基于互补滤波的动中通天线姿态估计

为了满足低动态下天线稳定的要求,构建了一个基于微机械陀螺、加速度计和磁强计组合的动中通低成本姿态测量系统.该系统利用加速度计重力场分量估计的倾角和磁强计地磁场分量估计的航向角作为辅助信息,校正陀螺漂移误差.根据陀螺与辅助传感器的互补特性,设计一个多轴互补滤波器,利用陀螺的高频分量和辅助信息的低频分量估计姿态角.根据载体机动状态调整控制器参数,使滤波器能自适应选择交接频率,减小机动加速度对姿态估计的影响.实验结果表明,互补滤波能有效地估计出姿态,系统的动态估计精度在±2°内.     

航向信息辅助的MIMU/GPS高精度组合导航方法

为了在卫星颗数少于四颗时实现高精度低成本导航,提出了一种基于航向信息辅助的MIMU/GPS高精度组合导航方法。采用MIMU与GPS构成MIMU/GPS组合导航系统;针对GPS卫星颗数少于四颗而无法定位的问题,利用MIMU导航解算获得的位置信息与GPS星历数据信息构造等效伪距,将其与GPS输出的伪距对应相减作为组合导航量测之一;针对组合后航向精度较低甚至发散的问题,利用GPS输出的水平速度计算获得伪航向角,将MIMU导航解算获得的航向角与该伪航向角相减作为量测之二;采用卡尔曼滤波设计组合导航滤波算法。跑车实验结果表明,在多次出现卫星颗数少于四颗时,该组合导航方法的位置精度达到±10.3 m(3σ),水平姿态精度达到±20.1′(3σ),航向精度达到±19.5′(3σ)。因此,该方法有效解决了卫星颗数少于四颗时的高精度导航问题,而且显著提高了航向精度,特别是在失准角较大的情况下也能够实现滤波快速收敛。     

旋转短基线北斗双天线/MIMU定向方法

针对无人运载器的定向需求,提出一种旋转短基线北斗双天线/MIMU定向方法。首先,介绍了自主研制的旋转短基线北斗双天线/MIMU组合系统的硬件构成,该系统主要由旋转机构、北斗双天线、MIMU、导航计算机等组成。然后,给出了旋转MIMU定向算法、北斗双天线/MIMU组合系统扩展卡尔曼滤波方程和观测方程,以及组合系统定向解算步骤。该系统以北斗天线接收机的速度、位置和北斗卫星原始信息作为卡尔曼滤波器的观测量,经数据融合后解算出航向角和姿态角。最后,进行了室外动态和船载试验,以及双天线基线长度变化试验。试验结果表明:当基线长度为0.3 m时,该组合系统航向角误差小于1°,水平姿态角误差小于0.2°。     

一种新的舰船航姿测量方法

提出了一种采用加速度计、磁强计和GPS芯片为主要传感器构成的舰船航姿测量模型,开发了由运动生成模块和姿态解算模块两部分组成的仿真程序,对舰船航姿测量模型进行了仿真实验分析验证。实验结果表明,该模型可以实时解算舰船航姿。在GPS速度测量误差为0.05 m/s,加速度计分辨率为10-5g,磁强计测量精度为0.5μT的情况下,舰船航向测量精度优于0.68°,姿态测量精度优于0.35°。     

基于RBF神经网络的天线姿态测量系统设计

基于MEMS陀螺仪的测姿系统体积小、成本低,但较低的陀螺精度无法保证系统长期工作.采用Kalman滤波技术将陀螺仪和加速度计、磁强计信息相融合,可保证系统的长期精度.船舶机动行驶引入的干扰加速度会造成Kalman滤波精度降低,为了克服这一不足,利用神经网络的自学习能力,采用径向基神经网络设计船用天线的微型捷联测姿系统,以提高船舶机动航行时的系统精度.阐述了组合式捷联姿态系统算法原理,并通过仿真试验结果证明:训练后的网络能够克服干扰加速度的影响,保证系统稳定工作.     

