基于最小二乘的全局信息融合方法在分布式POS中的应用

分布式POS是一种基于惯性/卫星组合技术的多节点高精度时空测量系统,是实现多任务高精度航空遥感载荷成像的关键装置。受阵风湍流、载机机动等外部扰动,柔性长机翼产生多模挠曲变形,导致柔性基线效应,降低分布式POS多传感器信息融合精度。针对大变形机翼柔性基线效应导致的多传感器信息融合难题,提出了一种基于最小二乘的全局信息融合方法。在分布式POS主子传递对准基础上,采用基于最小二乘的正交多项式拟合方法,对分布式POS所有主子IMU的运动信息进行全局信息融合,充分利用各子IMU对应节点间的空间相关性,得到分布式POS各节点全局估计信息,提高分布式POS测量精度。最后,通过分布式POS地面模拟仿真实验验证,所提出的方法与传递对准方法相比,x轴基线精度平均提高了1.893 mm,y轴基线精度平均提高了0.461 mm,z轴基线精度平均提高了2.183 mm,水平姿态测量精度平均提高0.023°。     

分布式系统中捷联惯性系统动基座对准研究

为解决舰载捷联系统动基座对准中甲板挠曲变形及惯性组件箱(IMU)的安装误差对初始对准精度的影响，建立了捷联惯性系统误差模型、甲板挠曲变形模型、IMU安装误差模型，并利用速度加姿态角匹配方法，建立了量测误差模型。在此基础上利用状态扩展法建立Kalman滤波器，并进行了仿真。仿真结果表明，在舰船有摇摆的情况下，可以有效地估计IMU安装误差角和甲板挠曲变形误差角。     

舰船波浪中航行时的变形分析及其IMU实时测量方法

大型舰船在水面上航行过程由于波浪的作用会产生一定的变形,该变形会降低舰船上姿态信息的精度,影响舰载武器系统的作战效能,针对这一问题,首先对舰船的变形进行理论分析,计算舰船所承受的波浪载荷,将波浪载荷加载到舰船的有限元模型,经计算得到的甲板各节点的角位移及线位移信息,以此来分析舰船的变形。在舰船的关键战位点安装由陀螺仪和加速度计组成的惯性测量单元(IMU),将IMU的输出信息与舰船主惯导的输出信息进行匹配,设计舰船变形估计的卡尔曼滤波器,实时估计IMU安装处的甲板变形角,为舰载武器装备提供准确的局部姿态信息,实验结果证明了所提方法的有效性。     

基于遗传算法的舰载IMU优化布局

惯性测量单元（IMU）用来为舰载武器系统提供准确的姿态并实时监测舰船甲板的变形，对其数目和位置进行优化具有重要的实用价值．提出了多IMU优化布局的原则，建立了舰载IMU优化布局的数学模型，采用遗传算法对IMU的布局进行了优化求解。仿真结果表明，舰载IMU的布局是影响甲板变形估计精度的一个重要因素，通过对IMU的布局进行优化，减少了舰载武器系统所需IMU的数量；利用优化布局后IMU的输出信息对全舰甲板变形进行估计，估计精度有很大提高。     

基于交互多模型距离平滑的UWB/IMU因子图组合导航方法

为了解决全球导航卫星系统（GNSS）拒止条件下车辆定位困难问题,提出了一种基于交互多模型距离平滑的超宽带/惯性测量单元（UWB/IMU）因子图组合导航方法。首先,针对超宽带信号由于反射或折射导致的非视距问题,分别建立视距与非视距情况下超宽带基站与标签间距离的因子图模型,并利用交互式多模型算法进行原始距离的平滑;然后,对惯性导航系统、交互式多模型处理的超宽带距离信息等测量量进行建模,构建基于因子图的信息融合框架,并根据非线性优化理论与增量平滑算法实现变量节点的递推与更新。最后,采用因子图方法对融合数据进行处理,实现车辆多传感器高精度组合导航。实际测试结果表明,相比基于卡尔曼滤波的多传感器融合方法,所提出的基于交互多模型距离平滑的惯性/超宽带的因子图定位方法在非视距情况下位置估计精度（RMS）提高40%以上。     

基于因子图的船用导航系统信息融合算法

针对船用捷联惯性导航系统(SINS)、北斗(BD)、多普勒(DVL)和天文导航(CNS)信息更新频率不同以及可用性随环境动态改变的多源导航信息融合问题,提出基于增量平滑因子图的船用导航系统信息融合及容错算法。建立SINS、BD、DVL和CNS的量测因子节点模型,并通过利用所有时刻量测信息,以最大后验概率估计方法进行融合架构的构建;插入新的量测因子节点后,识别并更新受新量测因子影响的部分导航状态变量节点,利用因子图增量平滑算法计算导航状态的最大后验估计值;同时设计基于卡方检验的信息容错算法进行故障检测。数值仿真及半实物车载试验表明所提算法具有即插即用特性,能够实现不同信息更新频率导航设备的有效融合,融合精度与联邦滤波的定位精度相当;在导航设备发生故障后,所设计的容错算法能够有效识别并隔离故障。     

