一种自适应H_∞滤波的运动学约束惯性导航方法

纯捷联惯性导航系统的精度主要受限于传感器精度,为了在固有的传感器精度上进一步提高纯捷联惯性系统导航精度,提出了一种基于自适应H_∞滤波的运动学约束辅助惯性导航算法。利用运动约束条件,将载体系中的侧向和上向速度作为量测量,将纯捷联惯性导航系统输出的姿态误差、速度误差及传感器误差作为状态量,采用一种能够自动调节滤波器参数的自适应H_∞滤波方法以提高系统性能。实验结果表明,所提出的自适应H_∞滤波运动学约束算法与无约束纯惯导算法相比能够提高23.7%～81%的定位精度,与无自适应H_∞滤波运动学约束算法相比能够提高16.3%～62.2%的定位精度。     

基于状态约束的MIMU/磁强计组合姿态估计滤波算法

构建了基于MEMS技术的陀螺、加速度计、磁强计及空速计组合的微小型飞行器姿态测量系统.研究了基于四元数的扩展卡尔曼滤波算法.取姿态误差四元数和陀螺随机漂移构建状态向量,通过误差四元数微分方程和陀螺随机误差模型建立卡尔曼滤波状态方程,采用速度信息实时补偿加速度计输出值得到重力矢量,利用重力矢量估计水平姿态,通过滤波补偿姿态误差,降低了对陀螺的精度要求.将状态向量之间的约束方程作为伪量测方程引入到量测模型中,解决了由于状态向量相互约束导致的滤波发散和奇异.动态飞行滤波噪声的自适应调整增强了系统性能.仿真和实验表明,该滤波算法能够有效避免系统的漂移,提高系统测量精度和稳定性.     

制导炮弹飞行姿态的卡尔曼滤波估计方法

制导炮弹控制系统要求炮弹飞行姿态测量信息具有良好的准确性和实时性.为解决制导炮弹飞行姿态的高精度滤波估计问题,根据外弹道攻角运动方程和MEMS角速度陀螺测量方程分别建立姿态角滤波系统状态模型和量测模型.考虑实际陀螺随机白噪声的影响,结合弹载全球定位系统信息及地面弹道试验数据,并利用非线性卡尔曼滤波估计方法,对制导炮弹飞行姿态进行了滤波估计.为提高滤波估计效率,对比了Unscented卡尔曼滤波和一种混合卡尔曼滤波两种非线性滤波估计方法,滤波估计结果表明两种方法得到的姿态精度均能满足测量要求,而运算效率后者相对前者可提高约6％,稳定性也较好,因此在工程上更实用.     

基于自适应联邦滤波的传递对准算法

为了提高传递对准的对准速度和对准精度,研究了基于自适应联邦滤波的"速度 姿态角"传递对准的算法,在状态变量中加入了安装误差角和挠曲变形角,在算法中进行了估计并补偿。为了保证滤波的实时性,采用联邦滤波的方法,分别建立了速度匹配子滤波器、姿态角匹配子滤波器和主滤波器的模型,给出了状态方程和量测方程。在子滤波器中利用模糊控制器对噪声特性进行了自适应调整以解决系统噪声和量测噪声是未知情况下滤波发散或者精度不高的缺点从而增强系统的鲁棒性。最后在载体匀速直线加三轴摇摆的运动模型下进行了仿真,结果表明该方法能够有效地估计安装误差角和部分挠曲变形角,并且能够以一定精度完成初始对准。     

一种用于无人机姿态测量的红外地平仪算法改进

针对现有算法存在的飞行前必须进行环境参数标定,无法抑制飞行过程中环境参数漂移的缺陷,提出了一种无人机红外地平仪姿态解算的改进方法。该算法简化了传感器模型,使得姿态解算方程消去了环境参数,实现了无需在飞行前进行环境参数标定,简化了使用流程,并克服了飞行过程中环境参数漂移对姿态解算精度的影响,还避免了现有方法中需切换解算方程导致的误差跳跃。地面实验证实了改进方法相对现有方法的改进,验证了改进模型的准确性。机载飞行实验结果表明,在实际飞行中姿态角测量精度得到提高,误差连续平滑;滚转角度与俯仰角度的均方根误差由原有的4.4°和2.8°,降低至1.9°和1.8°。利用基于该算法的红外地平仪使固定翼无人机实现了自主飞行。     

