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。     

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。     

粒子群算法优化的捷联罗经初始对准方法

初始对准是惯导系统的关键技术,罗经法对准是实现捷联惯导系统初始对准的重要手段。罗经对准回路的参数选择直接影响对准结果的好坏。对于不同的捷联惯导系统,罗经回路的最优参数也是不同的。传统的方法是根据经验以及大量的反复试验确定罗经对准参数,不能保证对准参数为最优。针对此问题,提出以水平罗经对准回路阻尼振荡周期T_(d1)和航向罗经对准回路阻尼振荡周期T_(d2)为寻优目标,用粒子群算法对参数(T_(d1),T_(d2))进行寻优的方法,以确定出满足条件的最优对准参数,从而提高捷联罗经初始对准的性能。实验结果表明:粒子群算法能够快速、准确地搜索出罗经对准回路的最优参数,提高捷联罗经对准的性能。将粒子群算法应用到捷联罗经初始对准中是有效的。     

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。     

捷联惯导系统罗经法自对准

研究了摇摆状态下捷联惯导系统罗经法自对准技术,设计了水平、方位精对准参数以及基于MATLAB／SIMULINK的参数分析系统,最后进行了基于VC＋＋6．0的捷联惯导系统罗经法自对准的软件设计、仿真分析与精度评估。仿真结果表明,罗经法自对准在不同海情、不同初始姿态误差角、全方位、带量化误差的条件下均具有较高的对准精度、较好的快速性和动态品质,能够满足捷联惯导系统在摇摆基座下实现自对准的要求,同时为下一步的工程应用提供了依据。     

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。     

一种改进的基于闭环反馈的大失准角传递对准算法

针对传统的基于计算参数的传递对准算法在大失准角下的强非线性问题以及杆臂误差导致的传递对准精度下降问题,提出了一种改进的基于闭环反馈的大失准角传递对准算法。首先,基于快速传递对准模型,设计了全状态闭环反馈机制,通过对主、子惯导的姿态矩阵不断进行修正,实现大安装误差角估计值的快速收敛;然后,采用线性卡尔曼滤波对状态进行估计。仿真实验结果表明,相比于非线性滤波方法,所提算法在大、小安装误差角下均可以保持较高的对准精度,对准误差基本可以达到0.02°。车载试验结果也验证了所提算法具有更好的传递对准性能。     

基于参数识别的SINS/DVL初始对准方法

针对多普勒测速仪(DVL)辅助捷联惯导系统行进间对准时易受DVL量测噪声的影响,提出一种基于参数识别的SINS/DVL初始对准方法。首先,建立了基于DVL辅助的SINS行进间初始对准观测矢量模型,分析了DVL量测噪声对观测矢量的影响;然后,研究了观测矢量变化规律,建立了观测矢量参数识别模型,利用建立的参数识别模型,设计了基于自适应卡尔曼滤波的参数识别算法,并对观测矢量进行了重构,减小了DVL量测噪声对观测矢量的影响;最后,设计了仿真与跑车实验。实验结果表明,所提出的参数识别算法可以有效抑制DVL量测噪声对初始对准结果的影响。相较于传统方法,在载体运动条件下实现对准误差标准差小于0.1°。     

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。     

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。     

基于旋转矢量误差模型的舰载机大失准角传递对准技术（英文）

为实现舰载机大方位失准角条件下的快速传递对准,提出采用旋转矢量误差模型。分别推导了速度匹配和速度加角速度匹配的量测模型。为解决非线性滤波器的稳定性和快速性,提出采用平方根无迹卡尔曼滤波SRUKF来估计失准角。仿真结果表明,旋转矢量误差模型相对于非线性的欧拉角误差模型有更高的估计精度。在海况引起的摇摆运动下,运用速度加角速度匹配方法可以在50 s内完成对准,此时水平精度达到20?以内,航向精度达到1?以内。由此表明所提出的算法可以满足舰载机传递对准快速性和精确性的要求。     

一种改进的粒子滤波算法在SINS初始对准中的应用

在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。     

考虑杆臂及安装误差角的快速传递对准

介绍了杆臂效应及安装误差角在仿真中的添加方法,验证了杆臂补偿方法的可行性。机载武器传递对准时,杆臂效应影响机载武器子惯导的对准精度,通过主惯导杆臂速度补偿和对子惯导杆臂加速度补偿建立量测方程,并详细说明子惯导安装误差角的添加方法,最后采用卡尔曼滤波对子惯导进行传递对准。在安装误差角设为10′时,杆臂补偿后得到的姿态误差角估计结果：右盘旋分别为9．84′、10．33′、10．06′;S型机动分别为10．31′、10．08′、10．03′,满足精度要求。仿真结果表明,系统对杆臂效应的补偿效果较好,补偿方法可行,能在十几秒内完成对准。     

随机游走对罗经方位对准的精度影响分析

分析了随机游走对罗经方位对准的影响,通过罗经方位对准的频域误差传递函数,求出时域的单位脉冲响应函数,进而推导出该系统在白噪声驱动下的时域表达式,最后求出该表达式的统计特性,其标准差即为随机游走对罗经方位对准的误差公式。通过分析误差公式可知,罗经方位对准的精度与随机游走系数成正比,还与设置的半个二阶阻尼振荡周期的平方根成反比。当陀螺随机游走一定时,单纯的通过延长对准时间并不能提高对准精度,还需要延长二阶阻尼振荡周期,数值仿真验证了所提观点的正确性。     

基于ASYM的激光陀螺捷联惯性系统温度误差模型辨识

为减小温度对导航精度的影响,实现系统级的温度补偿,在实验中采用静态条件下的标定方法;基于激光陀螺捷联惯性系统的误差模型方程,用广义逆算法顺利分离求得陀螺各零偏及标度因数值;根据以往温度误差模型的结构特点,运用渐近辨识方法(ASYM)中的最终输出误差准则(FOE)对温度误差模型中非线性部分的阶次进行准确的计算,确定了合理的温度误差模型结构。为了解决用最小二乘法辨识模型结构的系数时,信息矩阵求逆容易溢出的问题,采用了自适应的岭估计算法确定陀螺零偏温度误差模型的系数,实现了系统级的温度误差建模。所得到的温度误差模型补偿效果比定阶前明显提高。     

基于参数辨识的最优双位置对准方法

传统参数辨识双位置对准方法绕方位轴转动90°构成第二位置,不是最优方案。改进方法绕方位轴转动180°构成最优双位置,并采用递推最小二乘进行参数辨识,计算量小,适合实时解算。采用光纤捷联惯导实测数据进行半物理仿真试验表明,改进方法10 min的方位对准精度优于1',水平对准精度可提高一个数据量级,并且收敛速度得到明显改善。