无陀螺捷联惯导系统角速度解算精度的研究

在无陀螺捷联惯导系统中,角速度的解算精度是技术关键,由于角速度是由载体上加速度计敏感出的比力解算出的,选择合理的方法解算角速度是提高其精度的根本,文中提出高解算精度的新途径,并以某型导弹为例,对其进行实时仿真,证明了它的可行性。     

基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

GFSINS姿态角速度解算滤波环节设计

姿态角速度解算是无陀螺捷联惯导系统（GFSINS）的关键技术之一,目前基于代数方法提取的GFSINS姿态角速度的精度无法达到导航要求。通过总结现有的姿态角速度信息代数提取方法,分析各提取方法的输出特点,设计了四类姿态角速度提取的滤波提取方案,并利用系统两路独立的姿态角加速度和姿态角速度输出,设计了一类组合滤波器。仿真结果表明该滤波器获得的姿态角加速度和姿态角速度输出精度和稳定性相对现有姿态角速度信息代数提取算法均有大幅度提高。     

采用粒子滤波的捷联惯导非线性快速初始对准算法

针对常规捷联惯导静基座初始对准模型维数高,难以保证粒子滤波实时性的问题,提出了一种适用于粒子滤波的二位置非线性快速初始对准模型。该模型利用二位置方法消除惯性器件的常值误差,因此无需对惯性器件误差进行状态扩展,从而在保证对准精度的前提下降低了粒子滤波的运算量。在二位置非线性快速初始对准模型中航向角是直接可观测的,因此可以提高航向角的对准精度和速度。仿真结果表明,采用基于粒子滤波的二位置非线性快速初始对准方法,水平姿态精度在6″以内,航向角精度为10′以内,还较好地满足了粒子滤波应用于捷联惯性导航系统初始对准中的实时性要求,有效提高了初始对准的速度。     

H^∞鲁棒滤波在惯导初始对准中的应用

本给出了惯导系统初始对准的非线性模型,针对一般非线性滤波线性化所引起的模型误差,提出了H^∞鲁棒滤波方法,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明,该方法比二次滤波等方法计算量大大减小,精度要高;对于非线性模型,在存在模型误差或噪声不确定情况时,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法。     

基于Krein空间的鲁棒Kalman滤波在传递对准中的应用研究

基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准，并与标准Kalman滤波进行了比较。仿真结果表明，在垂直比力参数存在摄动的情况下，如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当，它的精度鲁棒性优于标准Kalman滤波。     

H~∞鲁棒滤波在惯导初始对准中的应用

本文给出了惯导系统初始对准的非线性模型 ,针对一般非线性滤波线性化所引起的模型误差 ,提出了 H∞ 鲁棒滤波方法 ,并与卡尔曼滤波器、二次滤波等方法进行了比较。仿真结果表明 ,该方法比二次滤波等方法计算量大大减小 ,精度要高 ;对于非线性模型 ,在存在模型误差或噪声不确定情况时 ,其滤波性能远优于扩展卡尔曼滤波及其它非线性滤波算法     

鲁棒匹配点颤振预测的高效μ方法

基于含有参数不确定性的时域鲁棒颤振μ预测工具, 首先提出一种不确定多项式建模方法, 该方法通过线性分式变换(LFT)最终可以得到较低阶次不确定描述; 然后, 考虑到参数不确定问题中实μ(realμ)的计算复杂性, 又提出一种包含二分法的鲁棒颤振预测技术, 该方法是基于在一定飞行范围内飞行速度与气弹系统稳定性间的简单关系, 它能够避免鲁棒匹配点颤振预测中包含的高阶速度摄动块, 从而大大提高颤振预测的计算效率. 最后数值验证和对比表明了该方法的高效性.      

