XNAV/UVNAV/SINS组合导航在航天器轨道机动中的应用

针对X射线脉冲星导航在航天器轨道机动过程中精度不高甚至发散的问题,提出一种将X射线脉冲星导航结合惯性导航和紫外敏感器的组合导航方法。以航天器在惯性系中的位置、速度、姿态四元数和惯性导航设备误差作为系统状态变量,用X射线探测器测量X射线脉冲到达时间,用紫外敏感器测量中心天体质心相对于航天器的方向矢量和距离以及航天器在惯性系中的姿态四元数,用扩展卡尔曼滤波器估计组合导航系统状态。仿真结果验证了该组合导航方法的可行性,能够解决轨道机动中X射线脉冲星单独导航的误差过大(位置误差达107m)问题,且该组合导航具有较高的导航精度,在轨道机动前、机动中和机动后导航位置误差均在100 m以内。     

基于自适应姿态估计的MIMU/GPS紧组合导航算法

当可见卫星数低于4颗时,惯性/卫星松组合方式不能正常工作,紧组合方式虽能工作但当载体出现频繁的大角度转向时,导航误差易出现较大波动,特别是姿态角误差在长时间导航时出现发散的情况。针对上述问题,对比了当载体在频繁转向时,不同的紧组合观测信息对系统导航误差的影响,提出基于多模型的自适应姿态估计方法。设计模糊逻辑推理,智能判断载体的运动状态,自适应分配对应姿态估计的权重,从而提高MIMU/GPS组合导航系统性能。仿真实验表明,该方法解算的速度精度在0.1 m/s以内,位置精度在5 m以内,而且不受载体大角度转向的影响,能够持续输出高精度的导航信息。     

硬件可实现的GNSS/INS矢量深组合跟踪环路（英文）

GNSS矢量跟踪环路(VTL)跟踪灵敏度和定位精度优于标量跟踪环路(STL),但实现复杂度高,三个主要难点是:多通道联合跟踪要求各通道同时获取观测量并在同一时刻更新环路参数;高频率计算卫星位置加重处理器运算负担;无法跟踪载波相位导致无法解调导航电文。以上三个难点阻碍VTL在硬件平台上实现,因此商业接收机通常使用容易硬件实现的STL,但性能次优。为了在嵌入式硬件平台上实现VTL,引入三种方法:异步观测量线性插值、卫星位置计算算法优化、特殊的导航电文解调方法,之后通过仿真验证优化算法的功能及性能。使用航迹发生器生成飞机协调转弯航迹,再使用GNSS卫星信号模拟器产生中频采样信号,基于Matlab平台处理数据并进行了对比分析。仿真结果表明该VTL计算卫星位置效率提升55倍,成功解调导航电文,VTL位置精度优于3 m,速度精度优于0.3 m/s,基于该VTL的矢量深组合(VDI)算法位置精度优于2 m,速度精度优于0.1 m/s。     

高速飞行环境下卫星导航信息滞后补偿方法

为了解决高速飞行环境下卫星导航信息滞后严重影响导航精度和性能的问题,研究了一种基于曲线拟合技术的滞后补偿方法.针对高速飞行环境下导航参数的变化情况,分别采用抛物线和三次抛物线来拟合卫星导航系统的输出信息,推导获得抛物线和三次抛物线的各项系数,进而研究获得卫星导航信息滞后的补偿算法.仿真结果表明,尽管卫星导航输出的滞后时间长达0.8 s,采用该滞后补偿方法可以使捷联惯导/卫星组合导航的水平位置精度达到±0.6”,高度精度达到±18.9 m,速度精度达到士0.15m/s.因此该方法能够有效补偿卫星导航系统的输出滞后,具有良好的工程应用前景.     

