捷联式惯导系统快速初始对准方法研究

针对初始对准过程中对准精度与快速性相矛盾的问题，提出并设计了把扩张状态观测器（ESO）与卡尔曼滤波滤波估计器相结合，用于捷联惯导系统初始对准的方法。数值仿真结果表明，该方法使对准过程所需要的时间大大缩短，并保证了较高的对准精度及较强的鲁棒性。     

基于小波检测的捷联惯导系统初始对准抗干扰新方法

针对车载捷联导航系统初始对准中的人为或阵风干扰等问题，提出了一种基于多尺度小波系数内积的干扰信号检测算法。该算法利用惯性敏感器的输出残差来建立用于检测突变信号的跟踪信号，并利用信号边沿或快变部分小波系数表现出的特性，构造了一种小波检测信号，通过小波检测有效地抑制了外界的干扰。粗对准实验证明该算法的有效性。     

基于伪地球坐标系的捷联惯导全球动基座初始对准算法

由捷联惯导系统建模原因造成的导航误差随纬度升高会被急剧放大,是实现惯导系统全球初始对准所面临的主要问题之一,且现有多种编排方案共存的全球初始对准算法也不利于初始对准算法在全球范围内统一。另一方面,极地地区越来越小的地球自转水平分量,使得极点及其附近的静态自对准是无法实现的,且动基座初始对准也有利于提高导航系统的快速反应能力。基于此,提出了采用伪地球坐标系惯导编排来实现惯导系统的全球动基座初始对准,消除由惯导建模造成对全球初始对准性能的影响,并期望探索一种统一导航编排的全球初始对准算法。最后通过仿真证明了该算法的可行性。     

捷联惯导系统多位置对准研究

利用把线性时变系统作为分段常系数系统来研究其可观性的方法,对多位置静态捷联惯导系统的误差方程进行了可观性分析,并采用卡尔曼滤波技术,对平台误差角及测量元件误差进行了估计,给出了两位置及三位置的方差仿真曲线。仿真结果表明三位置对准提高了方位误差角及垂直陀螺误差的可观度,从而加速了它们的收敛速度,提高了系统的对准、标定精度。     

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。     

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%。     

一种低成本捷联惯导系统的初始对准方法

提出适用于低成本捷联惯导系统的初始对准方法，即采用非线性对准模型和采样卡尔曼滤波（Unscented Kalman Filter）进行状态估计。推导了方位大失准角下的非线性对准模型，并与采用线性模型的对准方法进行了仿真比较。给出了系统加性噪声情况下的UKF递推算法，并应用于方位大失准角情况下的非线性对准。仿真结果表明采样卡尔曼滤波优于扩展卡尔曼滤波（EKF），且UKF无需计算Jacobian矩阵，与EKF相比实现更为简单。     

摇摆状态下捷联惯导系统初始对准技术的研究

研究了摇摆状态下捷联惯导系统的初始对准技术,提出了一种新的对准方案:将初始对准作为一种工作状态嵌入到导航解算中,利用姿态解算构建的“数学平台”来隔离基座的摇摆运动,同时采用二阶调平、方位误差估算方法完成初始对准。通过计算机仿真和三轴转台摇摆实验证明该方案可以有效实现摇摆状态下的对准。     

捷联惯导系统改进参数辨识初始对准方法

在线晃动干扰环境下,现有捷联惯导系统(SINS)参数辨识初始对准算法的观测方程建模存在不足,对准收敛速度和精度都会受到影响。提出了改进参数辨识初始对准算法,将计算干扰速度的平均值列入辨识模型参数,提高了初始对准的收敛速度和对准精度,此外,还推导了比力双重积分的参数辨识模型,有利于进一步抑制晃动干扰的影响。仿真结果表明,改进算法消除了现有对准算法中可能存在的固有偏差,获得更加平滑的失准角估计效果。     

捷联惯导系统初始对准中Kalman参数优化方法

针对Kalman滤波器在捷联惯导系统（SINS）初始对准中的应用，系统分析了Kalman滤波器参数（包括估计误差协方差阵初值P0，模型噪声方差阵Q和量测噪声方差阵R）选取对系统状态变量的估计精度和收敛速度的影响。采用协方差性能分析法，进行了Kalman滤波器参数优化仿真，仿真结果表明：调整扁的取值可改变状态变量估计的收敛速度，调整Q或R的取值，既可改变状态变量（尤其是陀螺误差）的收敛速度又可改变它们的估计精度。综合考虑时，局的取值要比真实值大一些，Q和R的取值要比真实值小一些，这样既可缩短陀螺误差和加速度计偏置误差的估计时间，又可提高它们的估计精度。中还给出了使滤波器正常可靠工作的P0、Q和R参数的范围。     

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。     

一种改进的粒子滤波算法在SINS初始对准中的应用

在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。     

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.     

