基于磁/惯性传感器旋转弹体定姿的Kalman滤波器设计

微惯性传感器精度较低,其漂移会引起很大的姿态误差,不能提供长时间稳定姿态;磁传感器组合的姿态角误差不随时间累积但姿态角更新速度慢。针对这一问题提出了利用磁/惯性传感器构建低成本姿态探测系统的方案,设计了Kalman滤波器融合二者信息——以磁传感器解算的姿态角和等效旋转矢量法解算的姿态角之差作为观测量,以惯性传感器的漂移和姿态误差角作为状态变量,整个解算过程无需使用地磁场强度。仿真结果表明了该算法的有效性,二者组合定姿可实现高精度的姿态测量。     

高精度磁信标中心位置与姿态角标定方法

针对磁信标导航中磁信标实际产生磁场中心与姿态角难标定的问题,提出一种基于低频时变磁场特征矢量的高精度磁信标标定方法。首先根据磁信标在三维空间中的磁场模型,利用多个位置与姿态已知的磁强计对待标定磁信标进行测量,解算实际磁场中心位置。再根据磁场中心位置与磁强计测量到的磁场方向矢量解算实际磁场的坐标轴姿态角,实现对磁信标的高精度标定。仿真条件下,磁信标中心位置标定精度可达0.009 m,姿态角精度可达0.13°;在实际实验中,目标位置与姿态角解算精度相比传统方法分别提高了28.6%与62.8%,充分验证所提方法具有更高的可靠性与有效性。利用该方法标定后的磁信标为磁信标导航系统提供了更可靠、精确、适应性更强的时变磁场信号源。     

基于非线性最小二乘估计的eLoran/INS/磁传感器组合导航方法

为实现不依赖GNSS系统的高精度导航系统,提出了一种基于非线性最小二乘估计的e Loran/INS/磁传感器组合导航方法。利用INS/磁传感器等传感器稳定性好,高频噪声低的特点,降低eLoran导航系统受传播路径影响导致的定位误差;同时所提方法可以校准其它传感器的零点偏移。首先利用INS系统估计载体当前的状态(包括姿态、位置),再通过高斯-牛顿法,求解载体状态的最小二乘解,从而使各物理量(磁场矢量、重力矢量和位置)在当前估计的载体坐标系内计算的数值与传感器的测量结果之间误差达到最小。最后,利用传感器的零点偏移在误差项中变化缓慢的特点,通过低通滤波估计零点偏移并进行校准。所提方法具有运算量小,解算精度高的特点。仿真试验结果显示所提出方法可将罗兰导航系统定位误差从100 m提高至6.1 m(2σ),证明了该系统具备独立于GNSS系统提供高精度导航定位的潜力。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.     

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。     

基于足部微惯性/地磁测量组件的个人导航方法

为降低个人导航定位对卫星导航系统(GNSS)的依赖性,研究了一种基于足部安装微惯性/地磁测量组件的个人导航定位方法.该方法通过微惯性测量组件信息进行捷联惯导解算获得人体足部的姿态、速度与位置信息,利用磁传感器确定运动的航向信息,并采用基于步态相位检测的零速修正方法,实时修正MEMS惯性导航系统的导航信息误差以及惯性传感器的随机误差,从而减缓惯性导航系统的定位误差随时间的积累.导航定位实验结果表明,直线与矩形行进路线的导航定位误差在行进约9 min时分别保持在2 m与6 m左右,分别占行进距离的1.1％与2.5％.该实验结果证明所提出的方法可有效提高个人导航系统的定位精度,在GNSS信号衰减或失效的环境中可实现较长时间的个人导航定位.     

模糊推理在捷联航姿系统中的应用

为了减小捷联航姿系统航姿解算过程中陀螺漂移和积分过程等因素对航姿精度的影响,结合各传感器输出与载体运动状态相关的特性,提出了一种基于模糊推理的IMU(惯性测量组件)/磁传感器信息融合方法.通过模糊推理系统判断出载体当前的运动状态,在准静态下对IMU中陀螺解算的姿态信息和加表解算的姿态信息进行融合可提高载体的姿态精度,对陀螺解算的航向信息和准静态下磁罗经提供的航向信息进行融合可提高载体的航向精度.经过跑车试验且与跑车过程中作为基准的光纤/GPS航姿系统的航姿结果进行比较,验证了该推理过程和融合算法的正确性.     

基于地球红外辐射场的旋转弹丸姿态测试方法

针对微惯性器件无法满足高转速弹丸飞行过程中的滚转姿态测量要求的问题,提出了基于地球红外辐射场的旋转弹丸姿态测试方法。首先,研究了地球红外辐射场的产生机理和特性,分析了天地间红外辐射率的变化规律。然后,结合旋转弹丸在飞行过程中的运动特征,建立了红外传感器测量模型,推导了弹丸姿态与传感器感测信号的函数关系。最后,合理布局红外传感器,基于误差传递的原理,改进了常规的姿态解算算法,进一步提高了传感器测试信号的利用率。结果表明,利用地球红外辐射场测姿具有较高的精度,俯仰角解算误差在±0.3°以内,改进解算方案的横滚角解算误差在±0.5°以内。该姿态测量系统简单有效,能够满足旋转飞行体的姿态测量要求。     