GPS/SINS组合导航系统实现时间同步的软件方法

GPS／SINS组合导航系统是当前各类飞机普遍采用的主要导航设备,采用传统组合方法无法消除组合时GPS与SINS时间同步误差的影响。在对GPS／SINS时间同步误差的物理概念深入研究的基础上,提出一种对时间同步误差估计和补偿的软件方法。该方法通过扩充滤波器状态与改进量测方程的途径,实现了对时间同步误差的在线估计和补偿。仿真结果表明,当存在0．7s时间不同步时,采用传统方法,组合导航系统水平位置精度只能达到150m左右;采用丈中提出的方法,组合导航系统水平位置精度优于10m。     

基于因子图的鲁棒性增量平滑算法的水面无人艇组合导航方法

为了解决水面无人艇多传感器组合导航系统传感器输出速率不同、测量值非线性、传感器可用状态随着环境不断发生变化等问题,提出了一种基于因子图的鲁棒性增量平滑算法的组合导航方法。将组合导航的信息融合问题转换成因子图模型,然后通过非线性优化的方法并结合增量平滑算法和改进的切换约束的鲁棒方法,得到导航状态的最大后验估计值。与传统的基于滤波的方法相比,该方法具有灵活多变的特点,能够很自然的处理不同速率、非线性的测量信息,并且支持传感器的即插即用。与当前的切换约束方法相比,该方法具有计算时间短可实时实现的显著优点。仿真环境试验表明,所提出的方法具有比传统基于滤波的方法具有更高的估计精度和更快的收敛速度,位置估计误差从8 m减少到5 m以内,速度估计误差从0.15 m/s减少到0.1 m/s以内,姿态误差从0.4°减少到0.1°以内,而且对于野值点具有良好的鲁棒性。     

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。     

基于自适应均方根EKF的惯性辅助航天器仅测角导航方法

针对微小卫星等航天器对空间非合作目标交会操作中的自主相对导航问题,提出了一种基于自适应均方根EKF的惯性辅助航天器仅测角导航方法。首先,推导了一种基于Clohessy-Wiltshire (CW)方程的仅测角导航模型。然后,基于误差状态推导了一种仅测角/惯性组合相对导航模型。接着,基于Cholesky分解得到组合导航系统的状态协方差矩阵,并引入“新息”协方差匹配方法对测量噪声进行在线自适应调整,构建了一种自适应均方根EKF对该组合导航系统状态进行动态滤波估计,并采用Fisher信息矩阵对该组合导航系统的可观性进行评估。最后,在搭建的半物理仿真平台上进行了仿真验证,得出终端时刻采用自适应均方根EKF比EKF的迹向滤波精度平均提高了35%,径向和法向滤波精度平均提高了25%。     

基于运动学非完整约束的里程计参数在线辨识

针对里程计标度因数误差以及安装误差对捷联惯导/里程计组合导航精度存在较大影响的问题,提出一种基于运动学非完整约束的里程计参数在线辨识方法。通过建立航位推算误差模型,利用里程计输出,计算车辆的向心加速度,并与捷联惯导的加速度计输出计算的向心加速度做差作为量测之一;将里程计与捷联惯导输出的速度做差作为量测之二;通过卡尔曼滤波实现里程计标度因数误差以及安装误差的在线辨识。仿真结果表明,该方法组合导航相比速度组合导航,当车辆行驶960s,其东向定位精度提高19.6 m,北向定位精度提高14.2 m。仿真和车载试验结果均表明该方法能实现里程计参数的有效辨识以及航向安装偏差角的估计,有助于提高组合导航精度。     

弹载惯性/卫星/星光高精度组合导航

选取捷联惯导系统误差作为组合导航系统状态,利用捷联惯导与卫星导航系统各自的位置输出构造量测,设计惯性/卫星组合导航算法。在惯性/星光组合导航算法设计中,对星敏感器安装误差进行建模并也列入组合导航系统状态,利用星敏感器输出的姿态矩阵和根据惯导输出计算得到的等效姿态矩阵构造量测。从而,利用联邦滤波技术设计出弹载惯性/卫星/星光高精度组合导航方法。该组合导航方法的仿真结果表明,其定位、定姿精度分别达到12.1m(3σ)和0.27′(3σ),而且能够有效标定出惯性器件的随机常值误差和星敏感器的安装误差。     