基于单目视觉的位置姿态测量系统精度检校方法

针对高精度位置姿态测量系统的姿态检校问题,提出一种单目视觉检校方法。首先分析了合作靶标精度对单目视觉姿态测量精度的影响,利用合作靶标实现视觉高精度姿态测量;然后提出基于正交矢量和动态滤波的联合标定法,标定出靶标坐标系和惯性测量单元之间的转换矩阵关系;最终实现了具备高精度姿态精度的单目视觉检校系统。实验结果表明,单目视觉检校系统静态姿态误差均方根为2.1',动态姿态误差为4.4',可以为高精度位姿系统提供姿态精度检校。     

一种新型自适应模型预测组合滤波在在线标定中的应用

为了提高捷联惯性导航系统在线标定的精度和实时性,根据模型预测滤波算法和Sage_Husa自适应卡尔曼滤波算法的优点,提出了一种新的自适应模型预测组合滤波算法。该算法首先利用模型预测滤波算法估计出系统模型误差,并对系统状态方程实时修正,以减小系统模型误差对导航精度的影响;然后利用简化的自适应滤波算法对量测噪声在线调整,修正噪声统计特性,以提高滤波精度。将提出的算法进行在线标定仿真实验,并与传统的卡尔曼滤波在线标定算法进行比较,结果表明,提出的自适应模型预测组合滤波算法能有效完成在线标定,且标定精度和收敛速度均优于传统方法。     

基于输入成型的挠性航天器自适应姿态控制（英文）

针对快速调姿挠性航天器的姿态控制问题,提出一种基于输入成型的自适应姿态控制方法,解决俯仰、偏航、滚转三通道的控制耦合问题,抑制航天器挠性振动、提高姿态控制精度。首先,建立了考虑弹性振动、执行器故障及惯量不确定性的挠性航天器姿态动力学模型。基于欧拉轴角提出一种姿态机动参考轨迹设计方法,避免了俯仰、偏航、滚转三通道的耦合问题。通过多模输入成型方法对姿态机动参考轨迹进行修正,以抑制航天器弹性振动。采用自适应容错控制方法对修正后的参考轨迹进行跟踪,以实现挠性航天器快速姿态机动任务。数值仿真结果表明,与传统PD姿态控制方法相比,所提出的基于输入成型的挠性航天器自适应姿态控制方法可将残余弹性振动幅值和姿态控制偏差降低两个数量级,验证了该方法的有效性。     

抗差自适应模型预测滤波及其在组合导航中的应用

为了提高捷联惯导(SINS)/天文导航(CNS)/合成孔径雷达(SAR)组合导航系统的定位精度,在吸收模型预测滤波和抗差自适应滤波算法优点的基础上,提出了一种新的抗差自适应模型预测滤波算法。该算法首先利用模型预测滤波估计出系统模型误差,并对其进行实时修正,以抑制系统模型误差对导航解算精度的影响;然后利用抗差自适应因子控制观测异常,抑制观测噪声对导航解算精度的影响。将提出的算法应用于SINS/CNS/SAR组合导航系统进行仿真验证,并与抗差自适应滤波进行比较,结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[0.2,0.2]、[0.3m/s,0.3m/s]和[6 m,6 m]以内,滤波性能明显优于抗差自适应滤波算法,说明该算法能有效抑制系统模型误差及观测异常对导航解的影响,提高组合导航的解算精度。     

火箭弹大动态单轴平台惯导系统姿态算法

火箭弹在飞行中常采用滚转稳定的控制方式,其滚转角速度的动态范围很大,因此实时、准确地测量滚转角速度和滚转姿态角成为制导火箭弹控制的关键问题。大动态单轴平台惯导系统将IMU安装在沿滚转方向的稳定平台上,通过伺服电机驱动单轴平台相对于弹体反旋,隔离滚转方向的大动态角速度,为IMU提供平稳的测试环境。介绍了大动态单轴平台惯导系统的组成和功能,搭建了样机,推导了惯导姿态解算的数学模型。经过120 s半实物仿真试验,系统俯仰姿态角误差<4°,偏航姿态角误差<3°,滚转姿态角误差<25°,结果验证了整体方案的可行性和姿态解算模型的正确性。为进一步提高姿态解算精度,搭建单轴平台组合导航系统,实现全部导航信息的高精度测量打下了基础。