一种用于无陀螺捷联惯导系统的角速度融合算法

无陀螺捷联惯导系统(GFSINS)是用加速度计的合理空间组合解算出载体的角速度。载体角速度的解算精度是GFSINS的技术关键。在分析GFSINS九加速度计配置方案的基础上,提出一种新的角速度融合算法,消除该方案解算过程中开方计算及符号判断带来的误差。该算法还明显抵消了加速度计输出中包含的常值零点偏移误差和温度漂移误差等,具有实时性好、计算量小、通用性强的优点。仿真计算表明该算法可行,并能在一定程度上提高系统解算精度。     

基于Elman神经网络和Kalman滤波的捷联惯导精对准

在采用Kalman滤波进行捷联惯导精对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于Elman神经网络和Kalman滤波的捷联惯导精对准方法.首先对已知噪声统计特性的系统进行Kalman滤波,将稳定可靠的状态估值作为网络期望输出用来训练Elman网络,然后再用训练好的网络对未知噪声统计特性系统进行状态估计.利用仿真数据对该算法进行验证,结果表明该算法能够克服Kalman滤波精对准的缺陷,提高了对准精度,尤其是航向角的精度.     

基于边缘采样UKF滤波的捷联惯导初始对准方法

设计了基于四元数的捷联惯导非线性初始对准模型,同时指出该模型仅仅是姿态误差四元数和速度误差的非线性函数,而对于惯性器件误差而言则是线性的。针对该模型的部分线性特性,设计了基于边缘采样的UKF滤波算法,该算法仅对状态量中的非线性子集进行采样,因此对于部分线性模型而言,该算法在不损失滤波精度的前提下能够有效降低算法计算量。仿真及车载实测数据实验表明所研究的初始对准模型和相应的滤波算法是有效的,而且较传统方法具有明显的计算量方面的优势;在达到相同对准精度的前提下,所设计算法的计算量较传统算法降低了52%。     

旋转式光纤捷联惯导系统的误差效应分析

旋转式光纤捷联惯导系统的误差效应研究关乎系统的设计和精度的提高.在建立惯性元件误差模型的基础上,分析了系统的旋转调制原理,推导了惯性元件的零偏、安装误差、标度因数误差和随机误差在单轴单方向旋转下产生的误差效应,仿真研究了转速大小对系统精度的影响.结果表明,旋转调制可以有效补偿与转动轴垂直方向惯性元件的零偏,且转速越大效果越好;旋转调制会引入额外的标度因数误差效应,且转速越大误差越大.在设计旋转式捷联惯导系统时,要求惯性元件的标度因数误差和安装误差尽可能小,并且转速不宜过大,采取正反旋转相结合的方式可以取得更显著的误差补偿效果.     

Instantaneous spectrum estimation of earthquake ground motions based on unscented Kalman filter method

Representing earthquake ground motion as time varying ARMA model,the instantaneous spectrum can only be determined by the time varying coefficients of the corresponding ARMA model.In this paper,unscented Kalman filter is applied to es- timate the time varying coefficients.The comparison between the estimation results of unscented Kalman filter and Kalman filter methods shows that unscented Kalman fil- ter can more precisely represent the distribution of the spectral peaks in time-frequency plane than Kalman filter,and its time and frequency resolution is finer which ensures its better ability to track the local properties of earthquake ground motions nd to identify the systems with nonlinearity or abruptness.Moreover,the estimation results of ARMA models with different orders indicate that the theoretical frequency resolving power of ARMA model which was usually ignored in former studies has great effect on the estima- tion precision of instantaneous spectrum and it should be taken as one of the key factors in order selection of ARMA model.     

基于奇异值分解的多重渐消鲁棒Cubature卡尔曼滤波及在组合导航中的应用

为了提高标准Cubature卡尔曼滤波（CKF）的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波Cubature卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。     

捷联惯性组合误差模型相关性分析方法

在实际应用中通过捷联惯性组合误差模型可以将测量值转换成载体导航解算的需要量,而误差模型中的误差系数一般通过标定试验获得。以往认为误差模型中各误差系数相互独立,但通过实际计算可以发现并非如此。为了考量各系数相关性关系,提出了一种相关性分析方法。首先,提出了捷联惯组加速度计输出方程。之后,运用统计学的相关方法计算出了各系数的相关系数和协方差矩阵,并推导出了测量值和误差系数的分布特性之间的关系。最后,通过加速度计组合的实际测试,分别计算了不包含和包含拟合残差的统计数值。通过与输出值进行比对,验证了相关性分析方法的正确性,并表明拟合残差对于统计特性的计算具有重要作用。     

