基于状态变换的DVL辅助SINS初始对准方法

针对传统捷联惯性导航系统（SINS）/声学多普勒测速仪（DVL）组合导航系统初始对准过程中模型不精确引起的对准效率低的问题,提出了一种基于状态变换的SINS/DVL初始对准方法。与传统的SINS/DVL匹配模式不同,所提方案采用了基于载体系速度信息的匹配模式,建立了基于载体系速度误差的SINS误差方程,提高了系统误差模型精度。并考虑SINS和DVL之间的安装关系,重新建立了SINS/DVL初始对准系统及量测方程。最后仿真及试验结果表明,所提出的基于状态变换的DVL辅助SINS初始对准方法能在粗对准不够理想且存在安装偏差角条件下完成高精度的初始对准,提高了初始对准的鲁棒性能,同时在对准过程中能够保持高精度的位置信息。     

基于罗经/DVL/USBL组合导航系统的DVL在线标定算法

针对ROV在大深度水下工作环境中由于DVL刻度因数误差和安装角度误差引起导航精度降低的问题,提出了一种基于罗经/DVL/USBL组合导航系统的DVL误差参数在线标定算法。分析并建立了DVL误差参数向组合导航定位误差的传播模型,将DVL的刻度因数误差和安装角度误差引入基于USBL位置观测的卡尔曼滤波组合导航迭代中,使ROV在获得组合导航输出的同时实现DVL的在线标定。仿真与海试结果表明,所提出的算法能够在输出高精度组合导航位置的同时进行DVL的有效标定,在理想条件下,组合导航终点定位误差仿真结果能够达到0.01%航程,具有较高的导航定位精度、DVL误差参数估计精度和算法稳定性。     

考虑洋流影响的SINS/DVL组合导航算法

针对捷联惯性导航系统(SINS)/多普勒计程仪(DVL)组合导航系统工作于水跟踪模式条件下的高精度定位需求,提出一种考虑洋流影响的SINS/DVL组合导航算法。分析了DVL水跟踪模式下洋流速度对组合导航精度的影响,基于速度匹配组合导航的方式提出了SINS/DVL组合导航系统设计方案,当DVL切换到水跟踪模式后,利用Kalman滤波器对洋流速度进行实时估计,从而能够有效提高DVL仅对水输出时系统的组合导航定位精度。仿真和水上船载试验结果表明,本文提出的考虑洋流速度影响的SINS/DVL组合导航算法是有效的和可行的。     

多传感器信息融合技术在水下组合导航系统中的应用

为了提高水下航行器组合导航定位的精度,采用SINS(捷联式惯性导航系统)、DVS(多普勒速度声纳)、TCM2电子磁罗经和GPS浮标组成新型水下航行器组合导航系统,分析了SINS、DVS、TCM2电子磁罗经和GPS浮标的工作原理以及建立了各自输出误差模型,利用联邦Kalman滤波对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行了计算机软件仿真实验。仿真实验表明:使用联邦卡尔曼滤波的水下组合导航信息融合技术导航输出精度满足水下航行器高精度高可靠性的性能指标。采用了SINS,DVS,TCM2,GPS浮标以及联邦卡尔曼滤波的水下组合导航系统可以有效地提高水下航行器组合导航定位的精度和可靠性,从而增长了水下航行器水下作业时间以及提高了水下航行器的水下导航定位性能。     

信息融合技术在水下组合导航系统中的应用

以捷联惯性导航系统作为组合导航系统的主导航设备,地形匹配、多普勒测速仪等为辅助导航设备,分析了S1NS、DVL以及地形辅助导航系统等的工作原理并建立输出误差模型,利用联邦Kalman滤波技术对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行计算机软件仿真实验.仿真结果表明:使用联邦卡尔曼滤波的水下组合导航系统导航状态输出精度满足水下航行器高精度高可靠性的要求.该水下组合导航系统能够得到较高精度的位置、速度和姿态信息,提高了水下航行器远距离长时间导航的精度.     

基于波束域信息的SINS/DVL组合导航算法

针对水下环境影响导致DVL回波个数小于4,常规惯性/DVL组合导航无法进行,对DVL的回波信息利用不充分的问题,提出了一种基于波束域信息的SINS/DVL组合导航方法。直接将DVL测量的波束域信息与惯导系统速度转化得到的频移差值作为观测量,考虑惯导以及DVL的多项误差,建立基于频移观测量的卡尔曼滤波模型,实现对惯导系统误差和DVL误差估计与修正。数学仿真及试验结果表明:所提方法与基于速度匹配的算法相比,组合导航定位精度提高30%以上,多普勒信息的利用率以及对水下复杂环境的适应性均有显著提升。     

智能Kalman滤波在水下地形组合导航系统中的应用

为了避免现实环境的动态变化对水下航行器系统模型造成的随机干扰影响,保证水下航行器长时间导航精度的稳定性,提出了利用RBF神经网络辅助联邦Kalman滤波方法对SINS/TAN/DVL/MCP组合导航系统进行信息融合。给出了各子导航系统的误差模型,通过足够精度的样本对前向神经网络进行离线训练,建立神经网络控制模型。仿真结果表明,该方法可使水下航行器的系统状态在较短的时间内以较高的精度达到稳定。通过与联邦Kalman滤波结果对比表明,采用智能控制方法辅助的信息融合方式的导航定位精度提高了一倍,能有效提高常规联邦Kalman滤波器的自适应能力,达到减小误差,提高精度的目的。     