一种基于故障检测与模糊逻辑的姿态估计方法

提出了一种融合惯性数据的飞行器航姿估计算法。使用MIMU（微惯性测量单元）作为飞行器的惯性航姿系统,利用MIMU中的陀螺仪,通过测量飞行器的角速率计算姿态角;同时,利用MIMU中的加速度计,通过测量当地的重力加速度,计算飞行器的姿态角。文中采用一种自适应故障检测方法,根据模糊理论构造加权系数,将飞行器的运动加速度与当地重力加速度分离,融合MIMU的数据,估计飞行器的姿态角。使用该方法既可以避免使用陀螺仪解算姿态角时误差的积累,又提高了使用加速度计计算姿态角时的动态性能,并经数据仿真验证说明该方法能达到预期的效果。     

MEMS-IMU/GPS组合导航系统的实现

针对我国军事和民用对低成本、微小型、高性能导航系统的迫切需求,提出基于MEMS技术的IMU/GPS组合导航系统方案,深入研究了构建该组合导航系统的关键技术。由于MEMS陀螺的零偏受到温度影响,提出采用递推最小二乘自适应标定算法（ARLS）进行误差标定和补偿,从而提高MEMS陀螺的使用精度;建立了MEMS-IMU/GPS组合的卡尔曼滤波器,利用加速度计倾角传感器原理估计载体的水平姿态,增强了姿态信息的冗余度和可靠性;设计了该组合导航系统的信息融合策略。最后,构建了基于DSP的MEMS-IMU/GPS组合导航系统。机载飞行试验结果表明,该系统算法正确、性能可靠,达到了较高的导航精度,具有广阔的应用前景。     

基于平方根UKF滤波的轨道机动飞行器自主导航方法

在利用SINS／GPS对轨道机动飞行器进行自主导航的过程中,为提高轨导航精度,将惯导工具误差作为状态变量进行估计,同时考虑了杆臂偏差对导航精度的影响,将GPS卫星的星历误差、对流层误差视为一阶马尔科夫过程,用Allan方差的方法建立了GPS接收机的误差模型。为保证滤波过程中协方差阵的正定性,提高计算精度和速度,应用平方根UKF滤波方法进行轨道机动飞行器自主导航,仿真结果验证了所给出方法的可行性和有效性。     

一种新的INS/GPS组合导航技术

基于GPS测姿技术的发展,研究了以位置、速度和姿态信息作为观测量的INS／GPS组合导航系统的卡尔曼滤波算法。详细推导了这种组合方式的观测方程,并将该组合技术应用于某飞行器。仿真表明,增加姿态信息作为观测量可有效地提高系统导航参数的估计精度和速度。     

基于自适应姿态估计的MIMU/GPS紧组合导航算法

当可见卫星数低于4颗时,惯性/卫星松组合方式不能正常工作,紧组合方式虽能工作但当载体出现频繁的大角度转向时,导航误差易出现较大波动,特别是姿态角误差在长时间导航时出现发散的情况。针对上述问题,对比了当载体在频繁转向时,不同的紧组合观测信息对系统导航误差的影响,提出基于多模型的自适应姿态估计方法。设计模糊逻辑推理,智能判断载体的运动状态,自适应分配对应姿态估计的权重,从而提高MIMU/GPS组合导航系统性能。仿真实验表明,该方法解算的速度精度在0.1 m/s以内,位置精度在5 m以内,而且不受载体大角度转向的影响,能够持续输出高精度的导航信息。     

立方星剩磁在轨辨识与主动补偿技术

立方星的姿态测量与控制系统常采用磁测磁控结合偏置动量轮的方案,整星剩磁干扰力矩是影响姿态控制精度的重要因素之一。提出了一种利用磁强计实现剩磁矩在轨辨识与利用磁力矩器实现剩磁矩主动补偿的新方案:基于磁强计输出和卫星姿态动力学建立了剩磁矩在轨辨识模型,并利用采样滤波器(UKF)提高单磁强计条件下的辨识效果;把控制对象简化成线性定常系统,分析了剩磁干扰力矩对姿态的影响数学模型,并针对磁力矩器和磁强计分时工作的特点,基于叠加性原理提出了基于角速度的剩磁矩主动补偿算法。仿真研究表明,在1000 s内剩磁矩在轨辨识精度为0.001 A×m~2量级,主动补偿后,偏航角、滚动角与俯仰角控制误差分别从4.3°、4.6°与2.1°均减少至0.4°以内。提出的方法为类似配置卫星减少剩磁干扰力矩的影响提供了一种新思路。     

基于自适应UKF算法的MEMS陀螺空中在线标定技术

为保证微型卫星定位应用中系统精度与稳定性,需要对姿态传感器进行实时在线标定.在无外界姿态参考时,提出一种用三轴磁强计测量值来实时估计MEMs陀螺的零漂误差的方法,采用UKF滤波算法,将陀螺漂移作为滤波状态向量,通过建立三轴磁强计测量微分方程,作为系统量测方程实现陀螺漂移的最优估计.针对磁强计测量信息易受干扰导致滤波量测模型不准确的问题,将自适应因子引入到UKF中,通过在线监控和调整测量误差,减少陀螺标定的估计误差,增强系统性能.实验结果表明,经过标定,MEMS陀螺精度提高约30%,并且在磁强计有外界干扰时,陀螺的标定结果收敛.将标定后的MEMS陀螺进行姿态解算,其动态误差小于2°.     