基于自适应无迹粒子滤波的SINS大方位失准角初始对准

针对捷联惯导系统大方位失准的情况进行分析,提出了采用了自适应UPF滤波进行初始对准的方法。该滤波器基于强跟踪滤波器的思想,通过引入衰减记忆因子有效增强当前信息残差对系统的修正作用,在一定程度上降低了由于系统简化、噪声统计特性不确定对系统造成的影响,同时较好地克服了UPF中粒子退化的现象。当系统噪声统计特性确定时,自适应UPF水平对准时间比UPF对准时间大约少200 s,方位对准时间大约少150 s,对准结束后,自适应UPF对准的纵摇、横摇以及航向误差均值分别为?0.018?、0.0074?、?0.8609?,UPF对准对应的值分别为0.0209?、0.0189?、1.0983?。当系统噪声统计特性不确定时,自适应UPF水平对准时间比UPF对准时间大约少400 s,方位对准时间大约少450 s,对准结束后,自适应UPF对准的纵摇、横摇以及航向误差均值分别为0.0105?、0.0122?、?0.7304?,UPF对准对应的值分别为0.0454?、0.0278?、2.8174?。仿真结果表明:在系统噪声统计特性确定或不确定的情况下,自适应UPF能在一定程度上提高大方位失准捷联惯导系统的初始对准速度和对准精度。     

粒子群算法优化的捷联罗经初始对准方法

初始对准是惯导系统的关键技术,罗经法对准是实现捷联惯导系统初始对准的重要手段。罗经对准回路的参数选择直接影响对准结果的好坏。对于不同的捷联惯导系统,罗经回路的最优参数也是不同的。传统的方法是根据经验以及大量的反复试验确定罗经对准参数,不能保证对准参数为最优。针对此问题,提出以水平罗经对准回路阻尼振荡周期T_(d1)和航向罗经对准回路阻尼振荡周期T_(d2)为寻优目标,用粒子群算法对参数(T_(d1),T_(d2))进行寻优的方法,以确定出满足条件的最优对准参数,从而提高捷联罗经初始对准的性能。实验结果表明:粒子群算法能够快速、准确地搜索出罗经对准回路的最优参数,提高捷联罗经对准的性能。将粒子群算法应用到捷联罗经初始对准中是有效的。     

捷联惯组减振系统角振动、线振动共振频率理论分析

当前实际工程中,角振动试验技术和设备尚不成熟。以指导捷联惯组减振系统设计过程为目的,结合捷联惯性组合减振系统对角共振频率的特殊要求,对线振动、角振动共振频率的关系进行了分析与讨论。建立了捷联惯性组合减振系统的动力学模型,得到了捷联惯组减振系统数学模型,利用刚体动力学方法分析捷联惯组的转动惯量和回转半径,得出理想情况下捷联惯性组合减振系统线共振、角共振频率存在一定的比例关系,并与减振器安装中心到转动中心线的平均距离和惯组回转半径有关的结论。最后讨论了改变减振系统刚度和减振器布置方式两种改变共振频率的方法,并对两种方法进行了比较。     

基于水力瞬变与扩展卡尔曼滤波的管道流体监测与泄漏定位

引入一种长输管道流体监测与泄漏定位的新方法,将管道流动的瞬变流模型转化为状态空间模型的描述,以管线沿程流量、压强水头为状态变量,管道进口流量和出口压力视做非线性动态系统的控制输入,出口流量和进口压力观测序列构成系统的测量向量。基于小信号原理首先线性化处理非线性模型,然后用扩展的卡尔曼滤波器结合传统的双曲方程特征线解法估计泄漏尺寸与位置,并实时模拟出管道流体的压力流量过程及其沿管道的分布。试验和仿真算例表明此法模拟的管道流动状态能较快收敛到稳定状态,并且泄漏尺寸估计与定位的结果与给定值比较吻合。因此引入扩展的卡尔曼滤波能够提高瞬变流模拟管道非定常流动的准确性和跟踪能力。