一种改良Kalman滤波参数辨识粗对准方法

针对传统基于g信息的粗对准的捷联惯导系统中,受传感器噪声的影响,存在效视运动无法提取和双向量共线的缺点,提出了一种基于改良Kalman滤波的参数辨识粗对准方法。该方法通过构建视在重力在初始载体系中的映射模型,利用改良Kalman滤波进行模型参数辨识,然后通过识别参数重新构建视在重力在初始载体系中的映射,解决了由于传感器噪声导致有效视运动无法正常提取的缺点。利用识别参数具有随估计次数增多得到优化的特点,构造初始时刻和最终时刻向量,避免双向量共线问题。利用改良Kalman滤波算法的自适应特点,优化参数识别精度与速度。转台实验表明,采用改良Kalman滤波方法航向对准精度为-0.0414°,标准差为0.041°,而传统RLS方法得到的航向精度为-0.0738°,标准差为0.128°。由此可知,本文提出的方法性能更优。     

自适应Kalman滤波在SINS初始对准中的应用

为了提高捷联惯导系统的对准精度和收敛速度,提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况,推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法,在噪声统计特性已知的情况下,使用比较方便;多数情况下,噪声统计特性是处于未知状态,从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正,使系统达到最佳的滤波效果。通过仿真验证,该自适应滤波算法有效地提高了收敛速度和对准精度。     

未知纬度条件下基于重力视运动与小波去噪的SINS自对准方法

基于惯性系的双矢量定姿方法选择惯性系中的两个重力视运动向量作为不共线矢量,解决了传统双矢量定姿方法在晃动基座条件下易受载体角运动干扰而无法实现对准的问题,但该方法仍需要精确的地理纬度信息以参与对准计算。针对未知纬度条件下的SINS抗晃动自对准问题,提出了一种基于重力视运动的三矢量自对准方法。该方法将初始对准问题归结为求解当前时刻导航系相对于初始时刻载体系的姿态矩阵问题,并利用矢量运算进行求解,仿真结果表明:加速度计随机测量噪声会映射为重力视运动随机噪声,降低对准精度;当加速度计随机噪声量级较大时,会带来对准计算失败。针对噪声问题,引入Daubechies(db4)小波进行5层分解来实现对重力视运动的降噪,并选择去噪后的重力视运动向量参与三矢量定姿解算,仿真结果表明:db4小波具有良好的去噪效果,基于小波去噪的三矢量自对准方法可以有效完成未知纬度条件下的SINS初始对准。     

未知纬度的捷联惯导系统晃动基座自对准方法（英文）

传统捷联惯导系统晃动基座对准方法中,一般要求提供当地准确的地理纬度信息,如果给定的纬度存在误差,会对初始对准精度造成影响。针对纬度未知情况下的晃动基座对准问题,提出了利用三个不同时刻的重力视运动向量的运算进行对准的方法,推导了三矢量定姿对准的基本原理。针对含有随机噪声的加速度计测量值构造的重力视运动向量会导致向量运算时出现共线向量的问题,设计了一种基于平均权重系数的自适应卡尔曼滤波器,能在未知动态环境下有效去除加速度计随机噪声,提高对准精度。仿真和试验结果表明,该方法可在纬度未知条件下完成捷联惯导系统晃动基座下的自对准并估计出纬度值,对准精度可达惯性器件误差所决定的对准极限精度。     

未知纬度的捷联惯导系统晃动基座自对准方法

传统捷联惯导系统晃动基座对准方法中,一般要求提供当地准确的地理纬度信息,如果给定的纬度存在误差,会对初始对准精度造成影响.针对纬度未知情况下的晃动基座对准问题,提出了利用三个不同时刻的重力视运动向量的运算进行对准的方法,推导了三矢量定姿对准的基本原理.针对含有随机噪声的加速度计测量值构造的重力视运动向量会导致向量运算时出现共线向量的问题,设计了一种基于平均权重系数的自适应卡尔曼滤波器,能在未知动态环境下有效去除加速度计随机噪声,提高对准精度.仿真和试验结果表明,该方法可在纬度未知条件下完成捷联惯导系统晃动基座下的自对准并估计出纬度值,对准精度可达惯性器件误差所决定的对准极限精度.     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

基于PF的SINS动基座初始对准

捷联惯性导航系统大方位失准角的误差模型是非线性的,传统的扩展卡尔曼滤波(Extended Kalman Filter, EKF)会产生线性化误差,影响初始对准精度.在给出捷联惯性导航系统动基座大方位失准角误差模型的基础上,推导了粒子滤波方法(Particle Filter, PF),并将扩展卡尔曼滤波、基于Scaled-Unscented变换的Unscented卡尔曼滤波(Unscented Kalman filter, UKF)和基于Residual重采样的粒子滤波用于捷联惯性导航系统的初始对准中,分别进行了加速和拐弯条件下的初始对准实验仿真.仿真结果表明,在大失准角情况下,粒子滤波相对于扩展卡尔曼滤波和Unscented卡尔曼滤波具有更高的对准精度和更快的收敛速度.     

