车载定位定向系统误差在线补偿方法

针对里程计输出为位置增量,传统SINS/里程计组合方法会对位置增量进行微分或积分从而会产生一定噪声或误差,且里程计标定残差影响高精度定位定向系统性能的问题,提出了一种基于位置增量组合的定位定向系统误差在线估计和补偿方法。该方法除了将惯性器件误差列入状态量外,还将里程计安装误差残差、标度因数误差等纳入状态量进行实时估计,将惯性导航系统输出的速度增量进行积分获得位置增量,同时与里程计输出位置增量进行比对,构建量测方程。设计跑车试验对该方法进行了验证,结果表明该方法可以有效估计惯性器件误差和里程计参数误差,同时相比速度组合方法而言,定位精度可提高40%。     

基于电子海图显示信息系统的惯性/地磁组合导航

为实现惯导系统长时间高精度导航,以性能优良的电子海图显示信息系统为开发背景,对地磁匹配辅助惯性导航系统进行了设计和仿真实验。在原有电子海图显示信息系统的基础上开发了数据采集模块、地磁数据库模块、惯导/地磁匹配模块、惯导误差估计模块等功能软件,并对各功能模块进行了深入分析。仿真试验结果证明,基于电子海图显示信息系统的惯性/地磁组合导航达到了校正惯性导航系统,实现高精度导航的目的。     

基于超导的全张量重力梯度敏感头设计

基于超导的迈斯纳效应与超导量子干涉技术,结合柔性并联机构理论,设计一种基于超导的全张量重力梯度敏感头。敏感头采用6个完全相同的同时具有移动与转动自由度的敏感结构,对称的布置在正六面体外,对称面的两个敏感结构相对旋转90°成垂直状态。轴向间距使两个敏感结构直接测量重力梯度轴向分量,相互垂直使两个敏感结构既可以测量重力梯度交叉分量,也可以测量共模角加速度。利用超导线圈的电感变化响应质量块位移,进一步通过超导回路将其转变为磁场变化,并由超导量子干涉器进行检测。敏感结构采用8分支的柔性并联机构支承,构成空间对称的形式,可以实现对称的力学特性,保证各处的柔性铰链产生均匀变形,减少非对称的偏移,避免单一铰链的应力集中,具有沿轴移动刚度与绕轴转动刚度小、非设计的寄生误差方向刚度大的优势。在惯性系下的全张量重力梯度值可由坐标变换得到,可以预期得到1E的测量精度。     

基于温度变化Fourier展开的惯导航向效应补偿

航向效应对高精度空间稳定平台式惯性导航系统具有致命的影响。根据系统变航向导航试验数据,分析了变航向引起温度及平台漂移变化的作用机理,讨论了平台漂移变化与温度变化的相关性,进而提出基于温度变化Fourier展开的航向效应补偿方法。采用滑动最小二乘拟合导航误差的方法提取平台常值漂移的变化,并以此为观测量标定平台漂移的温度系数。最后,利用多组变航向试验数据对所述补偿方法进行验证,结果表明:平台常值漂移变化与温度变化基波分量的幅值具有强相关性,该补偿方法可将温度变化引起的航向效应误差降低40%~90%,具有较强的工程应用潜力。     

基于双轴旋转惯导的激光陀螺仪与g有关偏置自标定法

标定激光陀螺仪与g有关偏置可以进一步提高双轴旋转惯导的定位精度。在传统的六位置标定方法上增加四个倾斜的位置,形成一套十位置自标定算法。该算法不仅可以标定惯性器件的常值偏置,比例因数误差和失准角,还能标定陀螺仪的与g有关偏置。静态试验表明,在标定和补偿了陀螺仪与g有关偏置项后,经纬度误差(尤其是经度误差)随着时间的变化量明显减小。与传统的六位置法相比,经度误差随着时间发散速度明显降低。该自标定法在静态时至少可以提高50%的系统精度。     

BP-Bagging模型在光纤陀螺温度补偿中的应用

为了消除光纤陀螺的温度效应并提高陀螺的精度,BP神经网络模型广泛的应用在光纤陀螺的零偏温度漂移辨识和补偿中。然而,单神经网络模型的泛化能力差,影响模型的预测结果。结合神经网络集成学习的思想,利用Bagging集成技术产生差异大、预测能力强的个体网络,提升模型的预测能力。建立光纤陀螺零偏温度的BP-Bagging模型,将其应用在温度补偿中。通过对某型光纤陀螺的零偏漂移数据进行仿真,结果表明:BP-Bagging模型相比线性回归模型、单BP神经网络模型的补偿效果更显著,有效改善了陀螺的零偏稳定性能。     

静电陀螺监测器中静电陀螺仪的漂移误差模型

本推导了静电陀螺仪转子动量矩的运动方程,根据此方程并应用向量场理论,将造成静电陀螺漂移的外部干扰力矩划分为守恒力矩和非守恒力矩两部分。按照进动规律,最终得到静电陀螺监控器中陀螺仪漂移误差模型的全量形式。     

基于小波神经网络的高精度惯导重力扰动补偿方法

重力扰动矢量(空间同一点实际重力与正常重力之差,包括垂线偏差和重力异常两部分)一直是惯性导航系统的重要误差源之一。针对重力扰动误差精确补偿问题,推导并建立了考虑重力扰动的惯导误差方程,并提出了基于小波神经网络的重力扰动补偿方法。通过仿真验证了小波神经网络的重力扰动补偿方法对惯导导航精度的提高效果。24 h仿真结果表明:所提出的重力扰动补偿方法能有效减小惯导导航系统误差,经重力扰动矢量补偿后,速度误差最大能减小约0.2 m/s,降低约30%,位置误差最大能减小约3000 m,降低约25%。     

基于Bagging模型的惯导系统误差抑制方法

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。     

自适应非线性滤波及其在图像导航中的应用

本文首先介绍了飞行器末制导中采用图像导航的原理和方法，给出了系统模型。针对图像导航的实际情况，提出了自适应非线性Sage-Husa滤波，能在线估计系统的常值偏差及噪声方差。将滤波算法应用到图像导航中，进行仿真，滤波收敛，结果令人满意。