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.     

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。     

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。     

基于强跟踪滤波器的SINS大失准角初始对准新方法

捷联惯性导航系统静基座初始对准时一般先进行粗对准,使失准角缩小到一定范围内从而满足小失准角假设下的线性误差模型,然后再进行精对准。在不进行粗对准时失准角一般为大角度,需要采用复杂的非线性误差模型和非线性滤波方法。研究发现通过设置合理的误差协方差矩阵初值,采用反馈校正滤波结构,并引入强跟踪滤波算法可以在大失准角情况下既无需粗对准,又无需采用非线性模型来实现精对准。仿真结果表明,该方法可以实现大失准角初始对准,鲁棒性好,在任意姿态初值下都可以使航向角在300 s内收敛到0.05°的理论极限精度,与小失准角精对准方法的速度和精度相当但省去了粗对准因而耗时更短,与无迹卡尔曼滤波在600 s时才收敛到0.5°的速度相比大为改善。     

基于简化无迹Kalman滤波的非线性SINS初始对准

传统的小干扰失准角模型只适合于小失准角情况下的初始对准,对于处于大失准角下的舰船或飞机的对准必须寻求不做任何线性假设的非线性模型和非线性滤波方法。针对以上问题,建立了基于四元数的姿态误差方程,给出了基于复杂噪声模型的UKF算法,在该算法的基础上假设量测方程为线性,得出简化的UKF算法,避免了重采样、多次求解量测预测方程、计算量测预测方差等一系列繁杂过程。基于以上理论建立了适合简化UKF算法的非线性滤波模型,在大失准角、小失准角下与常规Kalman和EKF算法做对比仿真,结果表明,在小失准角下三种方法效果相当,但在大失准角下简化UKF和EKF显示出了处理非线性模型的优势,对准速度和精度都好于常规Kalman算法。由于EKF线性化造成的高阶截断误差使得对准精度略低于简化UKF。     

双轴旋转式SINS非线性初始对准方法

双轴旋转调制技术可以实现全部惯性元件常值误差的自补偿,从而提高惯性导航系统的导航精度.以双轴旋转调制式SINS初始对准方法为研究对象,建立了双轴旋转式SINS大方位失准角非线性误差模型,利用简化Unscented卡尔曼滤波(UKF)算法,设计了双轴旋转式SINS大方位失准角初始对准算法,利用提出的UKF算法进行了方位失...     

基于平方根中心差分卡尔曼滤波的大方位失准角初始对准

基于大方位失准角条件下捷联惯导系统误差模型的非线性特点,采用非线性滤波方法进行初始对准.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,而中心差分卡尔曼滤波在递推过程中具有计算量大,数值不稳定等缺点.针对上述问题采用了一种改进的中心差分滤波算法一一平方根中心差分卡尔曼滤波.仿真结果表明,与扩展卡尔曼滤波相比,平方...     

惯导系统初始对准的非线性滤波算法

本文推导了方位误差角比较大时惯导系统初始对准的误差方程,在这个误差中包含了非 线性的部分。在方位误差角较小时,可将非线性的对准方程简化为线性的对准方程。用卡尔曼 滤波对线性系统进行仿真,用扩展卡尔曼滤波、迭代滤波、二次滤波对非线性系统仿真。比较仿 真结果可见,扩展卡尔曼滤波可大大提高方位对准的精度,而迭代滤波、二次滤波在方位角上 又比扩展卡尔曼滤波的精度高。     

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。     

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.     

低成本捷联惯导系统初始对准方法

为了缩短低成本捷联惯导系统初始对准时间并提高对准精度,给出了一种基于微型电子罗盘的初始对准方法。首先利用电子罗盘辅助加速度计完成粗对准,然后,分别设计了自适应扩展卡尔曼滤波器和平淡卡尔曼滤波器（UKF）用于精对准。实验结果显示,在系统量测噪声方差阵未知时,在滤波器中加入自适应方法能有效的提高对准精度;而采用非线性滤波的UKF算法,即使在粗对准之后方向失准角比较小的情况下,也可获得比线性滤波更优的对准精度和快速性。     

基于旋转矢量误差模型的舰载机大失准角传递对准技术（英文）

为实现舰载机大方位失准角条件下的快速传递对准,提出采用旋转矢量误差模型。分别推导了速度匹配和速度加角速度匹配的量测模型。为解决非线性滤波器的稳定性和快速性,提出采用平方根无迹卡尔曼滤波SRUKF来估计失准角。仿真结果表明,旋转矢量误差模型相对于非线性的欧拉角误差模型有更高的估计精度。在海况引起的摇摆运动下,运用速度加角速度匹配方法可以在50 s内完成对准,此时水平精度达到20?以内,航向精度达到1?以内。由此表明所提出的算法可以满足舰载机传递对准快速性和精确性的要求。     

动基座传递对准非线性滤波器的设计及应用

在非线性、非高斯条件下进行动基座传递对准,如果采用卡尔曼滤波会出现误差较大甚至发散的问题。本文引入强跟踪自适应滤波器,建立对估计误差的一步预测方差PK/K-1的加权算法,来达到抑制噪声的目的;同时,针对初始对准对准精度与快速性的要求,建立了动基座传递对准精确的非线性滤波模型。通过计算机仿真,模拟了飞机机动模式,验证所提滤波器的可行性。最后,通过与扩展卡尔曼滤波的比较,说明非线性强跟踪自适应滤波器在对准精度与速度上都有更好的表现。     

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。     

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。     

一种快速有效的捷联系统初始对准算法

在捷联惯性系统中，初始对准是影响系统输出精度的最重要环节，陀螺漂移是引起对准误差的主要原因。本文在对捷联系统误差进行分析的基础上，结合卡尔曼滤波器的滤波特性，提出一种把陀螺随机常值漂移标定与初始对准进行多级组合的卡尔曼滤波方法。     

带模型误差系统的自适应卡尔曼滤波在捷联惯导系统初始对准中的应用研究

对于有模型误差的惯导系统,采用常规卡尔曼滤波会导致较大的状态估计误差,甚至使滤波器发散。可采用自适应卡尔曼滤波算法,通过引入虚拟噪声,利用观测数据带来的信息,在线改进滤波器的设计,并将其运用到捷联惯导系统的初始对准中,由此得到的滤波估计比常规卡尔曼估计具有更高的精度和准确度。试验及计算机仿真结果验证了该方法的有效性。