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%。     

单轴旋转INS/GPS组合导航中重力垂线偏差引起的姿态误差分析

重力垂线偏差是高精度惯性导航中的一个主要误差源。在INS/GPS组合导航系统中,由于GPS可以提供位置和速度修正信息,垂线偏差对组合导航系统精度的影响主要体现在姿态上。从惯性导航系统的误差方程出发,推导INS/GPS组合导航姿态估计误差和陀螺零偏估计误差的解析表达式,从理论上分析组合导航模式下垂线偏差对姿态误差的影响。通过仿真验证理论分析的正确性。分析结果表明:东向姿态误差角由北向垂线偏差决定,北向姿态误差由东向垂线偏差决定;航向误差受东向垂线偏差和北向垂线偏差的一阶导数的共同影响,垂线偏差的剧烈变化将引起较大的航向误差。     

一种单目视觉ORB-SLAM/INS组合导航方法

针对惯性/卫星组合导航系统在卫星导航失效时无法使用的问题,提出了单目视觉ORB-SLAM/INS组合导航方法,用于扩展组合导航系统在强干扰环境和室内环境的应用范围。该算法分为两个阶段:初始化阶段,当ORB-SLAM形成闭环时设计算法在线估计单目视觉ORB-SLAM算法的尺度因子;导航阶段,ORB-SLAM系统输出的位置信息经过尺度变换后作为观测量进行卡尔曼滤波,估计INS导航系统的误差状态量从而修正惯导系统的误差。设计了硬件和软件平台对提出的组合导航方法进行试验验证。跑车实验结果表明:所设计的ORB-SLAM/INS组合导航系统具有较高的定位精度,导航时间6 min定位误差为1.162 m,且不随时间漂移,具有很强的应用价值。     

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。     

模型预测前向神经网络算法及其在组合导航中的应用

针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05 m/s,+0.05 m/s]和[-5 m,+5 m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。     

面向城市复杂环境的GNSS/INS高精度图优化算法

在城市复杂环境下，GNSS接收机易受到建筑物遮挡、多路径效应等多种因素影响，导致信号出现粗差或者拒止情况，从而对GNSS/INS组合导航系统的精度和鲁棒性造成影响。提出了一种具备粗差在线检测的GNSS/INS图优化组合导航算法，提高城市环境条件下的组合导航系统性能。基于信息之间存在关联性的特点，设计了一种卫星信号滑窗粗差检测与拟合替换算法，抑制卫星粗差影响；构建了GNSS位置、速度因子和改进的IMU预积分因子，实现了组合导航信息非线性优化。仿真和车载数据试验表明，针对卫星信号中存在粗差的情况，所提算法的定位精度相比扩展卡尔曼滤波和传统图优化算法提升90%以上，可以辅助导航系统获得较好的状态估计效果；针对GNSS拒止的情况，该算法的位置定位精度相比扩展卡尔曼滤波算法提升30%以上。     

INS/CNS/GPS组合导航系统仿真研究

研究了INS／CNS／GPS组合导航系统的原理和特点，对组合导航系统进行了计算机仿真，提出了采用平台失准角、INS与GPS的位置之差和速度之差作为观测量的方法。采用卡尔曼滤波技术，可以估计出平台的失准角、惯性器件误差及导航参数误差。仿真结果表明：通过校正惯导平台、消除导航参数误差，可以大大提高了系统的导航精度。     

基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法

为了提高无人机视觉/INS组合导航系统的位姿估计精度,提出了一种基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法。首先,针对视觉传感器数据易受外界因素干扰的问题,利用灰色预测理论建立基于视觉的位姿解算数据灰色模型,减小视觉解算数据误差对导航精度的不利影响;然后,引入萤火虫算法改进粒子滤波的重采样过程,并采用改进后的粒子滤波算法实现并提升视觉/INS组合导航系统的位姿解算精度。最后,自主搭建了四旋翼无人机实验平台。实验结果表明,采用扩展KF滤波的无人机组合导航算法将位姿估计的误差控制在3.2 cm内,所设计算法可以将误差控制在2.3 cm内,无人机位姿估计精度水平提高了39%。     

GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能.计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素.在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性.针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20％,滤波时间降低40％.     

基于非线性最小二乘估计的eLoran/INS/磁传感器组合导航方法

为实现不依赖GNSS系统的高精度导航系统,提出了一种基于非线性最小二乘估计的e Loran/INS/磁传感器组合导航方法。利用INS/磁传感器等传感器稳定性好,高频噪声低的特点,降低eLoran导航系统受传播路径影响导致的定位误差;同时所提方法可以校准其它传感器的零点偏移。首先利用INS系统估计载体当前的状态(包括姿态、位置),再通过高斯-牛顿法,求解载体状态的最小二乘解,从而使各物理量(磁场矢量、重力矢量和位置)在当前估计的载体坐标系内计算的数值与传感器的测量结果之间误差达到最小。最后,利用传感器的零点偏移在误差项中变化缓慢的特点,通过低通滤波估计零点偏移并进行校准。所提方法具有运算量小,解算精度高的特点。仿真试验结果显示所提出方法可将罗兰导航系统定位误差从100 m提高至6.1 m(2σ),证明了该系统具备独立于GNSS系统提供高精度导航定位的潜力。