SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差.针对该问题,提出了一种基于H∞理论的鲁棒超球体无迹卡尔曼滤波算法.给出了计算量小的超球体采样策略,推导了H∞滤波的鲁棒机理,分离了鲁棒环节.将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验.仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况.     

UPF+KF在双轴旋转光学SINS非线性初始对准中的应用

以双轴旋转式SINS初始对准方法为研究对象,建立了双轴旋转式光学SINS大方位失准角误差模型,设计了双轴旋转式SINS大方位失准角初始对准的UPF初始对准算法;根据实际工程应用需要,结合UPF算法和卡尔曼滤波(KF)算法,设计了UPF+KF组合滤波算法,将其应用到了双轴旋转式光学SINS大方位失准角初始对准中。仿真及试验结果表明,提出的UPF+KF组合滤波算法有效降低了UPF算法的耗时,在双轴旋转式光学SINS大方位失准角初始对准中,水平姿态角收敛时间约为11min,方位角收敛时间约为20 min,而且对准误差大大缩小,水平姿态角误差小于3.6〞,方位误差小于2ˊ,证明本文提出的UPF+KF组合滤波算法是有效的、可行的。     

基于UKF的旋转式SINS大方位失准角初始对准方法

旋转调制自补偿技术可以调制惯性元件的常值误差,从而提高惯性导航系统的导航精度。出于实际工程应用需求,研究了旋转式SINS大方位失准角初始对准方法。以单轴旋转式SINS为例,给出了单轴旋转式SINS大方位失准角非线性误差模型;根据系统误差模型的非线性特性,利用简化Unscented卡尔曼滤波(Unscented Kalman Filter UKF)算法,设计了系统的大方位失准角初始对准算法。数字仿真实验结果表明:在相同条件下,提出的UKF算法在收敛速度与对准精度方面均优于EKF算法;系统试验验证结果表明,采用本文提出的初始对准方法,系统的水平对准精度优于0.1′,方位对准精度优于1.5′,证明本文提出的初始对准方法在工程应用中是有效、可行的。     

采用粒子滤波的捷联惯导非线性快速初始对准算法

针对常规捷联惯导静基座初始对准模型维数高,难以保证粒子滤波实时性的问题,提出了一种适用于粒子滤波的二位置非线性快速初始对准模型。该模型利用二位置方法消除惯性器件的常值误差,因此无需对惯性器件误差进行状态扩展,从而在保证对准精度的前提下降低了粒子滤波的运算量。在二位置非线性快速初始对准模型中航向角是直接可观测的,因此可以提高航向角的对准精度和速度。仿真结果表明,采用基于粒子滤波的二位置非线性快速初始对准方法,水平姿态精度在6″以内,航向角精度为10′以内,还较好地满足了粒子滤波应用于捷联惯性导航系统初始对准中的实时性要求,有效提高了初始对准的速度。     

Sigma点Kalman滤波在惯性导航初始对准中的性能评估

捷联惯性导航系统的大失准角初始对准过程具有非线性特性,Sigma点卡尔曼滤波算法可用于解决大失准角的对准问题。为提高Sigma点卡尔曼滤波的数值稳定性并降低算法复杂度,推导了简化的方根形式的滤波算法。为评估不同Sigma点卡尔曼滤波在初始对准中的性能,引入了一种适用于姿态角全为大失准的欧拉角误差模型。最后对不同Sigma点卡尔曼滤波在初始对准中的应用进行了仿真,并对算法的精度与复杂度作了分析与总结。结果显示该算法可较好的处理大失准角情况下的对准问题,所推导的简化方根滤波算法在不影响对准精度的情况下可使算法的复杂度降低20%,并增强了数值稳定性,是一种较为实用的方法。     

捷联惯导系统改进参数辨识初始对准方法

在线晃动干扰环境下,现有捷联惯导系统(SINS)参数辨识初始对准算法的观测方程建模存在不足,对准收敛速度和精度都会受到影响。提出了改进参数辨识初始对准算法,将计算干扰速度的平均值列入辨识模型参数,提高了初始对准的收敛速度和对准精度,此外,还推导了比力双重积分的参数辨识模型,有利于进一步抑制晃动干扰的影响。仿真结果表明,改进算法消除了现有对准算法中可能存在的固有偏差,获得更加平滑的失准角估计效果。     

基于PF的SINS动基座初始对准

捷联惯性导航系统大方位失准角的误差模型是非线性的,传统的扩展卡尔曼滤波(Extended Kalman Filter, EKF)会产生线性化误差,影响初始对准精度.在给出捷联惯性导航系统动基座大方位失准角误差模型的基础上,推导了粒子滤波方法(Particle Filter, PF),并将扩展卡尔曼滤波、基于Scaled-Unscented变换的Unscented卡尔曼滤波(Unscented Kalman filter, UKF)和基于Residual重采样的粒子滤波用于捷联惯性导航系统的初始对准中,分别进行了加速和拐弯条件下的初始对准实验仿真.仿真结果表明,在大失准角情况下,粒子滤波相对于扩展卡尔曼滤波和Unscented卡尔曼滤波具有更高的对准精度和更快的收敛速度.     