基于H∞的双滤波算法在GPS/SINS组合导航系统中的研究

针对GPS/SINS组合导航系统的滤波算法误差较大,对常用的卡尔曼滤波算法进行了总结和分析,在此基础上,提出一种将H^∞后置滤波和H^∞前置滤波相结合的方法,形成H^∞双滤波算法.以GPS/SINS组合导航系统为例进行了仿真,结果表明此方法既能抑制滤波发散,又能提高滤波精度.     

基于SINS/LBL紧组合的AUV水下导航定位技术

针对因水下环境的特殊性AUV难以实现精准导航的问题,设计了一种基于SINS/LBL紧组合的AUV水下导航定位系统。该系统具有定位精度高、鲁棒性好等优点,系统由SINS、LBL、DVL和MCP组成,根据LBL的TDOA定位原理建立了LBL斜距差模型,给出了SINS/LBL/DVL/MCP的状态方程和量测方程,利用集中kalman滤波器对组合导航系统进行最优估计。在相同的仿真条件下,对SINS/LBL松组合、紧组合进行了软件仿真,仿真结果表明:相对于松组合系统,基于SINS/LBL的紧组合系统导航精度更高,尤其是在由于AUV运动或受到外界干扰导致可用信号的水听器不足四个时,紧组合系统的可靠性和容错性更高。     

GPS/SINS组合导航系统在运载火箭中的应用

针对运载火箭特点,着重研究在发射惯性坐标系下,位置、速度组合模式的GPS/SINS组合导航算法,推导了该坐标系下的惯导一阶误差传播方程,建立了该坐标系下GPS/SINS组合导航系统的状态方程和观测方程,并进行了相关数学仿真验证。仿真结果表明,在该坐标系中,GPS/SINS组合导航算法能较准确地给出运载火箭的位置、速度和姿态信息,提高运载火箭制导精度。     

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。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

基于水平阻尼的星光/惯性组合校准技术

根据星光/惯性组合导航系统舰载使用特点,考虑以SINS、CNS、LOG三者组合,设计组合校准方案。在SINS/CNS/LOG组合过程中,利用惯导系统的短期高精度特性,设计基于水平阻尼的卡尔曼滤波器对惯导舒勒周期进行补偿。星光/惯性组合校准技术建立在水平阻尼基础上,借助星光导航的航向和位置信息完成惯导位置误差、失准角和陀螺漂移的修正,从而实现组合系统长航时、远航程高精度导航。最后通过仿真对比试验验证星光/惯性组合导航系统校准方案的有效性。仿真结果表明:SINS/LOG组合后,惯导24 h位置误差CEP≤1.48 n mile,且位置误差会随时间积累;而SINS/CNS/LOG组合系统采用星光信息24 h一点校方案,第一次和第二次点校后,48 h和72 h惯导位置误差CEP≤0.5 n mile。由此可见,采用星光信息后,该组合方案能够显著提高惯导导航精度,达到延长惯导系统重调周期目的。     

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.     

一种可用于运载火箭的SINS/GNSS自主导航方案

研究了一种可用于运载火箭的SINS/GNSS自主导航方案。起飞前捷联惯组采用基于惯性系重力加速度积分的解析粗对准和卡尔曼滤波精对准,起飞后采用SINS/GNSS卡尔曼滤波组合导航反馈实时修正姿态、速度和位置。仿真结果表明捷联惯组水平自主对准误差0.01°,方位自主对准误差1.5°,起飞后经组合导航修正后的姿态误差小于0.2°,速度误差小于0.4m/s,位置误差小于40m,考虑所有误差的蒙特卡罗仿真结果满足火箭入轨精度要求,此方案具有较高的工程应用价值。     

机载SAR用的GPS/SINS组合导航系统研究

提出了进行SINS姿态校正的四元补偿算法。采用闭环KF（卡尔曼滤波）技术实时校正惯性仪表误差，补偿四元数误差，修正位置，速度误差，GPS／SINS组合导航系统样机的试验结果表明：采用该提出的算法后，组合导航精度较高，在组合导航过程中若去掉GPS信息，短时间内纯SINS的导航精度很高，能够满足SAR对运动补偿精度的要求，待恢复GPS信息后，组合导航系统继续正常工作。     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。     

采用卡尔曼滤波器的GPS／INS姿态组合系统的研究

阐述了利用位置和速度以及GPS姿态作为观测量的GPS/INS组合导航系统原理,建立了状态变量为21维的组合系统动态方程,给出了用于卡尔曼滤波的GPS姿态误差模型,并对组合系统进行模拟分析,基于这种组合方式,使系统的位置和航向测量精度获得大幅度提高。     

基于C-SVM的组合导航系统故障诊断算法

为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组.根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构.仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术.