考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

基于运动学非完整约束的里程计参数在线辨识

针对里程计标度因数误差以及安装误差对捷联惯导/里程计组合导航精度存在较大影响的问题,提出一种基于运动学非完整约束的里程计参数在线辨识方法。通过建立航位推算误差模型,利用里程计输出,计算车辆的向心加速度,并与捷联惯导的加速度计输出计算的向心加速度做差作为量测之一;将里程计与捷联惯导输出的速度做差作为量测之二;通过卡尔曼滤波实现里程计标度因数误差以及安装误差的在线辨识。仿真结果表明,该方法组合导航相比速度组合导航,当车辆行驶960s,其东向定位精度提高19.6 m,北向定位精度提高14.2 m。仿真和车载试验结果均表明该方法能实现里程计参数的有效辨识以及航向安装偏差角的估计,有助于提高组合导航精度。     

基于自适应强跟踪滤波的捷联惯导/里程计组合导航方法

针对大型轮式车行驶过程中里程计标度发生较大变化,无法满足车载定位定向系统给里程计分配的误差要求,研究了一种非线性滤波方法。以容积卡尔曼滤波为算法框架,引入强跟踪滤波渐消因子的基本理论,提出了捷联惯导/里程计组合导航的自适应强跟踪滤波算法,达到实时自适应估计并补偿里程计标度误差的目的。仿真分析和跑车试验验证了该方法的有效性,新方法比传统强跟踪滤波更进一步消除了里程计误差的影响。试验结果表明该方法使得捷联惯导/里程计组合导航的定位精度提高了两倍以上,达到了惯性元件的理论精度。     

基于高斯混合模型的惯导/计程仪组合导航方法

针对长航时舰船航行过程中电磁计程仪误差变化较大,同时存在未知测量噪声,无法满足船用捷联惯导/电磁计程仪组合导航系统对计程仪要求的问题,提出了一种用于非线性非高斯系统状态估计的滤波方法。以无迹卡尔曼滤波为组合导航系统基本算法,测量噪声密度分布中引入高斯混合模型,提出了捷联惯导/电磁计程仪组合导航的高斯混合模型无迹卡尔曼滤波算法,达到实时准确估计并补偿惯性导航系统误差的目的。航行试验验证了基于高斯混合模型组合导航方法的可行性,使得捷联惯导/电磁计程仪组合导航系统的最大定位误差由水平阻尼的1213 m减小到392 m,且比传统无迹卡尔曼滤波方法进一步消除了计程仪误差的影响,定位精度提高了15%。     

基于BDS/INS紧组合的动对动相对导航算法

针对动对动相对定位中卫星观测质量不佳、信号易丢失导致北斗卫星导航系统定位精度不高、无法连续定位的问题,提出了一种基于BDS/INS紧组合的动对动相对导航算法。通过惯导系统与北斗卫星导航系统紧组合的方式,以捷联惯导误差作为组合系统状态量,通过多普勒信息进行伪距平滑,并利用扩展卡尔曼滤波将惯导及卫星观测信息进行融合,解算相对导航结果。通过车载实验对所提出的相对导航算法进行了验证,实验结果表明,所提出的BDS/INS紧组合动对动相对导航算法能够保持分米级相对导航精度,卫星信号短时中断时,能有效保持高精度相对导航结果输出。     

基于车辆运动约束的里程计误差在线标定方法

为了降低里程计误差对捷联惯导/里程计组合定位定向精度的影响,提出了基于车辆运动约束条件的里程计误差在线标定方法。通过对里程计标度因数误差进行建模,推导建立了航位推算的误差模型,将航位推算的速度输出沿车体横向、垂向的投影作为量测的一部分,将捷联惯导输出的速度、位置信息与航位推算输出的对应信息相减作为另一部分量测,通过卡尔曼滤波获得里程计标度因数误差等状态量的最优估计值,实现里程计误差的在线标定。仿真结果表明,该方法能够有效地标定出里程计标度因数误差,从而确保了捷联惯导/里程计组合定位定向的精度。     

车载惯导系统动基座高精度自主式对准方法

研究了一种利用里程计与车辆运动约束条件来辅助车载惯导系统进行动基座高精度自主式对准的方法。利用里程计输出与惯导姿态输出进行航位推算,将航位推算获得的速度信息与惯导输出的对应信息相减作为量测之一;利用车辆运动约束条件,将惯导速度输出沿车体横向、垂向的投影作为量测之二;选取惯导系统误差与里程计误差作为系统状态,采用卡尔曼滤波设计动基座高精度对准算法。仿真结果表明,在载车行驶条件下,该方法的东向、北向失准角估计精度分别达到0.21′、0.25′,天向失准角的估计精度达到2.16′。     