一种基于应变模态分析的舰船分布式挠曲姿态测量方法

针对舰船所处的恶劣环境，以及舰船导航和武器系统对姿态测量精度日益提高的要求，根据应变模态分析理论，建立了应变信息与姿态信息的变换关系，并提出了利用光纤Bragg光栅(FBG)传感器测量甲板的应变，求取由挠曲变形引起的姿态信息误差的方法。通过对简易模型的实验，验证了这种方法是有效的并且具有较高的精度。     

基于深度学习与运动状态识别的车辆惯性导航方法

微机电惯性测量单元（MEMS IMU）因成本低、体积小以及功耗低等优势受到广泛关注,但由于MEMS IMU误差大且复杂,基于MEMS IMU的捷联惯性导航系统精度还远远不能满足移动机器人、无人驾驶等各个领域的广泛需求。针对此问题,提出了一种基于深度学习与运动状态识别的车辆导航方法。首先,针对MEMS IMU误差具有非线性、时变性的特点,基于改进后的膨胀卷积网络对MEMS IMU陀螺仪漂移进行标定补偿。其次,利用时间卷积神经网络动态检测车辆的运动状态,并将特定运动状态的约束信息作为观测量,基于不变扩展卡尔曼滤波进行信息融合。所提出方法在公开数据集进行了验证,与未对陀螺误差进行标定补偿的基于深度学习的运动状态检测与约束方法进行了比较,所提出方法将车辆水平位置的绝对轨迹误差和相对轨迹误差平均值分别降低了30.9%和24.7%,证明了所提出方法的有效性。     

基于激光陀螺自适应补偿的船体变形测量方法

基于长期变形、动态挠曲变形以及陀螺随机零偏的状态方程,构建了激光陀螺测量的惯性姿态匹配最优滤波器,可以实时地估计出船体变形角。针对实时估计的长期变形角具有偏置误差的问题,推导了惯性姿态匹配的误差方程,指出动态挠曲变形角与船体惯性姿态角之间具有长时间的交叉相关耦合作用导致了长期变形角估计具有偏置误差,并提出了对输入到最优滤波器的激光陀螺角增量进行自适应补偿的方法来抑制偏置误差。实验结果表明,补偿后俯仰角、横滚角和艏挠角的偏置误差均方根均小于5″,较补偿前降低均方根误差约为5″,该自适应补偿方法可有效地抑制偏置误差,提高惯性姿态匹配方法在船体变形测量应用中的有效性。     

基于双轴转台的捷联惯性导航系统8位置系统级标定方法(英文)

惯性测量单元(IMU)是捷联惯性导航系统的核心设备,IMU的精度直接影响捷联惯性导航系统的精度。标定精度和速度是评价IMU标定方法的主要指标。传统标定方法是先进行温度补偿,再利用高精度三轴转台进行位置和速率实验,共需耗费约4天时间。虽然能够保证IMU的标定精度,但该方法复杂耗时。为改善复杂耗时的传统标定方法并保证标定精度,以便于批量生产,提出了基于双轴转台的8位置系统级标定方法。该方法基于27维状态向量的卡尔曼滤波器,以导航速度误差为观测量。该方法基于带温箱双轴转台设计,每个温度点需40 min进行标定。仿真和试验结果表明,该方法能够标定21个IMU误差参数,且该标定方法与传统标定方法相比标定时间更短,导航精度更高。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

激光陀螺捷联惯性组合的全温度标定方法

给出了激光陀螺捷联惯性组合(IMU)的误差模型，研究了一种利用双轴带温控箱速率转台的参数标定方法，标定出了IMU在各种环境温度下的模型参数，通过温度补偿有效地减小了IMU的导航误差。试验结果表明。该方法标定精度较高，适用于中等精度IMU的参数标定。     

一种弹道导弹捷联惯导/地磁组合导航方法

基于惯性器件和磁强计的测量信息,提出一种弹道导弹捷联惯导/地磁组合导航方法。以捷联惯导误差方程为基础建立系统的状态模型,以磁强计测量值与根据地磁场模型计算的地磁场强度值之差作为量测,只用一个观测表达式即同时包含载体的位置及姿态信息。引入状态反馈,利用混合校正的卡尔曼滤波得到系统导航信息的最优估计。仿真结果表明,该算法能有效抑制捷联解算误差的发散,磁强计精度为100 nT时,定位精度2.68 km,姿态精度优于5′。该导航方法完全自主,精度较高,具有一定工程应用价值。     