快速传递对准用联合强跟踪Kalman滤波器设计与仿真

针对用于快速传递对准的卡尔曼滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,提出采用联合强跟踪Kalman滤波器进行快速传递对准。文中设计了联合强跟踪Kalman滤波器的结构和算法,同时利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统鲁棒性和对准精度。     

低成本捷联惯导系统初始对准方法

为了缩短低成本捷联惯导系统初始对准时间并提高对准精度,给出了一种基于微型电子罗盘的初始对准方法。首先利用电子罗盘辅助加速度计完成粗对准,然后,分别设计了自适应扩展卡尔曼滤波器和平淡卡尔曼滤波器（UKF）用于精对准。实验结果显示,在系统量测噪声方差阵未知时,在滤波器中加入自适应方法能有效的提高对准精度;而采用非线性滤波的UKF算法,即使在粗对准之后方向失准角比较小的情况下,也可获得比线性滤波更优的对准精度和快速性。     

GNSS辅助捷联惯导行进间对准自适应滤波方法

针对车载武器系统快速发射需求,提出一种基于GNSS辅助的捷联惯导行进间对准自适应滤波方法。该方法把行进间传递对准分为粗对准与精对准两个阶段。粗对准阶段以GNSS为观测基准完成对捷联惯导姿态的粗捕获,降低初始偏差不确定性对于精对准阶段的影响。在精对准阶段,考虑到车载系统的运动特性,提出一种"水平+方位"行进间对准双滤波器并行的设计思路,利用车载系统在不同时间段的动力学特性,对三轴姿态估计进行分时解耦,实现初始姿态的高精度估计;与此同时,引入协方差成形自适应调节过程,以最小化Frobenius范数为优化指标,实现对行进间对准卡尔曼滤波器的自适应调节,增强系统鲁棒性。数值仿真表明,协方差成形自适应卡尔曼滤波方法能够有效保证系统在全运动剖面内的稳定,结合双滤波器并行方案能够有效解决行进间对准精度不高与稳定性欠佳等问题,水平对准精度优于1.5′(1σ),方位对准精度优于6′(1σ)。     

炮载捷联惯导晃动误差补偿方法

以某型自行火炮为研究对象,分析了其在匀速直线行驶过程中车体晃动的特点。提出了利用加速度信息修正陀螺信息的晃动补偿新方法,并详细推导了补偿公式,利用传统解析法实现了自行火炮在匀速直线行驶条件下粗对准。仿真结果表明,利用加速度计信息可以准确得出当前姿态角和角速度,并且能够有效补偿陀螺晃动误差。在跑车试验中,首先利用FIR数字滤波器处理加速度计输出信息,然后用所提补偿方法补偿陀螺输出,结果表明在匀速直线行驶条件下,经过晃动补偿后传统解析式粗对准的精度与未经补偿的惯性系粗对准的精度相当,水平失准角均优于0.1021mil,航向失准角优于3.8603mil,表明该方法具有良好的工程适用性。     

基于角速率积分法的光纤陀螺标度因数不对称度测量方法

标度因数不对称度是评价光纤陀螺的一项重要指标,对其进行精确测量在高精度导航应用中具有重要意义。传统的测试方法受转台速率控制精度限制,很难精确测量小于1×10-6的不对称度。首次提出基于角速率积分的标度因数不对称度测量方法。该方法给定转台正反方向转动的角度,由固定在转台上的被测光纤陀螺进行角速率测量,并对输出值积分,从而得到标度因数不对称度。该方法基于转台位置控制,避免了转速不稳定及正反向转速不对称等因素造成的影响。还对可能引起测量误差的因素进行了分析。最后采用角速率积分法测得高精度光纤陀螺标度因数不对称度小于1×10-6。     

