捷联惯导系统(SINS)敏感器斜向配置技术

以四个敏感器的冗余系统为例，对采用冗余敏感器的惯导系统的可靠性进行了分析，对四个敏感器构成的捷联惯导系统的可靠性进行了仿真实验，验证了冗余敏感器可以提高系统可靠性结论的正确性。中给出非正交敏感器测量值向惯导系统正交坐标系转化的方法和转换矩阵。最后对冗余敏感器的配置方式进行了分析。通过仿真实验，得到敏感器最佳配置的条件。     

船用惯性导航系统姿态测量误差辨识及其补偿方法研究

本文分析了某型号船用惯性导航系统（ＳＩＮＳ）的试验数据，结果表明，ＳＩＮＳ的姿态误差主要来源于水平测姿传感器。据此，本文对该ＳＩＮＳ水平姿态测量误差的辨识及其补偿方法进行了研究，并建立了水平测姿误差的回归数学模型，以提高ＳＩＮＳ姿态精度     

北斗双星/SINS组合导航系统滤波模型的一致性研究

北斗双星定位系统（简称双星定位）是我国自行建立的一种定位系统.根据北斗双星定位系统采用有源定位的特点,介绍了北斗双星与SINS组合的最优预测模型,该方法利用了双星定位系统提供的滞后定位信息对组合系统进行最优预测,进而校正惯导;同时为验证该滤波方法对状态估计的一致性,文中重点研究了滤波器一致性的准则,并给出了检验的统计量.理论研究和试验仿真证明,文中介绍的滤波器与系统是匹配的,具有较高的滤波性能和精度.     

激光捷联惯性导航系统温度误差建模及补偿

温度效应是制约激光捷联系统惯性器件性能提高的重要因素。通过大量温度试验,结合陀螺和加速度计的温度误差特性分析,得到一种工程适用的温度模型;分别对各个惯性器件进行温度误差补偿,提高了系统精度。试验结果表明:该模型不仅改善了高低温状态下系统的性能,而且也适用于大变温率或大范围温度变化环境下的导航系统。温度补偿后,系统的导航定位精度平均提高了近40%。     

在飞航导弹中用星敏感器修正捷联惯导陀螺漂移

星敏感器是一种高精度的姿态测量装置。研究了星敏感器和陀螺的特点,对星敏感器工作原理和修正陀螺漂移技术进行了原理分析。在不利用外界提供的姿态和位置信息的情况下,采用卡尔曼滤波的信息融合算法,建立组合导航系统的状态方程和量测方程,利用星敏感器输出的载体相对于惯性空间的姿态信息来修正捷联惯导的陀螺漂移。设计飞航导弹的典型飞行轨迹,通过数学仿真,对上述算法的有效性进行了验证,结果表明星敏感器能够有效地补偿捷联惯导由于陀螺漂移带来的误差,明显提高了导航定位精度。     

SINS/GPS/DVL组合导航系统的容错研究

结合SINS／GPS／DVL组合导航系统各子系统的特点，提出了一种新的容错设计方案。此方案采用并列运行的滤波器族结构，该结构可以提供不受污染的最优解，且具有容错性好和系统输出数据热备份等优点。仿真结果表明，此方案既可有效地监测和隔离系统故障，同时保证了系统的精度。     

关于激光捷联惯性导航系统姿态算法的分析

圆锥误差和量化误差是激光捷联惯性导航系统姿态解算误差的两个最主要的误差源.从分析圆锥误差产生的机理出发,分别分析了以角度和角速度为计算参数的圆锥误差补偿算法,并对量化误差对圆锥误差补偿算法的影响进行了研究.通过理论分析和数字仿真,得出在实际工程应用中,采用角速度为输入信息的激光捷联惯性导航系统姿态算法应该在考虑量化误差的情况下,采用以角速度为计算参数的圆锥误差补偿算法.     

捷联惯导系统的空中标定方法

从工程实用和维护的角度出发,提出了一种针对机载捷联式系统的空中标定方法。该方法依据捷联惯导系统级标定的基本原理,使用卡尔曼滤波作为估计手段,惯性器件常值漂移、刻度系数误差及惯导系统基本误差项作为状态量,依据外部GPS信息作为观测基准,通过设定的飞行机动动作对各待标定误差项进行激励。仿真卡尔曼滤波结果表明,依据飞机实际运动过程设计的简单飞行轨迹即可以实现对所有误差项的有效激励,各误差项随飞行过程进行逐步收敛。这种系统级空中标定方法不需要飞机作特殊的机动动作,在实际工程中易于实现,且经过一个架次的飞行就可以对惯导系统进行一次标定补偿。     

车载SINS行进间初始对准方法

针对车载捷联惯导系统,提出了一种行驶条件下的初始对准方法。通过实施两次技术性短时停车(共计30s),利用车辆启动前和行进途中停车状态下的重力矢量,确定初始时刻载体坐标系(定义为惯性坐标系)和中间时刻一个过渡坐标系的姿态关系;经姿态转换,实现车载捷联惯导系统行进间高精度自对准。16次车载实验结果表明:该方法的方位对准精度达到0.03°(1σ),水平精度优于0.005°(1σ);对准时间长短可变。该对准方法不需要外部速度观测,对准中间过程自由行驶,有利于提高载车机动能力。     

基于新型滤波器-HABF的SINS传递对准仿真

传统动基座传递对准主要采用扩展卡尔曼滤波技术。但在动基座传递对准的非线性、非高斯条件下,这种基于模型线性化和高斯假设的滤波方法在估计系统状态及其方差时误差较大且可能发散。混合退火粒子滤波针对非线性、非高斯系统状态的在线估计问题,提出一种新的基于序贯重要性抽样的粒子滤波算法。在滤波算法中,用状态参数分解和退火系数来产生重要性概率密度函数,此概率密度函数综合考虑了转移先验、似然、噪声的统计特性以及最新的观察数据,因此更接近于系统状态的后验概率。实验仿真结果表明,这种基于混合退火粒子滤波器不仅比扩展卡尔曼滤波提高了传递对准的精度,而且又比传统的粒子算法减少了时间。