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。     

一种高精度自主式组合导航系统滤波算法

提出了一种融合捷联惯导、轮式里程计和气压高度计数据的高精度车载自主导航滤波算法。首先,采用滤波鲁棒性更好的状态变换卡尔曼滤波器(ST-EKF)替代传统的扩展卡尔曼滤波器(EKF),对INS/轮式里程计信息进行组合滤波。其次,针对车载惯性/里程计组合导航系统中高程定位误差易发散的问题,引入气压高度计的量测信息对系统的高程通道进行阻尼,提高高程定位精度。两组长行驶里程的高精度光纤陀螺惯性测量单元/轮式里程计/气压高度计的车载导航实验数据的事后处理表明,所提出算法在不同的行驶环境下均具有较高的导航定位精度,相比基于EKF的惯性/里程计组合导航算法,水平定位精度提高20%以上,并且有效减缓了高程定位误差的发散趋势。     

基于GPS的弹载捷联惯导动基座传递对准技术

针对载机未装备主惯导系统的弹载捷联惯导初始对准问题,提出了一种基于机载GPS信息的动基座传递对准算法。首先利用惯性凝固思想设计了基于比力积分和GPS速度信息的惯性系粗对准算法,粗略估计弹载惯导的初始姿态;然后通过分析惯导系统在惯性系下的导航误差方程,设计了基于GPS信息的"速度+位置"匹配卡尔曼滤波精对准算法,对粗对准误差做进一步估计补偿。车载试验结果为:与车载激光捷联惯导输出相比,水平和方位对准精度分别为6’和18’。试验验证了该算法的有效性,为未装备机载主惯导的弹载捷联惯导的快速初始化提供了工程应用参考。     

自适应卡尔曼滤波在惯性测量组合误差补偿中的应用

惯性元件误差是捷联惯导系统的主要误差源，必须在导航过程中加以补偿。根据机动目标跟踪理论和惯性测量组合动态模型，分别建立状态方程和观测方程，利用机动频率自适应的算法进行卡尔曼滤波，以此达到惯性测量组合动态误差和随机误差补偿的目的。仿真结果说明该方法可行有效，优于传统的误差补偿算法，能较好地提高系统导航精度。     

基于双层神经网络模型参数辨识的变结构多模型自主导航方法

在卫星拒止环境下,井下采煤机定位方式通常采用惯导/里程计的组合导航方式。但在采煤机开采过程中产生的复杂振动会引起传感器时变和非线性的器件误差,导致传统卡尔曼滤波精度下降。针对这一问题,提出了一种基于双层神经网络模型参数辨识的改进变结构多模型导航算法(TVSMM)。设计了一种基于支持向量机(SVM)和极限学习机(ELM)相结合的双层神经网络对系统噪声变化特性进行训练和辨识,实现快速、准确地辨识导航系统模型参数。仿真结果表明,通过双层神经网络模型参数辨识相较于单层神经网络的模型参数辨识精度提高12%。基于TVSMM的井下惯导/里程计组合导航算法可有效抑制振动噪声带来的航向角发散,航向精度提升42%,水平定位精度提升43%,对井下复杂环境中的自主导航定位具有较好的参考应用价值。     

一种基于径向速度残差曲线拟合的车载SINS零速修正算法

基于卡尔曼滤波的零速修正技术是陆地车辆导航的关键技术之一,针对传统车载激光陀螺捷联惯导中,零速修正停车间隔短,量测噪声参数敏感,以及动态零速修正(DZUPT)时滤波算法的鲁棒性较差等问题,提出了一种结合自适应卡尔曼滤波与径向速度残差曲线拟合的复合零速修正算法。在DZUPT算法的基础上,使用Sage-Husa自适应卡尔曼滤波,并结合高阶曲线拟合的方法对车载径向速度残差导致的定位误差进行补偿,将动态、静态零速信息有机结合,进一步提高系统的综合定位精度。经车载实验验证,在15分钟零速修正间隔条件下,定位精度达到10 m(CEP)。     

