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。     

基于5阶球面最简相径的改进型容积卡尔曼滤波在SINS/DVL组合导航中的应用

为提高水下SINS/DVL组合导航系统的精度,建立了捷联惯性导航系统(SINS)的非线性误差模型,并建立多普勒测速仪的误差方程,以SINS为主导航设备建立SINS/DVL组合导航系统模型。设计了5阶球面最简相径容积卡尔曼滤波器,采用了球面最简相径采样规则改进容积卡尔曼滤波,并应用于SINS/DVL组合导航系统中。通过数学平台仿真验证了5阶球面最简相径容积卡尔曼滤波方法有效性,仿真结果表明:该方法能够有效提高SINS/DVL组合导航系统的精度,且稳定性好。     

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。     

量测野值与波束故障条件下SINS/DVL紧组合导航方法

针对传统捷联惯性导航系统（SINS）/声学多普勒测速仪（DVL）组合导航系统导航精度容易受量测信息质量影响的问题,提出了一种基于波束重构的SINS/DVL紧组合导航系统故障处理方案。以现有的紧组合模型为基础,根据四波束DVL结构特点,提出了新的故障波束速度信息重构方案。针对速度测量异常、量测模型误差及波束信息重构误差等综合引起的量测噪声特性变化问题,根据核函数思想,设计了一种改进Huber鲁棒滤波器。试验结果表明,在1 h波束故障情况下,采用所提出故障处理方案最大定位精度相对于纯惯性定位提高了80%以上。     

基于自适应滤波的水下SINS/相控阵DVL组合导航算法设计

针对远程自主水下航行器的远程性和自主性,加之水下环境复杂,其导航和定位的精度很难保证的特点,设计一种基于相控阵DVL的自适应滤波的SINS/DVL组合导航算法。基于相控阵DVL特点,推导了速度观测方程,并对降维滤波器进行了设计和时空误差进行修正。采用50型激光陀螺研制出工程样机,并进行了河试试验和海试试验,试验结果表明采用自适应滤波算法能够进一步提高SINS/DVL自主导航的精度,并且SINS/DVL自主导航精度优于2‰D(D为航程),为远程水下航行器提供一种自主好、精度高、价格适中的导航手段。     

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。     

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。     

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.     

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。     

遗传算法优化的神经网络在SINS/GPS中的应用

在不增加辅助系统的情况下,针对捷联惯性导航/全球定位组合导航系统(SINS/GPS)在GPS信号不可用时,其定位精度产生较大退化的问题,提出了遗传算法优化的径向基函数神经网络辅助组合导航系统定位的方法。当GPS信号可用时,采用遗传算法对径向基函数神经网络进行优化训练;当GPS信号不可用时,利用遗传算法优化后的径向基函数神经网络预测卡尔曼滤波器量测输入中的速度误差信息,使得卡尔曼滤波器能够继续工作并提供速度校正量。跑车实验表明,通过对速度进行误差补偿能够有效地修正位置误差,以GPS信号断开180 s的结果作分析,纯SINS模式的东向和北向位置误差分别为35.1 m和38.8 m,而本文所提方法的误差分别为10.5 m和7.2 m,其定位精度提高较为显著。     

基于SINS/DVL与LBL交互辅助的AUV水下定位系统

针对AUV水下定位系统存在的缺陷,设计了一种基于SINS/DVL与LBL交互辅助的AUV水下导航定位系统。系统由安装在AUV上的SINS、DVL、发声源及布放在海底已知位置的LBL水声定位基阵组成。SINS/DVL估计的位置信息既辅助到达时延差估计,修正声速,提高LBL定位估计的精度,又作为Taylor级数展开迭代法所需的迭代初始值,辅助LBL估计AUV位置。然后利用LBL系统估计的位置信息校正SINS/DVL的累积误差。仿真结果表明,当AUV靠近LBL基阵时,与传统方法相比,该系统能更有效地修正SINS/DVL系统的累积误差,使定位误差小于2 m,适用于水下定位导航。     

