GNSS/INU/DMAP组合导航定位技术在车辆导航中的应用

利用先进的组合导航技术组成GNSS系统，充分发挥GPS和GLONASS各自优势，并采用航迹推算（DR）技术，精确地图匹配（DMAP）技术组成GNSS／INU／DMAP组合导航系统，提高了系统精度和可靠性，并利用GSM网进行定位数据的无线传输。该系统将卫星导航技术，惯性导航技术，计算机技术，无线通讯技术融合在一起，实际跑车试验验证了系统具有全方位，全天候，无遮挡，高精度的特点。     

基于SINS/TAN/ADS/MCP的无人机组合导航系统

为实现无人机高精度高可靠性导航,提出了一种以捷联惯性导航系统(SINS)为主,以地形辅助导航(TAN)、大气数据系统(ADS)及电子磁罗盘(MCP)为辅的组合导航方式。通过分析SINS、TAN、ADS及MCP单一系统的工作原理及输出误差模型,构建了SINS/TAN、SINS/ADS及SINS/MCP系统的状态方程及观测方程,最后采用联邦卡尔曼滤波方式实现了对各组合系统的信息融合。仿真数据对比表明:SINS/TAN系统位置误差较小,但航向误差较大;SINS/ADS系统速度误差较小且比较稳定,但位置误差随时间发散;SINS/MCP系统航向误差方差可达0.3783’,但其位置和速度估计精度不理想;而SINS/TAN/ADS/MCP系统能够克服上述不足,实现所有导航参数误差估计的高精度。     

SINS/GPS组合导航序贯滤波算法

针对SINS／GPS的速度、位置组合方式中，GPS接收机的位置测量误差相关的问题，提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点，又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题，实现对SINS／GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。     

考虑洋流影响的SINS/DVL组合导航算法

针对捷联惯性导航系统(SINS)/多普勒计程仪(DVL)组合导航系统工作于水跟踪模式条件下的高精度定位需求,提出一种考虑洋流影响的SINS/DVL组合导航算法。分析了DVL水跟踪模式下洋流速度对组合导航精度的影响,基于速度匹配组合导航的方式提出了SINS/DVL组合导航系统设计方案,当DVL切换到水跟踪模式后,利用Kalman滤波器对洋流速度进行实时估计,从而能够有效提高DVL仅对水输出时系统的组合导航定位精度。仿真和水上船载试验结果表明,本文提出的考虑洋流速度影响的SINS/DVL组合导航算法是有效的和可行的。     

SINS/GPS/CNS 组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS 导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了 SINS/GPS/CNS 组合导航联邦滤波算法,该算法可以取长补短,巧妙地将 GPS 定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进.计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较 SINS/GPS 组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级.仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值.     

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.     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

基于环路相关积分观测的SINS/GPS深组合导航算法

深组合模式下惯性系统与卫星接收机基带信号进行深层次融合,可实现惯性和卫星导航系统的双向辅助。在分析深组合技术原理的基础上,研究了直接利用相关积分输出作为观测量构建环路预处理滤波器的方法,有效减小了传统跟踪环路中信号参量的估计误差;然后设计了基于环路相关观测信息的深组合系统主滤波器模型,实现了原跟踪环路中复制信号生成的外部控制;最后,利用深组合仿真平台对卫星信号载噪比变化环境下的紧组合与深组合性能进行实验对比分析,结果表明深组合算法在弱信号环境下具有环路失锁后快速恢复跟踪的特点及稳定的导航性能。     

组合导航非等间隔联合滤波

组合导航系统中各种导航设备数据更新频率的不同会导致联合滤波算法无法在每个计算周期都融合局部滤波器的信息，从而导致信息丢失和引入人为误差。为此提出了一种可以最优融合不同测量周期信息的非等间隔联合滤波算法，并且给出了算法的最优性证明。这种算法通过设定不同的计算周期和融合周期，实现了非等间隔测量信息的最优融合。     

空天飞行器SINS/CNS深组合导航算法(英文)

空天飞行器往返于大气层内外,持续工作时间长。捷联惯性/天文组合导航自主性强、隐蔽性好,是最适合空天飞行器的导航方式之一。为提高传统天文定位的导航精度和可靠性,解决其在机载应用中水平基准制约的问题,分析了平台误差角和位置误差对高度角量测的影响,提出了一种以天体高度角为量测信息的捷联惯性/天文深组合导航算法。该算法采用卡尔曼滤波器进行最优估计,可有效估计并补偿系统的姿态误差,减少天文导航定位对水平基准的依赖。仿真表明,单星观测条件下,导航系统姿态误差快速收敛,定位的均方根误差在200 m以内,且系统导航性能随导航星数量的增加而提高。     