一种复杂多介质环境下的视觉/惯性自适应组合导航方法

针对空间交会对接地面混合悬浮微重力模拟实验中自主水下航行器的高精度实时导航问题,提出了一种复杂多介质环境下视觉/惯性自适应组合导航方案和算法。首先,以视觉定位系统的采样时标为基准对惯导系统的测量数据进行拟合,并通过惯导逆向导航的方法实现惯导与视觉定位系统的时间同步。然后,根据视觉系统量测噪声时变的特点,设计了可对量测噪声在线估计的指数渐消记忆型Sage-Husa自适应卡尔曼滤波组合导航算法。最后,通过实验验证了该组合方案和算法的有效性。实验结果表明提出的方法可以实现复杂多介质环境下的高精度实时导航,并且相比于测量数据未同步的标准卡尔曼滤波组合导航方式,其速度误差和位置导航误差分别降低了56%和64%。     

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。     

基于外定位阻尼的捷联惯导算法设计

传统外阻尼惯导系统以外速度作为辅助参考,但在仅能提供外定位参考的条件下,为了避免由定位信号差分求取速度时造成噪声放大负面效应,推导了基于定位误差的罗经初始对准算法,并将它与捷联惯导姿态解算相结合,得到定位阻尼捷联惯导算法.该算法具有计算量小和稳定性好等优点,但与Kalman滤波组合导航相比,也有它自己的应用条件并存在一些不足之处.最后,利用GPS定位和激光捷联惯导系统进行了车载试验,验证了所提算法的有效性.     

载波相位时间差分辅助的SINS/GNSS紧组合导航方法

为提升无基准站辅助条件下的单站微惯性/卫星组合实时导航性能,提出了一种基于载波相位时间差分的改进微惯性/卫星紧组合导航方法。所提方法直接利用高精度的载波相位时间差分观测信息改善微惯性导航误差的在线补偿精度。分析比较了两种载波相位时间差分观测模型对组合导航精度的影响,通过抗差序贯卡尔曼滤波建立抵御GNSS观测粗差的紧组合滤波模型。城市内车载试验结果表明,相对于传统紧组合导航方法,所提算法能够有效提升定位、定速和定姿精度达29%、21%和42%。另外,相对较长GNSS中断(60 s)条件下,所提算法能够显著提升滑行位置、速度和姿态精度达46%、40%和51%。     

基于改进径向基神经网络的MEMS惯导系统误差抑制方法

由微机电惯性导航系统和全球定位系统构成的组合导航系统在卫导信号失锁的情况下,纯惯导定位误差将迅速发散。为了抑制惯导系统误差发散,提出了改进的径向基神经网络与自适应卡尔曼滤波算法,并提出了新的网络训练模型,采用自适应量子粒子群算法改进径向基神经网络的结构设计与参数。在卫导信号可用时用组合导航数据训练神经网络,当卫导信号失锁时,由改进的径向基神经网络预测自适应卡尔曼滤波的量测,使滤波器继续为系统提供速度与位置修正值。实验结果表明,转弯行驶状态下,卫星失锁15 s时,相比较原算法,水平定位精度提高了62%,有效抑制了惯导误差。     

捷联惯导基于星体跟踪器的高精度初始对准算法

捷联惯导与小视场星体跟踪器构成惯性/天文组合导航系统,导航精度受导航初始误差和器件误差的综合影响。基于此,提出一种捷联惯导与小视场星体跟踪器相组合的初始对准算法,对导航初始姿态误差和惯性器件误差进行估计修正。捷联惯导初始对准过程完成之后,在地面准静基座条件下做速度和位置阻尼条件下的惯导更新解算,利用捷联惯导系统的速度误差量测及小视场星体跟踪器的导航误差角测量量,设计组合粗对准算法和组合精对准算法,用于对捷联惯导系统的初始对准误差和惯性器件误差做进一步有效估计。仿真结果表明:对中等精度导航级捷联惯导系统,组合对准后水平姿态精度可提高到2’’,方位精度可提高到5’’。     

车载SINS/DR组合导航系统的在线标定方法

惯导系统中陀螺漂移和加速度计零位存在逐次启动不重复性误差,需在一定时期内频繁拆卸进行标定,增加了较大的工作量。从工程实用和维护的角度出发,提出了一种针对于车载组合导航系统的在线标定方法。该方法用卡尔曼滤波作为估计工具,利用里程计获得辅助信息,将惯导系统与里程计的位置和速度的差值作为量测值,通过设计接近于一般跑车实验过程的路径对待标定的误差项进行有效激励。仿真卡尔曼滤波结果表明,在一定的时间内各误差项根据车行轨迹进行逐步收敛,实现了在一般跑车实验中不拆卸惯性器件而达到标定的目的,且在精度上较 SINS 有了明显的提高。这种在线标定的处理方法给实际使用和维护带来了很大的便利,具有一定的工程实用性。