一种有效的广义特征值分析方法

提出了一种适合于自适应有限元分析中求解广义特征值问题的多重网格方法．这种方法充分利用了初始网格下的结果，通过插值或最小二乘拟合技术来得到网格变化后的新的近似特征向量，然后由多重网格迭代过程实现对结构广义特征值问题的求解．在多重网格迭代的光滑步中，选择了收敛梯度法以提高其收敛率；在粗网格校正步中，则导出了一种近似求解特征向量误差的方程．这种方法将网格离散过程和数值求解过程很好地相结合，建立了一个网格细分后广义特征值问题的快速重分析方法，与传统有限元方法相比较，具有计算简便、计算量少等特点，可以作为结构动力问题自适应有限元分析的一种十分有效的工具．     

一种单轴旋转捷联惯导系统抗晃动快速自对准方法

为满足对惯导系统的快速反应和高精度要求,针对单轴旋转捷联惯导系统,提出了一种抗晃动快速自对准方法。在捷联惯导单轴往复旋转的基础上,首先采用一种抗晃动基座粗对准方法完成初始航姿的计算,然后在粗对准的基础上,采用一种惯性系下速度为观测量的闭环Kalman滤波方法完成精对准。实际车载试验验证表明,在总对准时间不大于300 s的情况下,该方法下系统航向对准精度优于1′/cos(RMS),水平对准精度优于0.2′(RMS)。该方法算法简单,计算量小,应用于单轴旋转捷联惯导系统时对准速度快,精度高,具有很好的工程应用价值。     

晃动基座行进间对准问题的QUEST算法

针对惯导系统晃动基座行进间初始对准问题,提出了一种基于重力矢量的QUEST(Quaternion Estimator)姿态最优估计算法。在传统基于重力矢量的初始对准方法基础上,将方向余弦矩阵的求解过程转换为Wahba问题,实现对重力矢量信息的充分利用,并通过QUEST算法实现了晃动基座下行进间粗对准的最优算法,改善了原有算法鲁棒性以及实时性等方面的问题。仿真和湖试实验验证表明,更改后的算法能够明显提高惯导系统在动基座下的姿态估计速度和精度,特别在周期性线振动环境下的对准精度能够提高一个数量级。多航次的湖试实验结果表明,改进后的算法能够有效提高航向对准精度,综合导航速度精度能够提高50%左右。     

光纤陀螺标度因数的测试误差分析

为了进一步提高光纤陀螺标度因数的测试精度,对光纤陀螺标度因数测试过程进行理论分析,确定了影响光纤陀螺标度因数测试误差的主要因素,并进行了计算机仿真和实验验证。结果表明:由于安装误差、北向地速分量以及转台速率精度的影响,光纤陀螺测试起始位置和采样时间的选择均会给小速率标度因数不对称性和非线性度的测试带来误差,而大速率标度因数的测试基本不受影响;通过对各输入速率点进行整圈采样,可以有效地降低小速率标度因数的测试误差,使其测试精度提高1个量级以上,实现对光纤陀螺标度因数性能更加准确的测试。     

大陀螺零偏条件下的快速传递对准算法

针对某些某些微机械陀螺零偏重复性差的特点,提出了滤波反馈修正和陀螺零偏粗对准预处理两种方法,使“速度＋姿态”快速传递对准算法在大陀螺零偏条件下能够不损失估计精度。在简要介绍“速度＋姿态”．决速传递对准算法数学模型的基础上,探讨了大陀螺零偏导致的惯导系统非线性误差。为减小上述非线性误差的影响,提出用每一步滤波估计值修正子掼导状态的反馈修正方法,和在进行卡尔曼滤波前直接测量比较主、子惯导陀螺输出的陀螺零偏粗对准预处理方法。仿真结果表明,采用上述两种方法,快速传递对准算法可在陀螺零偏过大的情况下保持算法的有效性和估计精度。     

基于有色噪声的改进卡尔曼滤波方法

为了解决实际工程中微机械惯性测量单元加速度计数据存在有色噪声导致计算的姿态角波动异常的问题,提出一种基于有色噪声的改进卡尔曼滤波方法。通过对有色噪声的特点进行分析,建立了针对有色噪声的状态预测协方差公式、卡尔曼滤波增益公式、系统状态与动态有色噪声的协方差公式、测量值与观测有色噪声的协方差公式,推导出处理有色噪声的卡尔曼滤波公式。仿真试验表明,改进的卡尔曼滤波方法能有效解决有色噪声导致的姿态角波动异常问题,证明了基于白噪声的卡尔曼滤波是基于有色噪声卡尔曼滤波的特例。