基于机器学习的人体虚拟惯性测量组件构建方法

利用人体特征辅助行人导航与外骨骼机器人控制是近年来导航与机器人领域中的热点研究方向。针对惯性测量组件足部安装方式在过载较高时无法实现有效测量的问题,研究了一种基于机器学习的人体虚拟惯性测量组件构建方法。该方法以同步采集安装于足部与下肢其他部位的惯性测量组件的输出作为数据样本,通过遗传算法改进的误差反向传播(GA-BP)神经网络实现虚拟惯性测量组件的构建。为进一步改善训练效果,采用基于步态相位检测方法对训练样本进行筛选。基于Anybody与MATLAB的联合仿真结果表明,本文所研究的方法可实现采用安装于髋关节附近位置的惯性测量组件数据,有效模拟足部位置的惯性测量组件数据。该方法对未经训练的步态也有一定的适应性。本文所研究的方法可进一步应用于行人精确定位与外骨骼机器人控制等领域。     

导弹误差分离前的数据预处理方法

为获得高精度的导弹飞行试验误差分离结果,提出了改善数据预处理工作的工程实用方法。采用时间差分法查找测量数据中的丢失点,采用样条拟合算法剔除测量数据中的野值,并使用拉格朗日算法对异常点进行插值,提高了原始测量数据的质量。推导出发射惯性系下速度和位置的导航方程递推公式,并建立外测数据由发射坐标系向发射惯性系的转换关系模型：引入相关性分析法对遥外测数据的一致性进行分析,进而估算出遥外测数据零点对齐因子。对某型导弹遥外差计算应用了这些方法,获得了较满意的结果。     

基于SVM步态分类的柔性外骨骼自主定位优化方法

针对复杂步态下柔性外骨骼虚拟惯性测量组件(VIMU)性能稳定性下降的问题,研究了一种基于支持向量机(SVM)步态分类的自主定位优化方法。采用SVM算法模型对柔性外骨骼的多种常规步态类型进行识别,根据不同的步态类型构建不同的卷积-长短期记忆(VGG-LSTM)混合神经网络模型,并通过判断实际惯性测量组件(IMU)的故障,利用VIMU构成具备系统重构能力的强鲁棒性自主定位方法。研究结果表明,复杂步态下基于SVM的步态分类方法可在保证VIMU精度的同时,降低VGG-LSTM神经网络模型的复杂性;机器人肢节末端IMU在常规步态下出现故障时,系统重构后的自主定位性能与无故障情况下基本保持一致,重构导航系统的定位误差在行进距离的2.5%以内。     

斜置惯性测量单元的一体化标定技术

针对陀螺和加速度计均倾斜安装的低精度惯性测量单元,将三个 MEMS 加速度计组件和三个光纤陀螺组件分别考虑为一个整体,提出了一体化标定技术,将传统的零位、比例因子、安装误差等参数等效考虑为一个转换矩阵。根据实验得到的低精度斜置惯性测量单元的温度特性和非线性的经验公式,提出了补偿温度特性和非线性的一体化标定模型。利用速率转台和大理石平板在不同温度下进行测试,采用多元线性回归,得到了实用的角速度模型与加速度模型。实时补偿效果表明,当温度从 0℃到 24℃变化时,在±60(°)/s 转速内角速度误差小于 0.02 (°)/s,加速度误差小于 0.003g。     

旋转式光学陀螺捷联惯导系统的旋转方案设计

在光学陀螺捷联式惯性系统中,利用系统旋转补偿技术可对陀螺组件和加速度计组件的输出误差进行调制,从而抑制系统的误差发散,提高导舷精度.通过分析惯性测量组件的误差模型和旋转式捷联系统误差传播方程,解释了旋转误差补偿的机理.针对惯性测量组件输出误差的特性,设计单轴正反转停和双轴转位的系统旋转方案.在摇摆状态下分别对无旋转、单轴和双轴三种方案进行长时间导航仿真,对旋转补偿误差的能力进行了比较.结果表明:旋转能够抑制长期的定位误差发散,在角运动状态下旋转系统能比无旋转系统保持更好的姿态精度.     