SINS/GPS/DVL组合导航系统的容错研究

结合SINS／GPS／DVL组合导航系统各子系统的特点，提出了一种新的容错设计方案。此方案采用并列运行的滤波器族结构，该结构可以提供不受污染的最优解，且具有容错性好和系统输出数据热备份等优点。仿真结果表明，此方案既可有效地监测和隔离系统故障，同时保证了系统的精度。     

球面单形平方根无迹粒子滤波在拖曳合成孔径声纳组合导航中的应用

惯性导航设备修正回波数据作为合成孔径声纳(SAS)运动补偿的一种重要方法,其中的关键技术是研究和利用高精度的滤波算法以及组合导航系统为运动补偿提供导航数据信息。在标准粒子滤波算法的基础上进行改进,提出了一种球面单形平方根无迹粒子滤波算法(SS-SRUPF),并将之应用于SINS、多普勒计程仪(DVL)组成的水下组合导航系统,输出的导航数据再传输给SAS成像系统。仿真结果表明,SS-SRUPF算法可将一个合成孔径时间内的组合导航位置均方误差精度提高到0.013m,小于SAS距离向分辨力0.019 m,满足SAS运动补偿的要求。     

一种基于M估计的抗差自适应多模型组合导航算法

针对复杂环境下因量测噪声统计特性时变及量测粗差而引起的组合导航精度下降的问题,提出了一种基于M估计的抗差自适应多模型组合导航算法。所提算法突破了传统交互式多模型算法定结构的限制,凭借所提出的模型集自适应调整策略,能够快速估计量测噪声统计特性,并利用模型概率信息对模型转移概率矩阵进行实时修正;引入了基于M估计的抗差Kalman滤波算法,以提高滤波抗差能力。以SINS/DVL组合导航系统为例,通过仿真和长江试验对所提算法进行了验证,结果表明所提算法有效降低了量测噪声统计特性时变及量测粗差对滤波精度的影响。在长江试验中,所提算法相比AIMM算法,东、北向速度误差和位置误差的均方根误差分别下降了44%、36%和41%、53%,水平定位精度提升了约45.9%,定位精度提升显著。     

抗差自适应模型预测滤波及其在组合导航中的应用

为了提高捷联惯导(SINS)/天文导航(CNS)/合成孔径雷达(SAR)组合导航系统的定位精度,在吸收模型预测滤波和抗差自适应滤波算法优点的基础上,提出了一种新的抗差自适应模型预测滤波算法。该算法首先利用模型预测滤波估计出系统模型误差,并对其进行实时修正,以抑制系统模型误差对导航解算精度的影响;然后利用抗差自适应因子控制观测异常,抑制观测噪声对导航解算精度的影响。将提出的算法应用于SINS/CNS/SAR组合导航系统进行仿真验证,并与抗差自适应滤波进行比较,结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[0.2,0.2]、[0.3m/s,0.3m/s]和[6 m,6 m]以内,滤波性能明显优于抗差自适应滤波算法,说明该算法能有效抑制系统模型误差及观测异常对导航解的影响,提高组合导航的解算精度。     

基于UKF的SINS/LBL水下AUV紧组合定位技术

EKF是SINS/LBL紧组合导航系统中常用的数据融合方式,但其泰勒线性化会带来截断误差,从而影响系统定位精度。本文主要研究了SINS/LBL紧组合系统量测方程的非线性对系统位置校正性能的影响,建立了SINS/LBL紧组合系统的EKF状态方程和量测方程,并详细推导了UKF滤波的非线性量测方程,为进一步简化计算量,使用卡尔曼滤波的一步状态预测方程等价代替UKF状态预测UT变换。最后的仿真结果表明UKF能明显改善位置项的定位精度,定位精度提高约15%~20%,所提出的UKF算法在SINS/LBL紧组合导航系统中应用效果较好,具有很强的实用性。     

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。