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。     

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。     

基于状态变换多状态约束卡尔曼滤波的视觉/惯性组合导航（英文）

为了进一步提高视觉/惯性导航精度,提出了一种基于状态变换多状态约束卡尔曼滤波(ST-MSCKF)的视觉/惯性组合导航算法。与标准的多状态约束卡尔曼滤波(MSCKF)相比,ST-MSCKF对速度误差进行了更严格的定义,并以新的非线性速度误差为基础重新推导了视觉/惯性组合导航的系统误差模型和量测模型。由于ST-MSCKF比MSCKF具有更好的协方差一致性,从而具有更高的位置和姿态估计精度。与观测性约束MSCKF(OC-MSCKF)解决不一致问题的方法不同,ST-MSCKF不需要实时修正状态转移矩阵和量测矩阵去保持视觉/惯性组合导航系统的可观测性,ST-MSCKF的运算流程与标准的MSCKF完全一致,算法实现容易。车载导航实验表明,ST-MSCKF具有比MSCKF更高的位置和姿态精度,与OC-MSCKF精度相当,具有良好的工程应用价值。     

基于状态约束的MIMU/磁强计组合姿态估计滤波算法

构建了基于MEMS技术的陀螺、加速度计、磁强计及空速计组合的微小型飞行器姿态测量系统.研究了基于四元数的扩展卡尔曼滤波算法.取姿态误差四元数和陀螺随机漂移构建状态向量,通过误差四元数微分方程和陀螺随机误差模型建立卡尔曼滤波状态方程,采用速度信息实时补偿加速度计输出值得到重力矢量,利用重力矢量估计水平姿态,通过滤波补偿姿态误差,降低了对陀螺的精度要求.将状态向量之间的约束方程作为伪量测方程引入到量测模型中,解决了由于状态向量相互约束导致的滤波发散和奇异.动态飞行滤波噪声的自适应调整增强了系统性能.仿真和实验表明,该滤波算法能够有效避免系统的漂移,提高系统测量精度和稳定性.     

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。     

捷联惯性测量组合误差系数的软件补偿法研究

针对捷联惯性测量组合误差的数学模型,提出了惯性组合误差补偿的计算方法,推导了计算过程,得到了陀螺和加速度计误差补偿公式.通过补偿计算,能够得到弹体在采样时间间隔内运动的视速度增量和角增量.该算法能够满足应用的精度要求,对捷联惯性测量系统的误差补偿有一定的有效性和可行性.     

一种车载捷联惯导行进间QUEST优化粗对准算法

针对车载捷联惯导的传统动基座对准方法精度较低及环境适应性较差的问题,提出了一种基于QUEST的行进间粗对准优化算法。首先使用姿态矩阵分解的方法,得到不同参考系下对重力矢量的观测值。然后分析不同环境对于对准算法的影响,利用优化的QUEST算法,对不同时刻的重力矢量信息进行分析,基于误差信息对权重值大小进行合理分配,提高算法稳定性。实时估计车载体姿态、速度、位置,并反馈到下一次计算中去,形成闭环,提高粗对准精度。仿真和车载实验表明,该算法能够实现车辆行进过程中的姿态粗对准,多组实验下航向角误差在150 s内可达到±2°以内。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.