USBL安装偏差联合模型构建与校准方法

超短基线声学定位系统（USBL）使用前必须要进行严格的角度安装偏差校准。通过研究安装偏差校准的数学模型和数值算法，提出一种USBL安装偏差联合模型构建与校准方法。首先结合克罗尼克积给出高斯-马尔科夫数学模型假设下的校准信标位置和姿态旋转矩阵参数估计联合解，然后基于姿态旋转矩阵的联合解和条件协因数矩阵解其固定解。同时联合模型还可以对换能器水平距离安装偏差、声速误差进行增广，提高了模型的适用性。南海实测试验结果表明，所提方法可以充分利用USBL方向信息和测距信息对校准信标和其他参数进行估计，相比传统两步法，所提方法求解的信标水平定位偏差由0.69 m减小至0.60 m，水平距离安装偏差由0.26 m减小至0.04 m，角度安装偏差由0.29°减小至0.25°。     

足部安装MEMS-IMU个人导航系统

为了实现室内外环境下个人自主导航,研究了足部安装的MEMS-IMU个人导航系统。根据人行走时足部具有周期性零速的特征,以加速度计输出矢量和、滑动方差和陀螺仪输出的角速度矢量和为检测量,设计了一种多条件零速检测算法,有效地提高了零速检测的准确性。针对MEMS惯性传感器零漂大、精度低的问题,导航定位算法以传统的捷联解算算法为基础,进行了适应性改进。引入零速修正(ZUPT)技术,设计了以速度信息作为伪量测的Kalman滤波器。在零速阶段对系统速度,姿态,位置误差进行估计,将估计结果反馈以修正导航解算的累积误差。实验结果表明,基于上述导航修正算法可以有效地消除MEMS惯性传感器零漂引起的累积误差,使得多组多种行走路径下系统的定位误差均小于行程的2%。     

一种基于故障检测与模糊逻辑的姿态估计方法

提出了一种融合惯性数据的飞行器航姿估计算法。使用MIMU（微惯性测量单元）作为飞行器的惯性航姿系统,利用MIMU中的陀螺仪,通过测量飞行器的角速率计算姿态角;同时,利用MIMU中的加速度计,通过测量当地的重力加速度,计算飞行器的姿态角。文中采用一种自适应故障检测方法,根据模糊理论构造加权系数,将飞行器的运动加速度与当地重力加速度分离,融合MIMU的数据,估计飞行器的姿态角。使用该方法既可以避免使用陀螺仪解算姿态角时误差的积累,又提高了使用加速度计计算姿态角时的动态性能,并经数据仿真验证说明该方法能达到预期的效果。     

自旋导弹捷联式陀螺/地磁姿态测量方法

为了解决自旋导弹姿态测量遇到的高自旋角速率超过陀螺量程的问题,提出了一种利用敏感轴垂直于弹轴的双轴微陀螺与三轴地磁传感器组合测量解算自旋导弹姿态的方法.首先,建立了利用三轴地磁场传感器与双轴微陀螺进行姿态测量的解算模型,该模型利用双轴陀螺测得的载体弹轴垂直面的角速度提供俯仰角的微分,结合三轴地磁场传感器的输出解算出当前载体的姿态;接着讨论了模型解算中出现的增根的问题与正确解的判断方法;最后在传感器输出附加白噪声与弹体摆动条件下对该方法进行了仿真,得出在100 s的时间内,1800(o)/s的自旋角速度条件下姿态解算误差角为2°.仿真结果表明该方法可以直接解算三个姿态角均为动态变化的自旋弹的姿态角,因此可用于自旋导弹的姿态测量.     

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。     

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。     

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。     

基于交互式多模型MSCKF的双目视觉/惯性里程计算法

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法。将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法。该算法以MSCKF为模型匹配子滤波器,将各子滤波器的输入、输出进行交互融合,实现对VIO系统状态估计。通过KITTI数据集对IMM-MSCKF算法进行了仿真验证,该算法姿态和水平位置估计均方根误差分别为0.36°和11.62 m,相比于EKF和MSCKF算法,其姿态估计精度分别提升了56%和41%,其水平位置估计精度分别提升了51%和81%,仿真结果表明该算法具有更好的估计精度和鲁棒性。     

一种SINS/GNSS级联闭环反馈式组合导航系统的设计与研究

对于目前的级联式SINS／GNSS组合导航系统来说，其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部，无法抑制平台姿态误差的发散，也无法校正惯性器件误差，因而在该方式长时间运行不能控制滤波发散，导舷精度随时间下降。为此设计了一种SINS／GNSS级联闭环反馈式组合导航系统，该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈。通过仿真证明：该系统不仅能提高导航解的精度，还在校准的同时具有动机座对准能力，满足了长时间导航定位的稳定性。     

船用捷联惯性导航系统姿态算法精度评估研究

分析了捷联惯性导航系统姿态解算中不可交换性误差产生原因，提出并分析了一种旋转矢量误差估计模型，并从该模型出发推导了几种高精度的捷联姿态算法，提出了由角速度提取角增量的梯形算法。以船舶为应用对象，进行了数字仿真和算法精度分析比较，结果表明：等效旋转矢量法和梯形算法可以提高系统的姿态解算精度。     

车载MIMU/GPS/地磁系统的模糊广义RBFNN辅助滤波算法

以车载微惯性测量单元/GPS/地磁系统为研究对象,构造一类模糊广义径向基函数网络辅助滤波器,完成对基于EKF的非线性导航滤波解算,以提高导航系统参数估算精度和系统动态性能.相同条件下的仿真表明,对比标准EKF和模糊广义径向基函数网络辅助滤波方法,采用后者获得的导航参数误差均方差小,统计特性好,对姿态、航向角误差的最优估计分别控制在0.2°和0.4°以内.导航解算对微惯性测量单元误差在一定范围内的变动不敏感,保证了测量的精度.     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成.将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高.由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正.由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息.动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算.