基于小波方差的MEMS IMU随机误差模型间接估计方法

MEMS IMU(Mirco Electro Mechanical System Inertial Measurement Unit)微机电惯性测量模块广泛应用于组合导航系统,其中MEMS IMU随机误差模型的准确性对导航精度有着重要的影响。针对Allan方差法在估计随机误差模型方面的不足,研究了间接估计方法。该方法以Daubechies离散小波变换与间接推断原理为基础,根据小波系数的零均值平稳特征,对分解尺度进行确定,将小波方差作为间接估计辅助参数,分析了最优估计准则的渐近一致性,最后使用高斯牛顿法对估计结果进行校正,获得满足渐近一致性的随机误差模型参数估计结果。仿真结果表明,间接估计方法提高了随机误差模型的估计精度,其中一阶马尔科夫过程的相关时间估计精度提高了12.383%,解决了一阶马尔科夫过程模型的准确估计问题。通过试验结果分析,进一步证明了以上结论。     

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。     

激光陀螺组合体自主测量船体角变形的最优估计法

根据激光陀螺组合体测量的角增量计算得到的惯性姿态匹配测量方程,结合动态变形模型和静态变形模型,构建了船体角变形测量的最优滤波器,实现了角变形的最优估计。该方法将角变形和激光陀螺的随机漂移误差近似为平稳随机过程并分别构建滤波器,静态变形建模为白噪声驱动的一阶随机游走过程,动态变形建模为二阶马尔可夫平稳随机过程。通过角速度匹配测量方程进行了角变形的观测性分析得知:动态变形的估计精度与激光陀螺的测量精度相当,静态变形的估计精度依赖于船体摇摆频率和幅度,因此最优估计法的误差主要为静态角变形模型的估计误差。仿真结果表明,通过设置合适的静态角变形模型参数,该最优估计法测量角变形的误差小于10"。     

捷联惯性系统初始对准中IMU安装误差及陀螺漂移的估计与补偿

为尽可能消除IMU安装误差和陀螺漂移对系统精度的影响，运用主从惯导传递对准技术，采用扩展状态滤波器和速度／姿态角组合匹配的方法，估计出IMU安装误差和陀螺漂移误差，并对系统进行补偿。仿真结果表明，补偿了安装误差和陀螺漂移后，捷联惯性系统的导航参数精度可提高1个数量级以上。     

激光陀螺惯性测量单元系统级标定方法

传统的分立标定方法必须依靠高精度的转台提供姿态基准,不满足带减振器的惯性测量单元(IMU)和现场标定需求.首先建立了附加约束条件的陀螺和加速度计安装坐标系数学模型,根据陀螺和加速度计的输出误差方程,从惯性导航基本误差方程出发推导了惯性测量单元的系统级误差参数标定Kalman滤波模型,该模型包含了陀螺和加速度计零偏、比例因子、安装误差在内共21维标定误差状态变量,且仅以速度解算误差为观测量.依据所建立的模型和设计的标定路径对此系统级标定方法进行了仿真,仿真结果表明,陀螺和加速度计零偏估计精度分别优于0.005°/h和0.005 mg,安装误差估计精度优于1″,比例因子误差优于1ppm,满足高精度惯导系统的标定需求.     

星光折射辅助惯性/天文紧组合高精度导航方法

为了解决传统惯性/天文(SINS/CNS)组合导航无法在线精确估计加速度计零偏而导致SINS导航误差发散的难题,提出了一种动力学模型约束改进的捷联惯性星光折射组合导航方法。直接利用星敏感器观测的原始恒星像点坐标信息与约束改进的SINS导航动力学方程构建SINS/CNS紧组合模型,通过推导加速度计虚拟观测方程和适用于空天跨域飞行器导航的星光折射测量方程,采用扩展卡尔曼滤波方法,实现了对加速度计零偏和陀螺零偏在线估计。典型弹道仿真结果表明,在不增添额外传感器的条件下,相对于传统的基于姿态测量SINS/CNS组合,所提方法导航定位、定速和定姿精度分别提升了97.84%、98.61%和78.70%;相对于传统的基于星光折射SINS/CNS组合,定位、定速和定姿精度分别提升了28.09%、67.72%和79.10%。所提方法有效克服了传统方法精度恶化问题,显著提升了传统SINS/CNS组合导航精度。     

基于GPS伪距单差的舰船相对导航方法

为了测量编队航行中的舰船相对位置信息,从而进行相对导航,研究采用GPS卫星的伪距信息,通过编队通信链,交换目标船和跟踪船的观测到相同卫星的伪距信息,进行伪距单差差分。以伪距差分信息作为观测量,以跟踪船相对目标船的位置信息作为状态量,建立了跟踪船相对目标船的位置信息解算模型,利用最小二乘法解算跟踪船相对目标船的位置信息,以满足编队舰船间的相对导航信息需求。将相对位置信息解算模型和方法应用于实测试验,数据处理结果表明,相对距离测量精度优于0.2 m,方位精度优于5°,相对距离信息完全满足了舰船相对导航的需求,相对方位信息基本满足舰船相对导航的需求。