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。     

自适应UKF滤波在SINS初始对准中的应用

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了平淡卡尔曼滤波器(UKF)和自适应平淡卡尔曼滤波器(AUKF)用于精对准。在系统噪声统计特性未知时,AUKF算法能自动平衡状态信息与观测信息在滤波结果中的权比,以实时调整状态向量和观测向量的协方差,从而提高系统的性能。实验结果显示,使用自适应UKF算法与普通的UKF算法相比,可以获得更优的对准精度和快速性,在东、北、天三个方向上,其失准角精度分别提高了0.2′、0.2′和4′;收敛时间分别缩短了10 s、30 s和25 s。     

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。     

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。     

扩展集员滤波在捷联惯导大方位失准角初始对准中的应用

研究了静基座捷联惯导系统初始失准角为大角度时扩展集员滤波在初始对准中的应用。给出了扩展集员滤波算法的基本概念和递推公式,指出算法假设系统的过程和量测噪声以及初始状态由已知椭球来定界,利用椭球集合来描述系统真实状态的可行集。算法在将非线性方程线性化过程中保留高阶项,利用区间分析方法对高阶项进行定界,然后加入到噪声项中,形成一个虚拟噪声项,对经过处理后的线性化方程进行集员滤波处理。最后将扩展集员滤波应用于惯导系统大失准角时的初始对准中,通过计算机仿真对比了扩展卡尔曼滤波和扩展集员滤波的估计效果。仿真结果表明,在随机噪声和有界噪声条件下,扩展集员滤波都较扩展卡尔曼滤波的效果要好,特别是当系统存在有界噪声,应用扩展卡尔曼滤波得到的效果已明显变差,但应用扩展集员滤波仍能得到比较好的结果。     

基于大失准角时变参数罗经初始对准算法

为了解决大失准角条件下的捷联惯导初始自对准问题,通过分析捷联惯导系统大失准角误差模型,利用平台惯导系统罗经对准原理,提出了一种新的捷联惯导系统罗经对准方案。该方案的具体实现划分为三个阶段:方位角未知情况下的水平对准;大失准角时变参数罗经方位对准;定参数罗经对准。该方案通过实时调节罗经参数缩短了对准时间;利用大方位失准角模型代替小失准角模型,在算法收敛阶段更加准确地描述了捷联惯导系统的误差传递方式。仿真试验表明,使用陀螺随机漂移稳定性为0.01(°)/h的捷联惯导系统,该对准方案能在60 s内方位精度到达1°,并能在对准结束时达到3’的方位对准精度。     

扩展集员滤波在捷联惯导大方位失准危初始对准中的应用

研究了静基座捷联惯导系统初始失准角为大角度时扩展集员滤波在初始对准中的应用。给出了扩展集员滤波算法的基本概念和递推公式,指出算法假设系统的过程和量测噪声以及初始状态由已知椭球来定界,利用椭球集合来描述系统真实状态的可行集。算法在将非线性方程线性化过程中保留高阶项,利用区间分析方法对高阶项进行定界,然后加入到噪声项中,形成一个虚拟噪声项,对经过处理后的线性化方程进行集员滤波处理。最后将扩展集员滤波应用于惯导系统大失准角时的初始对准中,通过计算机仿真对比了扩展卡尔曼滤波和扩展集员滤波的估计效果。仿真结果表明,在随机噪声和有界噪声条件下,扩展集员滤波都较扩展卡尔曼滤波的效果要好,特别是当系统存在有界噪声,应用扩展卡尔曼滤波得到的效果已明显变差,但应用扩展集员滤波仍能得到比较好的结果。     

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%。     

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。     

基于小波滤波的激光陀螺SINS晃动基座初始对准

激光陀螺捷联惯导系统在晃动基座上进行初始对准时,由于激光陀螺信号中存在着很大的随机噪声,导致对准时间变长,对准精度降低。为解决此问题,提出一种基于小波实时阈值滤波的预处理方法,选取了合适的小波基和分解层数,对陀螺信号进行小波预处理,然后利用滤波后的陀螺信号进行姿态粗对准,最后使用速度误差作为观测量进行卡尔曼滤波精对准。半实物仿真试验结果表明:本文提出的小波预处理方法在满足陀螺信号实时性的条件下,能够有效地减小激光陀螺信号中的各项随机噪声,利用预处理后的陀螺信号进行初始对准时,对准时间显著缩短,航向角在精对准7 min左右收敛,其1σ值在39"以内,在工程上有一定的参考价值。     

SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差.针对该问题,提出了一种基于H∞理论的鲁棒超球体无迹卡尔曼滤波算法.给出了计算量小的超球体采样策略,推导了H∞滤波的鲁棒机理,分离了鲁棒环节.将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验.仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况.     

基于简化无迹Kalman滤波的非线性SINS初始对准

传统的小干扰失准角模型只适合于小失准角情况下的初始对准,对于处于大失准角下的舰船或飞机的对准必须寻求不做任何线性假设的非线性模型和非线性滤波方法。针对以上问题,建立了基于四元数的姿态误差方程,给出了基于复杂噪声模型的UKF算法,在该算法的基础上假设量测方程为线性,得出简化的UKF算法,避免了重采样、多次求解量测预测方程、计算量测预测方差等一系列繁杂过程。基于以上理论建立了适合简化UKF算法的非线性滤波模型,在大失准角、小失准角下与常规Kalman和EKF算法做对比仿真,结果表明,在小失准角下三种方法效果相当,但在大失准角下简化UKF和EKF显示出了处理非线性模型的优势,对准速度和精度都好于常规Kalman算法。由于EKF线性化造成的高阶截断误差使得对准精度略低于简化UKF。     

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。     

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。     

系泊状态舰载捷联惯导初始对准算法设计

系泊状态下舰船因风浪影响而产生摇摆,陀螺输出信息中信噪比很低,地球自转角速度信息难以提取出来,从而给舰载捷联惯导的初始对准带来困难.针对这一问题,研究了摇摆状态下捷联惯导系统的初始对准技术,基于舰载武器特点建立了捷联惯导系统在系泊状态下的误差模型,采用卡尔曼滤波和自适应滤波进行精对准,并根据摇摆频率与地球自转角速度频带的不同设计了巴特沃思低通滤波器对惯性器件的输出信息进行预滤波,从而一定程度上隔离舰船晃动.理论分析和仿真结果表明,该方案能有效地解决舰船系泊状态下捷联惯导系统的初始对准问题,而且具有较高的精度,研究结果对舰载捷联惯导初始对准具有一定的参考价值.