精密离心机的惯性组合加速度计的参数标定方法

为了实现应用精密离心机对捷联惯导系统不拆分整体标定时各加速度计误差模型系数进行精确辨识,分析了可能影响加速度计标定精度的离心机误差源进而建立了相应的坐标系.在考虑各加速度计与反转平台轴线距离的情况下,应用齐次变换法计算了各加速度计各轴实际的比力输入,结合给定的加速度计误差模型,设计了一种可辨识误差模型中全部二阶误差模型系数的测试方法.仿真结果表明,该方法经修正离心机误差后可以有效地提高所有误差模型系数的标定精度,并能给出各加速度计与反转平台轴线的距离.仿真还分析了离心机误差对标定精度的影响,结果表明:离心机误差项主要影响1号加速度计 KF、KP、KPP 的标定精度,而对于 KII、KIO 的标定无影响;另外主要影响2号加速度计 KF,KI,KII 的标定精度,以及3号加速度计 KF、KO 的标定精度.     

基于导弹舵面信息的惯导姿态角速率滤波方法

针对导弹武器中低精度惯导系统陀螺所测量的弹体姿态角速率误差较大的问题,提出了利用导弹控制舵面信息与弹体姿态角的动力学关系构建滤波方程的方法,其相对于常用的低通滤波器能够更加精确地反映出姿态角的变化趋势.此外为降低采用EKF和UKF等非线性滤波方法所带来的计算复杂度,仿真中通过构造交错卡尔曼滤波器实现了对非线性系统的伪线性化.最后通过对某型低精度惯组在三轴姿态转台上的半实物仿真实验,该滤波算法将实测的惯导姿态角速率误差降低了40%以上.     

简化UKF滤波在SINS大失准角初始对准中的应用

基于欧拉平台误差角的概念提出了大失准角误差条件下的捷联惯导系统（SINS）非线性初始对准误差模型,该模型无法再用经典的加性噪声模型描述。为了降低滤波计算量,在系统模型噪声和量测噪声均为复杂加性噪声并且量测方程是线性方程时,推导了简化的UKF（unscented Kalman filter）滤波方法,简化UKF滤波公式显示：除通过非线性状态方程使用UT（unscented transformation）变换进行状态及其方差预测外,其它滤波步骤与标准Kalman滤波完全相同。最后,对静基座下SINS初始对准进行了仿真试验,结果表明大失准角条件下的SINS误差模型和简化UKF滤波估计方法是有效的。     

UKF在深组合GPS/INS导航系统中的应用

采用联邦滤波的深组合GPS/INS导航系统预滤波器量测模型具有很强的非线性,导致扩展卡尔曼滤波（EKF）的预滤波器估计精度不高。Unscented卡尔曼滤波（UKF）方法是一种非线性分布近似方法,它使用有限数量的sigma点去逼近整个非线性动态系统的分布可能,从而避免了对非线性测量模型进行线性化,具有较高的精度和较好的鲁棒性。在分析深组合导航系统预滤波器模型和UKF原理的基础上,设计了基于UKF滤波算法的预滤波器,对码相位误差、载波相位误差、载波频率误差、载波频率变化率等参数进行估计,同时将UKF和EKF算法进行了仿真比较。结果表明,在深组合导航系统中使用UKF滤波比EKF有更高的导航定位精度。     

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。     

UKF方法在陆地车辆组合导航中的应用

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法。仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求。     

一种新的自适应UKF算法及其在组合导航中的应用

为了提高组合导航系统的滤波精度,提出一种带噪声统计估计器的自适应UKF滤波算法。该算法根据协方差匹配原理,利用UKF滤波算法的残差序列与新息序列,在线估计、调整系统过程噪声和量测噪声的统计特性,提高UKF的自适应能力,克服了标准UKF在系统噪声统计未知或不准确情况下滤波精度下降甚至发散的问题。将提出的算法应用于SINS/BDS组合导航系统进行仿真验证,并与标准UKF和抗差UKF进行比较,结果表明,提出的自适应UKF得到的水平位置误差和天向误差分别在[?6.2 m,?6.4 m]与[?9.8 m,?8.6 m]以内,滤波性能明显优于标准UKF与抗差UKF,提高了组合导航系统的解算精度。     