基于UKF的旋转式SINS大方位失准角初始对准方法

旋转调制自补偿技术可以调制惯性元件的常值误差,从而提高惯性导航系统的导航精度。出于实际工程应用需求,研究了旋转式SINS大方位失准角初始对准方法。以单轴旋转式SINS为例,给出了单轴旋转式SINS大方位失准角非线性误差模型;根据系统误差模型的非线性特性,利用简化Unscented卡尔曼滤波(Unscented Kalman Filter UKF)算法,设计了系统的大方位失准角初始对准算法。数字仿真实验结果表明:在相同条件下,提出的UKF算法在收敛速度与对准精度方面均优于EKF算法;系统试验验证结果表明,采用本文提出的初始对准方法,系统的水平对准精度优于0.1′,方位对准精度优于1.5′,证明本文提出的初始对准方法在工程应用中是有效、可行的。     

基于重构伪地球坐标系的捷联惯导初始对准算法

针对捷联惯性导航系统的方位误差对系统误差特别敏感,容易引起闭环卡尔曼滤波初始对准的发散,提出了一种基于重构伪地球坐标系惯导机械编排的初始对准算法。重构伪地球坐标系惯导编排方案在初始位置实现了线性运动误差和方位误差之间解耦,从而消除了导航坐标系旋转角速度误差对方位对准的影响。因此该算法可以减小由系统误差引起的方位对准估计振荡,从而降低了对准系统发散的可能性,进而提高对准系统的稳定性,并改善了捷联惯导初始对准的性能。另外,它不仅适用于常规纬度初始对准,也可以解决极区静态对准问题。最后,常规纬度和极区静态对准仿真证明了该算法具有优良性能。     

基于四元数卡尔曼滤波的捷联惯导初始对准算法

针对晃动基座捷联惯导初始对准问题,研究了一种具有干扰抑制能力的初始对准算法。根据重力矢量在惯性空间投影构成一包含地球北向信息的旋转锥面的现象,利用坐标系惯性凝固假设将重力量测矢量和参考矢量分别投影到载体惯性坐标系和导航惯性坐标系,将晃动基座条件下的初始对准转化为基于重力量测矢量确定对准起始时刻的姿态问题。借鉴四元数线性伪量测方程的概念,利用重力投影矢量与初始姿态四元数的线性量测关系实现初始姿态四元数的直接滤波估计。初始姿态四元数在对准过程中为常值,以其作为待估计的状态可避免系统模型误差和初始误差的影响。利用转台模拟不同的摇摆对准环境,导航级惯导系统可在10 min内完成初始对准且方位误差小于3’。     

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.     

基于四元数自适应卡尔曼滤波的快速对准算法

针对捷联惯导初始对准问题,提出了一种具有干扰抑制能力的四元数自适应卡尔曼滤波初始对准算法。通过将初始对准问题转化为Wahba姿态确定问题,直接建立四元数的滤波模型,并采用自适应卡尔曼滤波对初始时刻姿态四元数进行估计,利用姿态四元数更新求出当前姿态来实时地反映载体的姿态变化。针对直接构建量测模型导致收敛速度慢的问题,提出一种基于最优四元数估计法构造K矩阵原理的改进算法。利用三轴转台模拟不同的摇摆环境进行实验,转台实验表明了改进算法具有较快的收敛速度和良好的稳定性及精度,中等精度的惯导系统在150s至200s的对准时间内,航向角均值误差小于2'。     

制导炮弹捷联惯导基于GPS的飞行中对准算法(英文)

提出了一种适用于制导炮弹上低精度MEMS IMU/GPS组合系统的飞行中初始对准算法。通过引入辅助的载体惯性系和导航惯性系,将所求姿态四元数分解为三部分:第一部分描述载体系相对于载体惯性系的姿态,由MEMS陀螺仪输出积分求解;第二部分描述导航系相对于导航惯性系的姿态,利用GPS位置输出解析求解;第三部分描述两辅助惯性系的相对姿态,采用Re-quest算法完成解算。详细讨论了算法误差、有效性条件,并对Re-quest算法进行了优化和简化。蒙特卡洛仿真结果表明,在弹体加速度以指数规律变化条件下,对准算法可以在10 s时间内达到水平误差小于0.2°(1?)、航向误差小于0.4°(1σ)的精度,完全满足制导炮弹组合系统初始对准的精度要求。     

基于强跟踪滤波器的SINS大失准角初始对准新方法

捷联惯性导航系统静基座初始对准时一般先进行粗对准,使失准角缩小到一定范围内从而满足小失准角假设下的线性误差模型,然后再进行精对准。在不进行粗对准时失准角一般为大角度,需要采用复杂的非线性误差模型和非线性滤波方法。研究发现通过设置合理的误差协方差矩阵初值,采用反馈校正滤波结构,并引入强跟踪滤波算法可以在大失准角情况下既无需粗对准,又无需采用非线性模型来实现精对准。仿真结果表明,该方法可以实现大失准角初始对准,鲁棒性好,在任意姿态初值下都可以使航向角在300 s内收敛到0.05°的理论极限精度,与小失准角精对准方法的速度和精度相当但省去了粗对准因而耗时更短,与无迹卡尔曼滤波在600 s时才收敛到0.5°的速度相比大为改善。