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。     

一种改进的基于小波神经网络的SINS快速初始对准方法

捷联惯性导航系统静基座初始对准的可观测度低,采用卡尔曼滤波等最优滤波方法进行SINS初始对准时,方位失准角收敛慢且存在滤波器实时性较差的问题。对此提出了一种改进的基于小波神经网络的SINS静基座快速初始对准方法。该方法采用一个小波神经网络替代卡尔曼滤波器,利用该小波神经网络估计出两个水平失准角等SINS误差,然后利用两水平失准角快速收敛的估计结果,通过另一个小波神经网络对方位失准角直接进行快速估计。初始对准试验结果表明,该方法在保证对准精度的情况下大幅度地提高了SINS静基座初始对准的速度,同时也大大提高了系统状态估值运算的实时性。     

基于无迹粒子滤波的飞行器再入段传递对准方法

针对再入式飞行器再入返回前需要精确和快速的传递对准需求以及空间环境特殊性,提出了一种适用于再入式飞行器空间平台对准方法,建立J2000坐标系下光纤陀螺惯组的系统状态方程,利用星敏感器输出的姿态和光纤陀螺惯组输出的姿态差值作为观测量,实现飞行器的"姿态"匹配传递对准算法。针对系统状态方程和量测方程的非线性特性以及单独使用无迹卡尔曼滤波(UKF)方法存在滤波不稳定性和单独使用粒子滤波(PF)方法存在粒子退化导致估计误差变大的问题,提出了无迹粒子滤波(UPF)算法,采用卫星工具包(STK)软件模拟飞行器在轨运行进行仿真验证。仿真结果表明:该方法可以在3s内使得失准角的估计误差小于0.6',估计精度提高了30%,收敛时间缩短了70%,相比传统方法提高了对准的精确性和快速性。     

舰载导弹惯导系统姿态变化量匹配法传递对准

针对捷联惯导系统的动基座传递对准问题,采用姿态变化量匹配法,在不依赖舰船自主机动运动而仅仅依靠外界风浪随机干扰的情况下,对系泊状态下的舰载导弹捷联惯导系统传递对准进行仿真研究。仿真结果表明:在三种海况下,姿态变化量匹配法可以使3个失准角估计在短时间内均达到要求精度;随着舰船摇摆频率和幅度的增大,失准角的估计精度会进一步得到提高。研究表明姿态变化量匹配法具有对准算法简单、对准速度快、精度高等优点;利用一定强度的风浪,通过该种匹配方法能够成功的解决动基座传递对准问题。     

舰船单轴旋转激光捷联惯导系统动态初始对准

初始对准的时间和精度是舰船惯导系统的重要指标。针对在不同情况下惯导系统启动的实际工程需求,提出了单轴旋转激光捷联惯导系统的初始对准方案。研究了系统在动基座情况下进行粗对准方法。建立了单轴旋转惯导系统的误差模型,使用卡尔曼滤波的方法实现了系统精对准过程。分别对惯导系统三种不同动态启动条件,设计了不同的对准方案。数字仿真结果表明,经过6h的初始对准,垂向陀螺常值漂移的对准误差在设定值的5.2%以内,垂向加表零偏的对准误差在设定值的1.8%以内。     

预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法，并针对平台惯性导航系统在大方位失准角情况下的非线性对准中，用预测滤波器无法估计陀螺误差的问题，提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真，证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法，该算法还能降低系统的维数，减小计算量。     

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.     

一种快速精确的捷联惯导系统初始对准方法研究

由于传统的多位置对准方法在用卡尔曼滤波器对其状态变量进行估计时，方位失准角收敛很慢，因此提出了一种快速多位置对准估计方位失准角的方法，直接利用两水平失准角快速收敛的估计结果对传统多位置对准中方位失准角的估计，从而大大提高了捷联惯导系统静基座对准的精度和速度。计算机仿真结果验证了该方法的有效性。     

一种快速精确的捷联惯导系统初始对准方法研究

传统的多位置对准方法虽然使捷联惯导系统静基座初始对准的精度得到提高，但是用卡尔曼滤波器对其状态变量进行估计时，方位失准角收敛很慢。本提出了一种快速多位置对准估计方位失准角的方法，直接利用两水平失准角快速收敛的估计结果对传统多位置对准中方位失准角的估计，从而大大提高了捷联惯导系统静基座对准的精度和速度，计算机仿真结果验证了该方法的有效性。