一种重力异常对弹道导弹惯性导航精度影响的补偿方法

分析了弹道导弹飞行中受到的重力异常的作用，以及重力异常对弹道导弹的精度的影响，对导弹受到的重力异常进行了仿真，建立了导弹导航的速度位置和姿态误差方程，提出了一种利用卡尔曼滤波中的状态转移阵对重力异常引起的速度位置误差进行修正的方法。仿真结果表明，这种方法能够对重力异常产生的速度位置误差产生较好的估计校正作用，具有计算量小，易于工程实现，能适用于各种重力场模型的优点。     

模型预测前向神经网络算法及其在组合导航中的应用

针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05 m/s,+0.05 m/s]和[-5 m,+5 m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。     

状态变换卡尔曼滤波的进一步解释及应用

针对速度误差定义的坐标系一致性,对状态变换卡尔曼滤波(ST-EKF)的合理性作出了进一步的解释,并将其应用于捷联惯导的初始对准及组合导航。为提高陀螺仪、加速度计的零偏误差估计效果,初始对准和组合导航过程采用统一的15状态滤波器。"单"位置精对准实验表明,由于在基座振动的环境下误差状态不完全可观,传统卡尔曼滤波会有随时间增长航向角估计误差反而逐渐发散的情况出现,而状态变换卡尔曼滤波的航向角估计结果相对稳定。激光陀螺IMU和光纤陀螺IMU的3 min双位置对准实验均表明,在同样的卡尔曼滤波预测和更新频率下,状态变换卡尔曼滤波的航向角估计精度要比传统卡尔曼滤波提高45%以上。激光陀螺IMU/卫星和MEMS-IMU/卫星组合导航跑车实验均表明,多处断开卫星信号的情况下,状态变换卡尔曼滤波组合导航系统具有更高的定位精度。     

一种微型无人机单目视觉SVO/INS组合导航方法

针对未知环境中微型无人机自主导航问题,提出一种单目视觉SVO/INS组合导航算法。使用半直接视觉里程计(SVO)作为视觉里程计前端,首先对SVO的初始化模块、关键帧选择及跟踪失败处理策略进行了重新设计,实现了SVO在摄像头前视场景中的应用。之后,设计了误差状态卡尔曼滤波器,基于惯性测量单元的测量值进行状态预测,采用SVO的估计结果作为观测值进行状态更新。使用EuRoc数据集对所提算法进行验证,结果表明所提算法可实现对无人机的位置、姿态和速度以及未知尺度、惯性测量单元零偏、重力方向的估计。导航时间3 min位置估计误差为0.15 m,俯仰和横滚角估计误差小于0.5°,航向角估计误差小于1.2°。所提方法具有计算量小、实时性好的优点,适用于机载计算资源有限的微型无人机导航。     

一种单目视觉ORB-SLAM/INS组合导航方法

针对惯性/卫星组合导航系统在卫星导航失效时无法使用的问题,提出了单目视觉ORB-SLAM/INS组合导航方法,用于扩展组合导航系统在强干扰环境和室内环境的应用范围。该算法分为两个阶段:初始化阶段,当ORB-SLAM形成闭环时设计算法在线估计单目视觉ORB-SLAM算法的尺度因子;导航阶段,ORB-SLAM系统输出的位置信息经过尺度变换后作为观测量进行卡尔曼滤波,估计INS导航系统的误差状态量从而修正惯导系统的误差。设计了硬件和软件平台对提出的组合导航方法进行试验验证。跑车实验结果表明:所设计的ORB-SLAM/INS组合导航系统具有较高的定位精度,导航时间6 min定位误差为1.162 m,且不随时间漂移,具有很强的应用价值。     

