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.     

弹载惯性/卫星/星光高精度组合导航

选取捷联惯导系统误差作为组合导航系统状态,利用捷联惯导与卫星导航系统各自的位置输出构造量测,设计惯性/卫星组合导航算法。在惯性/星光组合导航算法设计中,对星敏感器安装误差进行建模并也列入组合导航系统状态,利用星敏感器输出的姿态矩阵和根据惯导输出计算得到的等效姿态矩阵构造量测。从而,利用联邦滤波技术设计出弹载惯性/卫星/星光高精度组合导航方法。该组合导航方法的仿真结果表明,其定位、定姿精度分别达到12.1m(3σ)和0.27′(3σ),而且能够有效标定出惯性器件的随机常值误差和星敏感器的安装误差。     

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。     

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。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

组合导航技术在油气管道测绘系统中的应用

针对长输油气管线必须进行轨迹绘制和探伤定位的问题,设计了惯性管道测绘系统。系统核心部件为捷联惯导系统,辅助信号有里程计和定距离磁标信号,是一种全自主的导航系统。在系统算法设计中,通过建立捷联惯导与航位推算组合导航系统误差模型,利用改进的卡尔曼滤波器估计系统姿态、航向角误差和里程计标度因数误差。该系统数据处理具有非实时性的特点,因此设计了后向卡尔曼滤波器进行数据平滑。系统跑车试验证明该滤波算法能够有效的提高系统的定位精度,系统具有高精度、高可靠的特点,满足实际工程需要。     

基于高斯混合模型的惯导/计程仪组合导航方法

针对长航时舰船航行过程中电磁计程仪误差变化较大,同时存在未知测量噪声,无法满足船用捷联惯导/电磁计程仪组合导航系统对计程仪要求的问题,提出了一种用于非线性非高斯系统状态估计的滤波方法。以无迹卡尔曼滤波为组合导航系统基本算法,测量噪声密度分布中引入高斯混合模型,提出了捷联惯导/电磁计程仪组合导航的高斯混合模型无迹卡尔曼滤波算法,达到实时准确估计并补偿惯性导航系统误差的目的。航行试验验证了基于高斯混合模型组合导航方法的可行性,使得捷联惯导/电磁计程仪组合导航系统的最大定位误差由水平阻尼的1213 m减小到392 m,且比传统无迹卡尔曼滤波方法进一步消除了计程仪误差的影响,定位精度提高了15%。     

基于自适应强跟踪滤波的捷联惯导/里程计组合导航方法

针对大型轮式车行驶过程中里程计标度发生较大变化,无法满足车载定位定向系统给里程计分配的误差要求,研究了一种非线性滤波方法。以容积卡尔曼滤波为算法框架,引入强跟踪滤波渐消因子的基本理论,提出了捷联惯导/里程计组合导航的自适应强跟踪滤波算法,达到实时自适应估计并补偿里程计标度误差的目的。仿真分析和跑车试验验证了该方法的有效性,新方法比传统强跟踪滤波更进一步消除了里程计误差的影响。试验结果表明该方法使得捷联惯导/里程计组合导航的定位精度提高了两倍以上,达到了惯性元件的理论精度。     

SINS/GPS/CNS 组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS 导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了 SINS/GPS/CNS 组合导航联邦滤波算法,该算法可以取长补短,巧妙地将 GPS 定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进.计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较 SINS/GPS 组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级.仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值.     

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。     

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。     

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.     

陀螺随机常值漂移的多级标定法

在船用捷联惯性系统中,陀螺漂移是引起系统误差的主要原因。对陀螺漂移进行补偿是提高捷联系统精度的一个重要手段。本文在对捷联惯导系统误差模型进行分析的基础上,针对用现有的Kalman滤波算法很难在较短的时间内达到较高的陀螺随机常值漂移标定精度的情况,提出了陀螺随机常值漂移的多级标定法。     

一种自适应H_∞滤波的运动学约束惯性导航方法

纯捷联惯性导航系统的精度主要受限于传感器精度,为了在固有的传感器精度上进一步提高纯捷联惯性系统导航精度,提出了一种基于自适应H_∞滤波的运动学约束辅助惯性导航算法。利用运动约束条件,将载体系中的侧向和上向速度作为量测量,将纯捷联惯性导航系统输出的姿态误差、速度误差及传感器误差作为状态量,采用一种能够自动调节滤波器参数的自适应H_∞滤波方法以提高系统性能。实验结果表明,所提出的自适应H_∞滤波运动学约束算法与无约束纯惯导算法相比能够提高23.7%～81%的定位精度,与无自适应H_∞滤波运动学约束算法相比能够提高16.3%～62.2%的定位精度。     

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。     

系泊状态舰载捷联惯导初始对准算法设计

系泊状态下舰船因风浪影响而产生摇摆,陀螺输出信息中信噪比很低,地球自转角速度信息难以提取出来,从而给舰载捷联惯导的初始对准带来困难.针对这一问题,研究了摇摆状态下捷联惯导系统的初始对准技术,基于舰载武器特点建立了捷联惯导系统在系泊状态下的误差模型,采用卡尔曼滤波和自适应滤波进行精对准,并根据摇摆频率与地球自转角速度频带的不同设计了巴特沃思低通滤波器对惯性器件的输出信息进行预滤波,从而一定程度上隔离舰船晃动.理论分析和仿真结果表明,该方案能有效地解决舰船系泊状态下捷联惯导系统的初始对准问题,而且具有较高的精度,研究结果对舰载捷联惯导初始对准具有一定的参考价值.