基于加性四元数的SINS/CNS非线性紧组合方法

针对SINS/CNS组合导航系统中的非线性特性,提出了基于加性四元数的SINS/CNS非线性紧组合方法.从捷联惯性导航系统误差非线性建模和天文角度非线性量测两个方面出发,推导了基于加性四元数的捷联惯导误差传播特性,构建了天文导航的非线性量测模型,采用二阶插值滤波算法实现了SINS和CNS的非线性信息融合.计算机仿真显示,SINS/CNS非线性紧组合方法充分考虑系统的非线性特性,机动情况下的峰值误差较小,相对线性紧组合方法导航精度提高约15％.     

量测野值与波束故障条件下SINS/DVL紧组合导航方法

针对传统捷联惯性导航系统（SINS）/声学多普勒测速仪（DVL）组合导航系统导航精度容易受量测信息质量影响的问题,提出了一种基于波束重构的SINS/DVL紧组合导航系统故障处理方案。以现有的紧组合模型为基础,根据四波束DVL结构特点,提出了新的故障波束速度信息重构方案。针对速度测量异常、量测模型误差及波束信息重构误差等综合引起的量测噪声特性变化问题,根据核函数思想,设计了一种改进Huber鲁棒滤波器。试验结果表明,在1 h波束故障情况下,采用所提出故障处理方案最大定位精度相对于纯惯性定位提高了80%以上。     

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°。     

状态变换扩展卡尔曼平滑算法在AUV水下航迹修正中的应用

水下自主潜航器(AUV)在水下勘测过程中常采用定期上浮的方式利用卫星定位信息(GNSS)校正惯性/多普勒测速仪(SINS/DVL)组合导航造成的位置误差,并通过平滑算法校正之前计算的水下航迹。针对AUV上浮前的水下航迹矫正问题,提出一种基于计算地理坐标系的状态变换扩展卡尔曼平滑算法(STEKF-RTS)。首先推导状态变换扩展卡尔曼滤波器的系统误差状态方程,并分别以GNSS信息和DVL速度为观测信息构建量测方程,以此系统模型进行前向滤波。完成前向滤波后,即潜航器上浮GNSS校正完成后,采用RTS平滑算法对水下航行阶段的航迹进行修正。实验结果表明,STEKF相较于EKF能减缓位置误差积累,STEKF-RTS相比EKF-RTS平滑算法能够进一步有效校正航线误差,1 h上浮时间间隔情况下,勘测航迹精度可控制在0.5%D以内。     

考虑洋流影响的SINS/DVL组合导航算法

针对捷联惯性导航系统(SINS)/多普勒计程仪(DVL)组合导航系统工作于水跟踪模式条件下的高精度定位需求,提出一种考虑洋流影响的SINS/DVL组合导航算法。分析了DVL水跟踪模式下洋流速度对组合导航精度的影响,基于速度匹配组合导航的方式提出了SINS/DVL组合导航系统设计方案,当DVL切换到水跟踪模式后,利用Kalman滤波器对洋流速度进行实时估计,从而能够有效提高DVL仅对水输出时系统的组合导航定位精度。仿真和水上船载试验结果表明,本文提出的考虑洋流速度影响的SINS/DVL组合导航算法是有效的和可行的。     

基于马氏距离的联邦卡尔曼滤波在SINS/SRS/CNS导航中的应用

可靠的导航信息是实现飞行器精准控制的重要条件.为提高SINS/SRS/CNS组合导航系统的可靠性与精度,提出了一种基于马氏距离的自适应联邦卡尔曼滤波算法(MD-AFKF).在子系统传感器异常而导致产生异常量测信息时,采用基于马氏距离的噪声估计方法适时调整子系统量测噪声统计特性,同时通过在信息融合和分配阶段引入自适应融合...     

基于高斯粒子滤波与消息传递的协同导航方法

针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。     

基于交互多模型距离平滑的UWB/IMU因子图组合导航方法

为了解决全球导航卫星系统（GNSS）拒止条件下车辆定位困难问题,提出了一种基于交互多模型距离平滑的超宽带/惯性测量单元（UWB/IMU）因子图组合导航方法。首先,针对超宽带信号由于反射或折射导致的非视距问题,分别建立视距与非视距情况下超宽带基站与标签间距离的因子图模型,并利用交互式多模型算法进行原始距离的平滑;然后,对惯性导航系统、交互式多模型处理的超宽带距离信息等测量量进行建模,构建基于因子图的信息融合框架,并根据非线性优化理论与增量平滑算法实现变量节点的递推与更新。最后,采用因子图方法对融合数据进行处理,实现车辆多传感器高精度组合导航。实际测试结果表明,相比基于卡尔曼滤波的多传感器融合方法,所提出的基于交互多模型距离平滑的惯性/超宽带的因子图定位方法在非视距情况下位置估计精度（RMS）提高40%以上。     