一种可用于运载火箭的SINS/GNSS自主导航方案

研究了一种可用于运载火箭的SINS/GNSS自主导航方案。起飞前捷联惯组采用基于惯性系重力加速度积分的解析粗对准和卡尔曼滤波精对准,起飞后采用SINS/GNSS卡尔曼滤波组合导航反馈实时修正姿态、速度和位置。仿真结果表明捷联惯组水平自主对准误差0.01°,方位自主对准误差1.5°,起飞后经组合导航修正后的姿态误差小于0.2°,速度误差小于0.4m/s,位置误差小于40m,考虑所有误差的蒙特卡罗仿真结果满足火箭入轨精度要求,此方案具有较高的工程应用价值。     

基于平方根UKF滤波的轨道机动飞行器自主导航方法

在利用SINS／GPS对轨道机动飞行器进行自主导航的过程中,为提高轨导航精度,将惯导工具误差作为状态变量进行估计,同时考虑了杆臂偏差对导航精度的影响,将GPS卫星的星历误差、对流层误差视为一阶马尔科夫过程,用Allan方差的方法建立了GPS接收机的误差模型。为保证滤波过程中协方差阵的正定性,提高计算精度和速度,应用平方根UKF滤波方法进行轨道机动飞行器自主导航,仿真结果验证了所给出方法的可行性和有效性。     

基于北斗导航卫星信号的低轨卫星自主定轨（英文）

利用北斗卫星导航信号对低轨卫星自主定轨进行了研究。首先对卫星轨道动力学方程进行了推导,建立一个考虑地球J2摄动下的卫星动力学模型,并利用4阶龙格-库塔数值积分法进行轨道传播。选用北斗卫星导航信号的伪距和伪距率作为定轨的测量方程。然后,对北斗卫星可见星的个数进行了分析。最后,采用SRUKF算法对低轨CHAMP卫星轨道状态进行估计,并通过STK8.1生成仿真数据对SRUKF、UKF和EKF算法的跟踪性能进行对比分析。仿真结果表明,在跟踪过程中最少能接收到18颗北斗卫星信号,能够满足定轨要求。在相同条件下,SRUKF算法的跟踪精度优于UKF、EKF算法,SRUKF算法能减少89%的位置误差和90%的速度误差。     

基于卫星跟踪和星敏感器的地月L2点星座自主导航（英文）

近年来在地月L2点构建自主导航星座用于深空探测已经成为研究热点。针对摄动引起的未知模型误差和量测异常造成单独使用卫星跟踪定轨性能较差的问题,提出了一种基于卫星跟踪和星敏感器组合的导航方案。在方案中融合了星间跟踪的距离、多普勒频移信息以及星敏感器测量的星座卫星与月球之间的角度信息,设计了一个联邦自适应平方根容积卡尔曼滤波器,利用自适应尺度矩阵对测量协方差进行改进,提高了异常测量下的定轨精度和鲁棒性。仿真结果表明,在异常测量下所提出的导航滤波方法的位置误差和速度误差,相比传统的联邦平方根容积卡尔曼滤波分别降低了68.85%和44.17%。     

空天飞行器SINS/CNS深组合导航算法(英文)

空天飞行器往返于大气层内外,持续工作时间长。捷联惯性/天文组合导航自主性强、隐蔽性好,是最适合空天飞行器的导航方式之一。为提高传统天文定位的导航精度和可靠性,解决其在机载应用中水平基准制约的问题,分析了平台误差角和位置误差对高度角量测的影响,提出了一种以天体高度角为量测信息的捷联惯性/天文深组合导航算法。该算法采用卡尔曼滤波器进行最优估计,可有效估计并补偿系统的姿态误差,减少天文导航定位对水平基准的依赖。仿真表明,单星观测条件下,导航系统姿态误差快速收敛,定位的均方根误差在200 m以内,且系统导航性能随导航星数量的增加而提高。