基于Q-R分解的平滑算法在惯导参数标定中应用

针对舰船中低精度惯性导航设备参数标定维护费用高、过程周期长等问题,采用测姿型DGPS作为测定误差的基准平台搭建导航设备性能测试系统,利用组合导航方式获取的高精度导航参数对惯导设备性能进行评估。为此,利用Q-R分解中上三角矩阵求逆计算的快速性和稳定性特点,建立基于Q-R矩阵分解的区间平滑滤波器,取代滤波误差方差阵P阵的计算为R阵的迭代,避免P阵在计算过程中失去正定性和对称性导致滤波发散。仿真分析结果表明:结合导航设备性能测试系统的Q-R分解区间平滑算法能有效提高系统位置、速度、姿态等数据的估计精度和数据平滑度,可以作为一种中低精度惯导参数性能事后评估方法。     

SINS/GPS/CNS 组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS 导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了 SINS/GPS/CNS 组合导航联邦滤波算法,该算法可以取长补短,巧妙地将 GPS 定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进.计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较 SINS/GPS 组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级.仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值.     

大方位失准角下舰载机传递对准技术

为了提高舰载机的生存能力、快速反应能力以及机载导弹的命中率,必须快速准确地完成舰载机惯导系统的初始对准.由于舰船所处的环境比较复杂而且受到诸多干扰因素的影响,通常采用传递对准方法来解决舰载机惯导系统的初始对准问题.针对大方位失准角下舰载机惯导系统的传递对准问题,详细推导了速度加姿态匹配传递对准的非线性模型,然后采用UKF滤波算法进行数学仿真.仿真结果表明,舰船在中等海况下的不同机动运动对传递对准基本没有影响;采用不同频率的UKF滤波算法,则在20 Hz时传递对准误差较低频时小一倍.     

降阶扩展卡尔曼滤波算法在船用INS/GPS组合导航系统中的应用

TNNS(真航向导航系统)由MS860接收机、INS及处理数据的PC/104架构的嵌入式工控机构成。针对TNNS推导了INS(惯性导航系统)的误差模型,提出了适合于TNNS的降阶扩展卡尔曼滤波算法组合GPS和INS。系统在东海作了三次海试,软件及滤波算法平台由C/C 编制。海上试验表明,组合滤波后,INS的位置误差由100m降低到40m以下;进行最优化滤波后的航向误差σ由原来的0.105°减小为0.034°,纵横摇的误差也大幅减小。整个海试结果表明,在TNNS中组合GPS/INS采用的降阶扩展卡尔曼滤波算法,大幅提高了系统精度和可靠性。     

一种新的惯性导航初始对准滤波方法

Unscented卡尔曼滤波(UKF)在算法实现和估计精度方面均优于传统的扩展卡尔曼滤波(EKF)。但是当系统状态的维数比较高时，非局部的采样导致估计误差变大，此时需要采用尺度变换模式的UKF(SUKF)方法。中在惯导系统静基座初始对准的非线出虑波问题中引入SUKF，并通过仿真对比了新方法和EKF的估计效果。实验表明，新方法的收敛速度和估计精度均好于EKF。     

基于改进无迹卡尔曼滤波器算法的滞回模型参数识别研究

地震产生的周期荷载作用下,钢混桥墩结构表现出滞回行为。为描述滞回行为,研究者提出各类滞回模型,其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化和捏拢效应等典型特征。此外,无迹卡尔曼滤波器UKF(unscented Kalman filter)算法是识别BWBN模型参数的高效方法,但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时,UKF算法识别过程受到局限。本文改进生成样本点规则,提出改进UKF算法。数值模拟结果表明,在无噪声条件下,改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%,最大误差为4%;在2%均方根RMS(root mean square)高斯白噪声条件下,误差平均为5.43%,最大误差为18%;在5%RMS高斯白噪声条件下,误差平均为8.9%,最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。     