基于波束域信息的SINS/DVL组合导航算法

针对水下环境影响导致DVL回波个数小于4,常规惯性/DVL组合导航无法进行,对DVL的回波信息利用不充分的问题,提出了一种基于波束域信息的SINS/DVL组合导航方法.直接将DVL测量的波束域信息与惯导系统速度转化得到的频移差值作为观测量,考虑惯导以及DVL的多项误差,建立基于频移观测量的卡尔曼滤波模型,实现对惯导系统...     

INS/GNSS/VO组合导航系统复合型异常检测与容错算法

INS/GNSS/VO导航系统的异常输出常由外部扰动引起,表现为幅值较小的突变信号或者增长速率较慢的斜坡信号。为了增强异常检测算法的检测能力,提高组合导航系统在外部干扰情况下的导航精度,提出一种INS/GNSS/VO组合导航系统复合型异常检测与容错算法。在非全局融合阶段使用状态卡方检测法对量测信息进行异常检测与隔离;在全局融合阶段,构建检测统计量的归一化阈值比,作为量测噪声方差阵的权重系数,对子滤波器进行加权量测更新。街道场景中的离线测试结果表明,所提算法的导航误差均值与标准差相对于其他的异常检测与容错算法分别减小了9.6%与2.7%,提高了组合导航系统的异常检测能力和容错性能。     

智能车辆SINS/DGPS/视觉/数字地图组合导航技术

为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,提出了一种机器视觉/数字地图/CP-DGPS共同辅助SINS的智能车辆组合导航方法,建立了组合导航系统的滤波模型。该滤波模型的量测信息不仅包括GPS与SINS形成的位置与姿态观测信息,还包括机器视觉/数字地图/SINS形成的横向偏差观测信息。通过对SINS的多重冗余辅助,使得导航系统具备容错能力。仿真结果表明,该组合导航系统能为智能车辆提供其空间位置、速度、加速度与姿态角等众多导航信息,并具有100Hz的高频输出、厘米级的导航精度和容错性能,当GPS较长时间中断时,通过SINS/视觉/数字地图的组合仍能为智能车辆提供可靠的导航数据。     

一种基于梯度下降四元数理论的DVL误差标定方法

针对如何快速精确标定出多普勒计程仪(DVL)的比例因子误差以及DVL和捷联惯导(SINS)之间的安装误差角的问题,提出了一种基于梯度下降四元数估计理论的位置观测DVL标定方法。以SINS/DVL/GNSS为组合导航方式,利用多普勒测速原理标定出比例因子误差,通过构造位置矢量观测方程,采用梯度下降四元数方法得到安装误差角的标定结果。通过仿真及试验验证了所提出方法的有效性,并与卡尔曼滤波标定算法进行了比较,结果表明:比例因子估计值误差的最终标定结果在0.06%以内,安装角估计误差最终标定结果在0.05°以内,具有较好的工程应用价值。     

基于状态变换的DVL辅助SINS初始对准方法

针对传统捷联惯性导航系统（SINS）/声学多普勒测速仪（DVL）组合导航系统初始对准过程中模型不精确引起的对准效率低的问题,提出了一种基于状态变换的SINS/DVL初始对准方法。与传统的SINS/DVL匹配模式不同,所提方案采用了基于载体系速度信息的匹配模式,建立了基于载体系速度误差的SINS误差方程,提高了系统误差模型精度。并考虑SINS和DVL之间的安装关系,重新建立了SINS/DVL初始对准系统及量测方程。最后仿真及试验结果表明,所提出的基于状态变换的DVL辅助SINS初始对准方法能在粗对准不够理想且存在安装偏差角条件下完成高精度的初始对准,提高了初始对准的鲁棒性能,同时在对准过程中能够保持高精度的位置信息。     

基于SINS/LBL紧组合的AUV水下导航定位技术

针对因水下环境的特殊性AUV难以实现精准导航的问题,设计了一种基于SINS/LBL紧组合的AUV水下导航定位系统。该系统具有定位精度高、鲁棒性好等优点,系统由SINS、LBL、DVL和MCP组成,根据LBL的TDOA定位原理建立了LBL斜距差模型,给出了SINS/LBL/DVL/MCP的状态方程和量测方程,利用集中kalman滤波器对组合导航系统进行最优估计。在相同的仿真条件下,对SINS/LBL松组合、紧组合进行了软件仿真,仿真结果表明:相对于松组合系统,基于SINS/LBL的紧组合系统导航精度更高,尤其是在由于AUV运动或受到外界干扰导致可用信号的水听器不足四个时,紧组合系统的可靠性和容错性更高。     

