捷联惯导系统双位置快速抗干扰对准方法

经典捷联惯导系统双位置参数辨识精对准采用水平速度作为量测值,对部分参数辨识时间较长,且收敛速度受递推计算初值影响。提出了一种利用单位时间的水平比力作为量测值的双位置快速抗干扰对准方法,并忽略误差构成的高阶项,可以将三次曲线转换为线性模型进行估计,提高了初始对准的收敛速度。双位置对准试验结果表明,双位置快速抗干扰对准方法算法计算量小,算法简单,对准速度快,抗干扰性强,对准精度高且不受递推计算初值的影响,具有较强的工程实用价值。     

捷联惯导系统初始对准的参数辨识法

本文研究了晃动基座上捷联惯导系统初始对准的参数辨识法。文中论述了捷联系统姿态误差角的变化规律、姿态误差角与速度误差量间的关系、双位置对准及陀螺测漂的原理及实现,介绍了两种实用的参数辨识的递推算法:递推最小二乘法和改良卡尔曼滤波法,给出了若干组不同条件下的模拟结果,并提出了作者的一些看法。     

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。     

捷联惯导系统传递对准误差模型降阶分析

针对捷联惯导系统(SINS)传递对准实际工程应用时的降阶建模问题,给出了速度匹配卡尔曼滤波器误差模型的降阶建模过程,分析模型降阶对传递对准误差估计精度的影响,通过将各状态量对滤波估计的影响等效成惯导系统的初始失准角,以量化的方式比较各状态量影响滤波精度的大小,从而为模型降阶提供依据.最后进行了数学仿真及试验验证,试验结果表明模型降阶方法是可行和有效的,降阶模型对失准角及陀螺漂移的估计精度能够达到模型降阶前的精度,达到了预期的效果,而且模型降阶后滤波器的计算量比降阶前减少了85%左右,大大提高了滤波器计算的实时性,满足实际工程应用的要求.     

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。     

陀螺零偏二次模型参数的系统级辨识算法

以单轴旋转光学捷联惯性导航系统为原型,假设水平陀螺常值漂移的影响得以完全调制,方位陀螺漂移为随时间变化的二次模型,在水平阻尼工作模式下推导了系统位置误差与方位陀螺漂移之间严格的数学关系。分别设置了方位陀螺漂移仅有常值项、一次项、二次项和全系数误差的误差模型,利用递推最小二乘算法成功辨识出设定的二次模型中各个参数值。仿真结果表明,常值项首先被辨识出来,估计时间约为14 h,估计误差为6.54e-6(°)/h;一次项系数估计时间约为30 h,估计误差为2.73e-8(°)/h;二次项系数估计时间约为42 h,估计误差为1.51e-9(°)/h;全系数估计需要45 h,估计误差为7.28e-6(°)/h。辨识结果验证了该算法的正确性。实际系统中,可适当增加总的辨识估计时间,以达到更高精度的辨识结果。     

壳体翻滚失准角模型最小二乘辨识方法

为了提高空间稳定惯性导航系统的姿态角测量精度,建立了壳体翻滚失准角模型,给出了从壳体翻滚失准角幅值和初始相位到当地水平坐标系下的姿态转换矩阵的传递规律.利用静态下平台运动学方程中壳体翻滚失准角与框架角的定量关系,进行了壳体翻滚失准角模型最小二乘辨识方法仿真,结果表明模型系数估计精度是足够的.针对实验系统,经过模型补偿,姿态角计算误差峰峰值小于0.5′.     

抗扰动的捷联惯导系统回溯参数辨识对准法

针对捷联惯导系统参数辨识对准法航向角估计时间长且收敛速度受到计算初值影响大的问题,提出了将对准用的陀螺和加速度计采样数据存储后按时间进行正向和逆向排列,形成正向序列和逆向序列。由正向导航的解算公式推导出逆向导航的解算公式,利用公式的一致性提出了回溯误差参数辨识对准法。利用抗扰动的惯性系对准算法为回溯参数辨识法提供对准初值,应用回溯参数辨识法对误差参数反复进行逆向和正向辨识后对对准结果进行修正,能够有效提高对准精度。实验结果表明,利用相同时间的采样数据,该算法航向角的对准误差仅为改进前算法的25%。     

捷联惯导系统初始对准中Kalman参数优化方法

针对Kalman滤波器在捷联惯导系统（SINS）初始对准中的应用，系统分析了Kalman滤波器参数（包括估计误差协方差阵初值P0，模型噪声方差阵Q和量测噪声方差阵R）选取对系统状态变量的估计精度和收敛速度的影响。采用协方差性能分析法，进行了Kalman滤波器参数优化仿真，仿真结果表明：调整扁的取值可改变状态变量估计的收敛速度，调整Q或R的取值，既可改变状态变量（尤其是陀螺误差）的收敛速度又可改变它们的估计精度。综合考虑时，局的取值要比真实值大一些，Q和R的取值要比真实值小一些，这样既可缩短陀螺误差和加速度计偏置误差的估计时间，又可提高它们的估计精度。中还给出了使滤波器正常可靠工作的P0、Q和R参数的范围。     

一种改进的基于小波神经网络的SINS快速初始对准方法

捷联惯性导航系统静基座初始对准的可观测度低,采用卡尔曼滤波等最优滤波方法进行SINS初始对准时,方位失准角收敛慢且存在滤波器实时性较差的问题。对此提出了一种改进的基于小波神经网络的SINS静基座快速初始对准方法。该方法采用一个小波神经网络替代卡尔曼滤波器,利用该小波神经网络估计出两个水平失准角等SINS误差,然后利用两水平失准角快速收敛的估计结果,通过另一个小波神经网络对方位失准角直接进行快速估计。初始对准试验结果表明,该方法在保证对准精度的情况下大幅度地提高了SINS静基座初始对准的速度,同时也大大提高了系统状态估值运算的实时性。