UKF滤波技术在AUV组合导航中的应用研究

高精度的导航定位是AUV研究中所面临的主要挑战之一。采用GPS辅助的INS／DVL组合导航是目前AUV的主流导航模式。当前实现GPS／INS／DVL组合导航的技术主要有航迹推算(DR)和卡尔曼滤波。中将UKF(Unscented Kalman Filter)滤波技术应用于AUV组合导航，并把UKF与传统的DR和EKF(Extended Kalman filter)方法进行了仿真比较研究。仿真结果表明，UKF在计算量上与EKF相当，但是UKF的位置、航向估计精度都要优于DR和EKF。     

大方位失准角的舰载武器INS对准

研究了舰载武器惯导系统（INS）大方位失准角的传递对准问题。首先,给出了适用于大方位失准角的INS姿态误差和速度误差传播模型。然后,提出了一种改进的利用速度＋角速率匹配的传递对准算法,该算法能够借助海浪引起的舰船运动进行传递对准。通过基于奇异值分解的卡尔曼滤波器（SVD-KF）的引入,给出了非线性滤波算法的实现方案,并对SVD-KF和EKF在大方位失准角的舰载武器INS对准就姿态失准角的估计精度和收敛速度进行了比较。仿真结果验证了所提大方位失准角传递对准算法的可行性。     

Unscented Kalman filtering for nonlinear structural dynamics

Joint estimation of unknown model parameters and unobserved state components for stochastic, nonlinear dynamic systems is customarily pursued via the extended Kalman filter (EKF). However, in the presence of severe nonlinearities in the equations governing system evolution, the EKF can become unstable and accuracy of the estimates gets poor. To improve the results, in this paper we account for recent developments in the field of statistical linearization and propose an unscented Kalman filtering procedure. In the case of softening single degree-of-freedom structural systems, we show that the performance of the unscented Kalman filter (UKF), in terms of state tracking and model calibration, is significantly superior to that of the EKF.     

EPF算法在惯导非线性初始对准中的应用

介绍了作为粒子滤波理论基础的递推贝叶斯估计的基本概念,说明了重要性函数对于粒子滤波器的设计是至关重要的。随后,给出了一种将EKF算法作为重要性函数的EPF算法,并提出将其用于静基座条件下的惯导系统非线性初始对准,通过计算机仿真对比了EPF和EKF的估计效果。仿真结果表明,EPF算法较传统的EKF算法对准时间更快,对准精度更高。     

Performance comparison among some nonlinear filters for a low cost SINS/GPS integrated solution

The Kalman filter is a familiar minimum mean square estimator for linear systems. In practice, the filter is frequently employed for nonlinear problems. This paper investigates into the application of the Kalman filter’s nonlinear variants, namely the extended Kalman filter (EKF), the unscented Kalman filter (UKF) and the second order central difference filter (CDF2). A low cost strapdown inertial navigation system (SINS) integrated with the global position system (GPS) is the performance evaluation platform for the three nonlinear data synthesis techniques. Here, the discrete-time nonlinear error equations for the SINS are implemented. Test results of a field experiment are presented and performance comparison is made for the aforesaid nonlinear estimation techniques.     

Performance enhancement for ultra-tight GPS/INS integration using a fuzzy adaptive strong tracking unscented Kalman filter

This paper conducts performance evaluation for the ultra-tight integration of Global positioning system (GPS) and inertial navigation system (INS) by use of the fuzzy adaptive strong tracking unscented Kalman filter (FASTUKF). An ultra-tight GPS/INS integration architecture involves fusion of the in-phase and quadrature components from the correlator of the GPS receiver with the INS data. These two components are highly nonlinearly related to the navigation states. The strong tracking unscented Kalman filter (STUKF) is based on the combination of an unscented Kalman filter (UKF) and strong tracking algorithm (STA) to perform the parameter adaptation task for various dynamic characteristics. The STA is basically a nonlinear smoother algorithm that employs suboptimal multiple fading factors, in which the softening factors are involved. In order to resolve the shortcoming in a traditional approach for selecting the softening factor through personal experience or computer simulation, the Fuzzy Logic Adaptive System (FLAS) is incorporated for determining the softening factor, leading to the FASTUKF. Two examples are provided for illustrating the effectiveness of the design and demonstrating effective improvement in navigation estimation accuracy and, therefore, the proposed FASTUKF algorithm can be considered as an alternative approach for designing the ultra tightly coupled GPS/INS integrated navigation system.