Performance enhancement for ultra-tight GPS/INS integration using a fuzzy adaptive strong tracking unscented Kalman filter

This paper conducts performance evaluation for the ultra-tight integration of Global positioning system (GPS) and inertial navigation system (INS) by use of the fuzzy adaptive strong tracking unscented Kalman filter (FASTUKF). An ultra-tight GPS/INS integration architecture involves fusion of the in-phase and quadrature components from the correlator of the GPS receiver with the INS data. These two components are highly nonlinearly related to the navigation states. The strong tracking unscented Kalman filter (STUKF) is based on the combination of an unscented Kalman filter (UKF) and strong tracking algorithm (STA) to perform the parameter adaptation task for various dynamic characteristics. The STA is basically a nonlinear smoother algorithm that employs suboptimal multiple fading factors, in which the softening factors are involved. In order to resolve the shortcoming in a traditional approach for selecting the softening factor through personal experience or computer simulation, the Fuzzy Logic Adaptive System (FLAS) is incorporated for determining the softening factor, leading to the FASTUKF. Two examples are provided for illustrating the effectiveness of the design and demonstrating effective improvement in navigation estimation accuracy and, therefore, the proposed FASTUKF algorithm can be considered as an alternative approach for designing the ultra tightly coupled GPS/INS integrated navigation system.     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。     

基于MEMS-IMU辅助的高动态GPS选星方法设计

一般的GPS选星方法通过搜索选取使几何精度衰减因子最小的4颗卫星,对于高动态应用特别是在水平姿态角较大的情况下,传统的选星方法存在许多局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了基于MEMS-IMU辅助的GPS选星方法;针对高动态载体姿态变化较大的问题,采用MEMS-IMU输出的高速率姿态信息压缩卫星搜索范围,通过选取不超过6颗可见卫星来降低几何精度衰减因子,从而提高定位性能。使用半实物仿真数据,验证了所提出的方法。测试结果表明,与传统的选星方法相比,基于MEMS-IMU辅助的GPS选星方法在飞机高动态大机动条件下,优化了卫星星座,具有精度高、计算量低、可靠性高等优点。     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

移动卫星天线指向矢量辅助组合导航系统方法

为弥补SINS/GPS组合导航系统姿态角误差可观测性差的缺陷,根据移动载体卫星天线捕获通信卫星后通过自搜索实现精确对准卫星的原理,提出增加天线指向矢量信息(SAPV)的方位角和俯仰角信息为系统观测量,用于辅助SINS/GPS组合导航系统.根据SINS/GPS组合导航系统数学模型对姿态角误差的可观测性进行了分析,并对SAPV与组合导航误差之间的关系进行了详细数学推导,证明了SAPV辅助组合导航系统的可行性,建立了SAPV辅助组合导航系统的数学模型,采用联邦滤波器进行数据融合.仿真结果表明,SINS/GPS组合导航系统通过SAPV辅助,方位角误差估计精度提高了1个数量级,小于10′,水平姿态角误差估计精度略有提高,小于2 ′.该方法充分利用了天线通过自搜索完成精确对准卫星后的高精度指向信息,无须添加任何硬件系统,通过简单可靠的信息融合算法即可达到提高载体姿态测量精度的目的.     

单陀螺多加速度计捷联惯性导航解算方法

六加速度计无陀螺惯导系统误差随时间发散比较严重。为了有效提高导航系统精度,提出了一种单陀螺仪多加速度计(五加速度计)的捷联惯性导航解算方法。该导航解算方法通过合理配置5个加速度计和1个陀螺仪,可不经积分而直接解算角速度,完全消除了加速度计输出方程中角加速度项的影响,能使在姿态和位置解算时分别减少1次积分,从而有效抑制误差随时间发散。给出了单陀螺多加速度计捷联惯导姿态和位置解算原理的理论推导过程,并对该导航解算方法进行了仿真。在仿真时间为80 s时,与无陀螺惯导相比,该方法的姿态解算和位置解算精度均提高了60%以上。     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成.将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高.由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正.由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息.动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算.