单轴旋转SINS方位陀螺漂移分析与估计

单轴旋转SINS的方位陀螺漂移对长航时导航精度至关重要,方位陀螺漂移的估计是单轴旋转SINS的关键技术之一。通过对单轴旋转SINS方位陀螺漂移估计的主要影响因素进行分析,提出将水平阻尼网络引入到导航流程中,建立带水平阻尼网络的误差模型,利用位置匹配Kalman滤波对方位陀螺漂移进行估计,并设计了一种合理的估计流程,能够全面估计出惯性器件零偏,保证了方位陀螺漂移的估计精度。数学仿真和海上试验结果表明,对陀螺角度随机游走系数约为0.001(°)/h～(1/2)的SINS,经过6 h的估计流程后方位陀螺漂移估计精度优于0.001(°)/h,估计完成后转入纯惯性导航定位精度优于1.5 n mile/24 h(max),验证了该方法的可行性。     

基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

基于非机动窗口捕捉的陀螺漂移在线补偿方法

针对中低精度自主导航要求,基于MEMS惯组中的加速度计与磁力计,提出一种基于非机动窗口捕捉的陀螺漂移在线补偿方法。通过加速度计输出值判定飞行状态,捕捉非机动窗口。利用地磁矢量以及重力矢量估计陀螺漂移并修正姿态误差。在陀螺漂移6°/h,磁力计精度100 nT的仿真条件下,能有效估计出陀螺漂移,姿态精度优于3′。在80 mg加速度计噪声干扰下定姿精度优于8′,同等条件下比现有互补滤波算法精度提高50%。基于转台开展了MEMS惯组ADIS16488的物理试验,结果表明,所提出算法能有效修正姿态误差,比现有的互补滤波算法更具有抗机动性。所提出方法完全自主,精度较高,可显著提升中低精度惯组中陀螺的性能,具有工程应用价值。     

陀螺零偏二次模型参数的系统级辨识算法

以单轴旋转光学捷联惯性导航系统为原型,假设水平陀螺常值漂移的影响得以完全调制,方位陀螺漂移为随时间变化的二次模型,在水平阻尼工作模式下推导了系统位置误差与方位陀螺漂移之间严格的数学关系。分别设置了方位陀螺漂移仅有常值项、一次项、二次项和全系数误差的误差模型,利用递推最小二乘算法成功辨识出设定的二次模型中各个参数值。仿真结果表明,常值项首先被辨识出来,估计时间约为14 h,估计误差为6.54e-6(°)/h;一次项系数估计时间约为30 h,估计误差为2.73e-8(°)/h;二次项系数估计时间约为42 h,估计误差为1.51e-9(°)/h;全系数估计需要45 h,估计误差为7.28e-6(°)/h。辨识结果验证了该算法的正确性。实际系统中,可适当增加总的辨识估计时间,以达到更高精度的辨识结果。     

法向量位置模型下旋转调制惯导极区综合校正算法

为抑制极区惯性导航系统随时间积累的导航误差，提出一种基于法向量位置模型的综合校正算法，对旋转调制惯导系统的等效方位陀螺常值漂移进行了估计。在法向量位置模型下建立了位置误差与漂移角之间的数学模型，推导了漂移角和等效方位陀螺常值漂移的方程，在外水平阻尼条件下设计实现了综合校正算法。基于北极实际航测数据的处理试验结果表明，提出的综合校正算法具有全球适用性，能够估计等效方位陀螺常值漂移以提高导航定位精度，采用所提综合校正算法后的归一化定位误差相比于阻尼后的结果大约减小53%。     

基于递推最小二乘的水下声学应答器在线标定方法

针对水下应答器在线标定问题,提出了一种基于递推最小二乘的应答器标定方法,其在解算间隙不断插入历史数据进行循环解算并引入遗忘因子加快算法收敛。为了提高算法稳定性,在标定最后用改进消元法对结果进行比对,以避免递推最小二乘法结果陷入局部收敛。改进消元法在传统方法基础上加进了声速修正方法以提高定位精度。对影响标定精度的误差因素进行了分析,对标定时不同的航行路径带来的定位效果进行了比较得出最优路径。仿真结果表明,递推最小二乘法不但能够在线估计,而且具有与实时性和高精度特点,具有很好的效果,相比于传统消元法有显著提高。最后在千岛湖实验中,采用所提出的方法对应答器进行了标定,标定精度优于10 cm,保证了水下应答器高精度标定的实施。     

基于ASYM的激光陀螺捷联惯性系统温度误差模型辨识

为减小温度对导航精度的影响,实现系统级的温度补偿,在实验中采用静态条件下的标定方法;基于激光陀螺捷联惯性系统的误差模型方程,用广义逆算法顺利分离求得陀螺各零偏及标度因数值;根据以往温度误差模型的结构特点,运用渐近辨识方法(ASYM)中的最终输出误差准则(FOE)对温度误差模型中非线性部分的阶次进行准确的计算,确定了合理的温度误差模型结构。为了解决用最小二乘法辨识模型结构的系数时,信息矩阵求逆容易溢出的问题,采用了自适应的岭估计算法确定陀螺零偏温度误差模型的系数,实现了系统级的温度误差建模。所得到的温度误差模型补偿效果比定阶前明显提高。     

环形激光陀螺人工神经网络温度漂移建模

研究了系统在常温条件下开机后,壳体密闭条件下环形激光陀螺(RLG)漂移的温度特性建模问题。一系列不同环境温度条件下的RLG自升温实验表明,由于系统壳体的保温和隔温功能,系统内部温度场变化缓慢、均匀,此时漂移的变化主要与内部温度场的温度值变化相关。利用一组25℃-55℃范围内静态漂移测试数据作为学习样本,建立起基于BP和RBF神经网络的温度漂移补偿模型,并利用四组不同测试条件下测得的静态数据对文中模型进行检验。结果表明,若采用均方根误差(RMS)指标进行评价,则得到的温度漂移模型可以有效补偿RLG的漂移输出趋势项,使陀螺的稳定性指标提高20%-40%,且BP网络建模补偿精度优于常规最小二乘中的一阶线性分段拟合,RBF网络建模优于二阶抛物线分段拟合。     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法（英文）

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成。将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高。由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正。由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息。动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算。     

两种多天线GNSS定姿方法的精度分析

基于高精度多天线GNSS基线分量及精度估计结果,实现了两种常用的多天线定姿方法:直接姿态法和最小二乘姿态法。利用一套车载三天线GNSS实测数据和高精度惯性导航系统(陀螺漂移0.005(°)/h,加速度计零偏优于10~(-3)g)输出的姿态结果,深入分析了两种定姿方法的内、外符合精度。实验结果表明:两种定姿所解算的航向角、俯仰角和横滚角的精度分别为:直接法的内符合精度约为0.3°~0.5°、0.3°~1.0°、0.5°~1.0°,最小二乘法约为0.1°、0.2°~0.5°、0.5°~2.0°,即最小二乘法对航向角估计有明显改善,对俯仰角和横滚角改善不明显;两种方法的姿态外符合精度(消除航向系统偏差)基本一致,约为0.08°、0.15°、0.42°,但是最小二乘法得到的航向角系统偏差更小。