SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差.针对该问题,提出了一种基于H∞理论的鲁棒超球体无迹卡尔曼滤波算法.给出了计算量小的超球体采样策略,推导了H∞滤波的鲁棒机理,分离了鲁棒环节.将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验.仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况.     

不完全测量系统鲁棒SGQKF的传递对准滤波器设计和稳定性分析

针对复杂环境下运载体观测信息不完全测量并且存在随机干扰不确定的传递对准问题,研究了不完全测量随机不确定系统的鲁棒稀疏网格求积分(H_∞-SGQKF)的高斯逼近滤波算法。基于非线性离散系统的最优贝叶斯滤波框架和间断观测滤波算法以及不确定性扰动噪声下的H_∞范数的鲁棒SGQKF算法,给出了不完全测量的稀疏网格求积分的高斯逼近滤波算法;通过非线性系统随机稳定性理论,分析并给出了系统估计误差和估计误差方差有界的充分条件,同时给出了系统稳定的不完全测量时的丢包率临界值,证明间断观测条件下的不完全测量H_∞-SGQKF算法是稳定的。通过传递对准仿真试验和某型激光捷联式惯性导航系统的跑车试验对该算法进行了验证。结果表明,该方法比未采用鲁棒的不完全测量的稀疏网格求积分滤波的传递对准精度有所提高,说明不完全测量的鲁棒稀疏网格求积分滤波算法是正确的、稳定的,并且具有鲁棒性能。     

车载稳瞄/惯导一体化技术

结合稳瞄系统和自主寻北定位定向系统的特点,研究了车载稳瞄/惯导一体化技术,阐述了车载稳瞄/惯导一体化系统的工作原理,进行了稳瞄/惯导一体化系统的总体设计。在随机调转的稳瞄平台上布置陀螺仪和加速度计组成惯性测量组件(IMU),IMU同时向稳瞄系统和导航系统提供信号,稳瞄平台在运动中完成瞄准的同时,解算出平台的姿态矩阵,通过平台环架转动夹角的角度量,获得车体姿态矩阵,以此得出车体的加速度在导航坐标系上的分量,最终完成航迹推算。通过跑车试验表明,稳瞄/惯导一体化算法是正确与实用的。     

核磁共振陀螺仪分析及发展方向

论述了核磁共振陀螺仪的基本原理,跟踪了国际上几种核磁共振陀螺仪,重点讨论了最有前景的低温超导核磁共振陀螺仪.随着低温和超导量子干涉仪与核磁共振技术的结合,将突破核磁共振陀螺仪的微弱信号提取等关键技术难点，指出了低温超导核磁共振陀螺仪是核磁共振陀螺仪的发方向，其精度高，寿命长等优点将带来可观的前景.     

单轴旋转捷联惯导系统圆锥误差分析与仿真

刚体的有限转动存在不可交换性,导致捷联惯导(SINS)在圆锥运动环境下进行导航解算时会产生圆锥误差.由于单轴旋转调制惯导(RINS)和纯捷联惯导(SINS)在圆锥环境下的运动模型不同,因此圆锥误差及其补偿效果也会发生相应改变.首先构建了单轴RINS在圆锥运动下的数学模型,其次分析了基于角速率的多子样旋转矢量算法下的不可...     

ICP-AES法测定环境水监控样中Ga、In、Ti、I

本文提出了ICP－AES法测定环境水监控样中Ga、In、Ti、I的方法。优化了工作参数，研究了提高碘的分析灵敏度的方法，该方法简便、快速，应用于环境水监控样的分析，结果满意。     

基于UT变换H_∞滤波的舰船导航系统高度阻尼方法

舰船导航系统发展水平直接关系到全舰作战效能,而高度阻尼是其中的一个重要问题。为解决纯惯导高度通道发散问题,设计了INS/GPS三阶组合高度阻尼网络,并结合滤波算法对影响测高精度的各主要误差源进行阻尼。基于欧拉平台误差角概念,建立了适用于任意失准角误差条件下的非线性误差模型。结合H∞理论和UT变换,推导出一种具有较强鲁棒性的基于UT变换H∞滤波算法。最后,通过数学仿真验证了舰船导航系统高度阻尼效果。仿真结果表明,基于UT变换H∞滤波的舰船导航系统高度阻尼方法能够有效地抑制高度通道发散,高度阻尼精度与外观测信息精度相当。     

捷联惯导系统初始对准中Kalman参数优化方法

针对Kalman滤波器在捷联惯导系统（SINS）初始对准中的应用，系统分析了Kalman滤波器参数（包括估计误差协方差阵初值P0，模型噪声方差阵Q和量测噪声方差阵R）选取对系统状态变量的估计精度和收敛速度的影响。采用协方差性能分析法，进行了Kalman滤波器参数优化仿真，仿真结果表明：调整扁的取值可改变状态变量估计的收敛速度，调整Q或R的取值，既可改变状态变量（尤其是陀螺误差）的收敛速度又可改变它们的估计精度。综合考虑时，局的取值要比真实值大一些，Q和R的取值要比真实值小一些，这样既可缩短陀螺误差和加速度计偏置误差的估计时间，又可提高它们的估计精度。中还给出了使滤波器正常可靠工作的P0、Q和R参数的范围。     

基于改进LSTM网络的无人机MEMS-IMU零偏在线标定方法

针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆（LSTM）网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。     

自适应交互式多模型AUV组合导航算法

提出了一种基于期望模式修正(EMA)的改进交互式多模型(IMM)算法.该算法主要解决自主水下航行器(AUV)复杂工作环境下量测噪声统计特性未知或易发生变化时的状态估计问题,其核心思想是将期望模式修正机制和交互式多模型滤波算法相结合,利用状态估计过程中的获取的模型概率进行决策,得到更加接近与系统真实模式的期望模型集合,再通过期望模型集合滤波结果对固定模型集合滤波结果进行修正.与传统的交互式多模型算法相比,提出的基于期望模式修正的交互式多模型算法可以捕捉到系统模式更细微的变化.仿真结果表明,该算法可以大幅提高AUV组合导航系统的估计精度和稳定性.