基于指数渐消遗忘因子的组合导航自适应滤波算法

量测信息异常导致的噪声统计特性变化容易引起组合导航滤波精度下降甚至发散.针对Sage-Husa自适应滤波算法估计系统量测噪声参数性能对遗忘因子依赖性强的问题,提出了基于指数渐消遗忘因子的自适应滤波算法.在对故障检测函数判断量测噪声统计特性研究的基础上,构建了基于指数函数的动态遗忘因子模型,提升量测信息异常情况下的导航精...     

基于因子图的AUV多传感器组合导航算法

针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,实现变量节点的递推与更新;最后,采用因子图方法对融合数据进行处理,实现AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。     

星光折射辅助惯性/天文紧组合高精度导航方法

为了解决传统惯性/天文(SINS/CNS)组合导航无法在线精确估计加速度计零偏而导致SINS导航误差发散的难题,提出了一种动力学模型约束改进的捷联惯性星光折射组合导航方法。直接利用星敏感器观测的原始恒星像点坐标信息与约束改进的SINS导航动力学方程构建SINS/CNS紧组合模型,通过推导加速度计虚拟观测方程和适用于空天跨域飞行器导航的星光折射测量方程,采用扩展卡尔曼滤波方法,实现了对加速度计零偏和陀螺零偏在线估计。典型弹道仿真结果表明,在不增添额外传感器的条件下,相对于传统的基于姿态测量SINS/CNS组合,所提方法导航定位、定速和定姿精度分别提升了97.84%、98.61%和78.70%;相对于传统的基于星光折射SINS/CNS组合,定位、定速和定姿精度分别提升了28.09%、67.72%和79.10%。所提方法有效克服了传统方法精度恶化问题,显著提升了传统SINS/CNS组合导航精度。     

一种基于M估计的抗差自适应多模型组合导航算法

针对复杂环境下因量测噪声统计特性时变及量测粗差而引起的组合导航精度下降的问题,提出了一种基于M估计的抗差自适应多模型组合导航算法。所提算法突破了传统交互式多模型算法定结构的限制,凭借所提出的模型集自适应调整策略,能够快速估计量测噪声统计特性,并利用模型概率信息对模型转移概率矩阵进行实时修正;引入了基于M估计的抗差Kalman滤波算法,以提高滤波抗差能力。以SINS/DVL组合导航系统为例,通过仿真和长江试验对所提算法进行了验证,结果表明所提算法有效降低了量测噪声统计特性时变及量测粗差对滤波精度的影响。在长江试验中,所提算法相比AIMM算法,东、北向速度误差和位置误差的均方根误差分别下降了44%、36%和41%、53%,水平定位精度提升了约45.9%,定位精度提升显著。     

一种基于小波变换的故障诊断改进算法

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力，提出了一种基于调频高斯小波变换的导航传感器故障诊断改进算法。该算法在分析调频高斯小波特性的基础上，采用高斯小波变换计算出观测量的小波系数后，然后利用带遗忘因子的数据平滑算法对小波系数进行平滑，通过判断平滑值来诊断导航工作正常与否。其优点是仅利用传感器的观测量来直接检测导航传感器故障，适当选择小波变换的拉伸因子和数据的衰减因子可以对方差突变等软故障进行有效的在线检测，并解决了误检问题。仿真结果证明了该算法的有效性。     

一种基于遗传模糊推理的自适应容错滤波算法

针对常规卡尔曼滤波在组合导航中容错性不足的问题,提出了一种基于遗传模糊推理的自适应容错滤波算法。首先建立了基于模糊推理的自适应滤波模型,利用模糊推理系统的输出对组合导航系统的量测噪声实时进行调整,以实现状态的精确估计,进而达到容错目的。接着利用自适应遗传算法对模糊推理系统的隶属度函数参数进行了优化,提高了系统的输出精度,改进了传统模糊建模中系统精度取决于专家知识是否完备的问题。最后以SINS/GPS组合导航系统为平台进行了仿真,并在系统工作中间时刻引入量测噪声故障。验证结果表明遗传模糊推理自适应滤波算法比常规卡尔曼滤波具有更强的容错能力和总体精度,在仿真中,平均位置和速度均方根误差分别降低了20.87%和41.94%。