和平滑性,不失为一种有效的海上自对准方法.     

舰船平台上一种改进的传递对准方案设计与仿真

为了提高舰船惯性导航系统在动基座下的传递对准的精度和快速性,针对舰船平台的应用特点,采用卡尔曼滤波器对主、子惯导的"速度加角速率"参数的误差量进行滤波估计并进行了算法设计。运用卡尔曼滤波器的平滑算法改善传递对准的精度。针对卡尔曼滤波器平滑算法会降低对准速度的缺点,在只损失一小部分精度的前提下,创新性的采用卡尔曼滤波器的降阶算法提高了对准速度。通过Matlab软件对卡尔曼滤波器算法、卡尔曼滤波器平滑算法和卡尔曼滤波器平滑加降阶算法的速度误差和姿态误差分别进行了仿真。仿真结果表明,"速度加角速率"匹配传递对准改进算法具有稳健的对准精度和快速性,有一定工程应用参考价值。     

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。     

惯性定位系统的卡尔曼滤波器设计

本文讨论陆用惯性定位系统零速修正卡尔曼滤波器的设计问题。关于这个问题,自从20世纪80年代初期以来,已有不少文章发表。本文与文献中的各种方法相比较,不仅考虑了陀螺漂移的常值分量,而且考虑了斜坡分量,因此,更能适应于零速修正时间间隔较长的情况。文中,首先推导了陆用惯性系统的增广误差状态模型。其次,利用三个相邻时刻的零速误差构造了观测向量模型。第三,在前述基础上设计了离散的线性卡尔曼滤波器;特别地,对初始状态向量及其协方差矩阵的估计,提出了具体的实施方法。最后,给出了在北京郊区实地跑车试验结果的误差曲线。跑车实验所用系统由导航误差3.7km/h的航空惯性导航系统改装。实践表明：利用本文的卡尔曼滤波器进行零速修正,可提高惯性系统定位精度两个数量级以上。     

惯性/高度表组合导航系统卡尔曼滤波算法的浑沌及其控制

本文研究了组合导航系统中应用卡尔曼滤波器进行信息最优估计时的浑沌现象和浑沌 控制,并以惯性系统和高度定位组合导航系统为例,研究了当载体受周期激励时,由于采样频 率选择不当,卡尔曼滤波算法将导致浑沌结果,从而影响系统导航精度。本文还提出了利用变 步长的参数调整法来抑制这种浑沌。     

混合式光纤陀螺惯导系统在线自主标定

混合式光纤陀螺惯导系统IMU的安装误差、光纤陀螺的漂移及标度因数等参数会随着时间发生变化,对系统误差产生影响,使系统在使用一段时间之后精度发生变化,因而需要重新标定。在混合式系统中,通过台体旋转调制,惯性元件常值漂移误差对系统的影响得到抑制,但安装误差和标度因数误差对系统的影响无法得到完全调制,这些误差会与地速及旋转角速率耦合,引起锯齿形速度误差,降低了系统的各项性能。针对混合式惯导系统,建立了IMU误差模型,设计出一种在线自主标定方法,并进行了可观性分析。该方法采用"速度+位置"匹配,对惯导系统30项相关误差项进行在线标定。系统实验结果表明,系统级在线标定参数较分立式标定参数在导航定位精度上提高了半个数量级。     

GPS/INS 组合导航系统降阶滤波器设计

本文研究了某型号飞机上ＧＰＳ／平台惯性组合导航系统中降阶卡尔曼滤波器的设计方法；提出一种降阶滤器结构，并讨论了模型误差的伪随机噪声补偿方法。采用蒙特—卡洛分析法对降阶滤波器的实际误差进行了数字仿真，结果表明，本文提出的这种降阶滤波器能保证组合系统的导航精度，而且具有实际使用价值     

基于H_∞滤波的主/子惯导组合中挠曲变形补偿算法

针对舰载环境下,主/子惯导组合中主、子惯导间的挠曲变形问题,设计了H?滤波算法。算法将主、子惯导间的挠曲变形作为一种能量有限的量测噪声,通过H?滤波对不确定噪声的鲁棒性来保证滤波精度。在经典的"速度+姿态"匹配方法的基础上,仿真比较了:1)方案一,已知挠曲变形时的标准Kalman滤波算法;2)方案二,未知挠曲变形时的标准Kalman滤波算法;3)方案三,未知挠曲变形时的H?滤波算法。仿真误差曲线直观表明:基于H?滤波算法可以在未知挠曲变形时有效提高组合精度;统计结果表明:滤波方案三得到的姿态与速度的系统误差、随机误差均与理想条件下的方案一相当;相较于方案二,滤波方案三得到的姿态与速度的系统误差至少可减小40%,随机误差至少可减少15%。     

一种SINS/GNSS级联闭环反馈式组合导航系统的设计与研究

对于目前的级联式SINS／GNSS组合导航系统来说，其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部，无法抑制平台姿态误差的发散，也无法校正惯性器件误差，因而在该方式长时间运行不能控制滤波发散，导舷精度随时间下降。为此设计了一种SINS／GNSS级联闭环反馈式组合导航系统，该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈。通过仿真证明：该系统不仅能提高导航解的精度，还在校准的同时具有动机座对准能力，满足了长时间导航定位的稳定性。     

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。