基于车辆运动模型辅助的智能手机平台车载组合导航算法

随着智能手机硬件性能的提升以及MEMS传感器技术的发展和应用普及,现有中高端智能手机平台中大多安装有消费级的微惯性测量单元和GPS接收机模块,将这两者相互结合,利用一定的信息融合方法,即可实现连续的车载导航定位。在智能手机平台中所采用的消费级MEMS惯性传感器模块其精度很低,通常难以满足车载DR导航算法的性能需求;同时在车辆行驶过程中,不可避免会经过高架、隧道等路径,也会导致GPS信号受到遮挡和屏蔽从而无法定位。针对以上问题,设计了适用于智能手机平台的基于车辆运动模型辅助的车载DR/GPS组合导航方案,推导建立了基于车辆侧向速度约束的组合导航算法模型,并以智能手机作为验证平台,测试验证了所设计的算法在无GPS环境下,采用智能手机平台中的消费级MEMS惯性测量组件,仍然可以在短时间内维持较高的导航定位性能。     

移动卫星天线指向矢量辅助组合导航系统方法

为弥补SINS/GPS组合导航系统姿态角误差可观测性差的缺陷,根据移动载体卫星天线捕获通信卫星后通过自搜索实现精确对准卫星的原理,提出增加天线指向矢量信息(SAPV)的方位角和俯仰角信息为系统观测量,用于辅助SINS/GPS组合导航系统.根据SINS/GPS组合导航系统数学模型对姿态角误差的可观测性进行了分析,并对SAPV与组合导航误差之间的关系进行了详细数学推导,证明了SAPV辅助组合导航系统的可行性,建立了SAPV辅助组合导航系统的数学模型,采用联邦滤波器进行数据融合.仿真结果表明,SINS/GPS组合导航系统通过SAPV辅助,方位角误差估计精度提高了1个数量级,小于10′,水平姿态角误差估计精度略有提高,小于2 ′.该方法充分利用了天线通过自搜索完成精确对准卫星后的高精度指向信息,无须添加任何硬件系统,通过简单可靠的信息融合算法即可达到提高载体姿态测量精度的目的.     

基于四元数的SINS/SAR组合导航系统

传统的SINS误差模型是基于小姿态误差角假设下的线性化误差模型,由于忽略了高阶项,因而不能精确描述系统的非线性特征,易造成较大的导航估计误差甚至滤波器发散。为了克服SINS线性化误差模型的缺点,建立了基于四元数的SINS/SAR组合导航系统非线性模型,并将自适应UPF滤波算法应用于该组合系统。仿真结果表明,建立的基于四元数的组合导航系统模型,不但能有效减小导航误差,提高导航定位精度,而且具有良好的实时性。     

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.     

一种可用于运载火箭的SINS/GNSS自主导航方案

研究了一种可用于运载火箭的SINS/GNSS自主导航方案。起飞前捷联惯组采用基于惯性系重力加速度积分的解析粗对准和卡尔曼滤波精对准,起飞后采用SINS/GNSS卡尔曼滤波组合导航反馈实时修正姿态、速度和位置。仿真结果表明捷联惯组水平自主对准误差0.01°,方位自主对准误差1.5°,起飞后经组合导航修正后的姿态误差小于0.2°,速度误差小于0.4m/s,位置误差小于40m,考虑所有误差的蒙特卡罗仿真结果满足火箭入轨精度要求,此方案具有较高的工程应用价值。     

XNAV/UVNAV/SINS组合导航在航天器轨道机动中的应用

针对X射线脉冲星导航在航天器轨道机动过程中精度不高甚至发散的问题,提出一种将X射线脉冲星导航结合惯性导航和紫外敏感器的组合导航方法。以航天器在惯性系中的位置、速度、姿态四元数和惯性导航设备误差作为系统状态变量,用X射线探测器测量X射线脉冲到达时间,用紫外敏感器测量中心天体质心相对于航天器的方向矢量和距离以及航天器在惯性系中的姿态四元数,用扩展卡尔曼滤波器估计组合导航系统状态。仿真结果验证了该组合导航方法的可行性,能够解决轨道机动中X射线脉冲星单独导航的误差过大(位置误差达107m)问题,且该组合导航具有较高的导航精度,在轨道机动前、机动中和机动后导航位置误差均在100 m以内。     

车载SINS/DR组合导航系统的在线标定方法

惯导系统中陀螺漂移和加速度计零位存在逐次启动不重复性误差,需在一定时期内频繁拆卸进行标定,增加了较大的工作量。从工程实用和维护的角度出发,提出了一种针对于车载组合导航系统的在线标定方法。该方法用卡尔曼滤波作为估计工具,利用里程计获得辅助信息,将惯导系统与里程计的位置和速度的差值作为量测值,通过设计接近于一般跑车实验过程的路径对待标定的误差项进行有效激励。仿真卡尔曼滤波结果表明,在一定的时间内各误差项根据车行轨迹进行逐步收敛,实现了在一般跑车实验中不拆卸惯性器件而达到标定的目的,且在精度上较 SINS 有了明显的提高。这种在线标定的处理方法给实际使用和维护带来了很大的便利,具有一定的工程实用性。