基于容错惯性网络的相对导航方法

为了满足对外部环境精确探测、侦查的要求,先进的多载荷通用飞机通常搭载多种载荷设备。针对机翼挠曲变形、载荷设备子IMU精度低且易发生随机故障的情况,提出一种基于容错惯性网络的相对导航方法。首先,建立挠曲变形下多节点IMU之间动态转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高测量数据的可靠性和精度。其次,利用惯性网络间的局部运动信息进行相对导航解算,并建立误差估计与补偿模型。仿真结果表明,所提方法在惯性传感器发生随机故障的情况下,可有效完成主、子节点间的高精度相对运动估计,三个方向的相对位置估计误差分别为0.0646 mm、0.0634 mm和0.7377 mm。     

光纤陀螺IMU全温三方位速率/一位置标定及分段线性插值补偿方法

针对光纤陀螺惯性测量单元全温动态环境下测量误差问题,提出一种全温三方位正反速率/一位置标定及分段线性插值补偿方法,建立了光纤陀螺惯性测量单元误差模型,在每个恒温点设计三方位正反速率/一位置标定方案。采用分段线性插值算法实时补偿系统零偏和标度因数温度误差,系统全温环境下的测量精度提高5倍左右。车载实验结果表明,采用该方法后系统4200 s纯惯性姿态测量误差小于1°。     

一种基于磁传感器的高旋火箭弹滚转角测量方法

为了实现高旋火箭弹在惯性系下滚转角的实时精确测量,提出了一种基于磁传感器的测量算法。采用磁传感器测量信息实时解算弹体基准相对于地磁矢量的滚转角,结合地磁矢量相对惯性系的角位置,确定弹体在惯性系下的滚转角。提出采用五点三次平滑滤波处理磁传感器采集数据,不需要进行迭代计算且不依赖于载体的动力学模型,可实现实时滤波解算。数学和半实物仿真结果表明,所提出的测量方法能够有效抑制噪声的影响,使测角精度提高1倍,满足高精度和实时性的要求。     

一种高可靠捷联惯性测量单元布局

冗余传感器惯性测量单元通过传感器余度配置能够有效提高惯导系统的可靠性,同时对运动的重复测量为降低传感器测量误差和提高导航性能提供了必要条件。一种新型9传感器惯性测量单元,在实现9传感器最佳导航性能布局的同时,保障了每个方向的平动或者转动均可同时由5个传感器进行测量,使其可靠性等同于6套并行工作的单轴独立惯导系统。利用GLT(Generalized LikelihoodTest)方法和Monte Carlo模拟完成了该惯性测量单元故障检测、隔离性能研究。分析结果表明,该惯性测量单元的平均无故障时间为正十二面体6传感器惯性测量单元的1.4倍,为三轴正交配置惯性测量单元的3.8倍,传感器测量随机误差造成的影响分别降低13%和40%。因此,该布局特别适合于对长使用寿命、高安全性、高可用性有严格要求的应用领域。     

一种新型自适应模型预测组合滤波在在线标定中的应用

为了提高捷联惯性导航系统在线标定的精度和实时性,根据模型预测滤波算法和Sage_Husa自适应卡尔曼滤波算法的优点,提出了一种新的自适应模型预测组合滤波算法。该算法首先利用模型预测滤波算法估计出系统模型误差,并对系统状态方程实时修正,以减小系统模型误差对导航精度的影响;然后利用简化的自适应滤波算法对量测噪声在线调整,修正噪声统计特性,以提高滤波精度。将提出的算法进行在线标定仿真实验,并与传统的卡尔曼滤波在线标定算法进行比较,结果表明,提出的自适应模型预测组合滤波算法能有效完成在线标定,且标定精度和收敛速度均优于传统方法。