一种改进的速度加姿态匹配快速传递对准算法

给出了一种针对工程应用的改进快速传递对准算法。推导了速度及主子惯导z轴安装误差角量测构造方法,给出了基于速度加z轴安装误差角量测的降阶快速传递对准滤波器模型。通过仿真测试了降阶滤波模型的对准性能。最后利用协方差分析方法针对性分析了航向误差对主要未建模误差的敏感程度,结果显示:摇翼机动条件下30 s时航向误差收敛到0.1°内,航向误差主要受主惯导航向误差及z轴挠曲变形的影响,对主惯导数据时间延迟不敏感。该方法兼具传统速度加姿态匹配算法的优点,又避开了其在摇翼机动时对时间延迟、挠曲变形敏感的缺点。     

舰船平台上一种改进的传递对准方案设计与仿真

为了提高舰船惯性导航系统在动基座下的传递对准的精度和快速性,针对舰船平台的应用特点,采用卡尔曼滤波器对主、子惯导的"速度加角速率"参数的误差量进行滤波估计并进行了算法设计。运用卡尔曼滤波器的平滑算法改善传递对准的精度。针对卡尔曼滤波器平滑算法会降低对准速度的缺点,在只损失一小部分精度的前提下,创新性的采用卡尔曼滤波器的降阶算法提高了对准速度。通过Matlab软件对卡尔曼滤波器算法、卡尔曼滤波器平滑算法和卡尔曼滤波器平滑加降阶算法的速度误差和姿态误差分别进行了仿真。仿真结果表明,"速度加角速率"匹配传递对准改进算法具有稳健的对准精度和快速性,有一定工程应用参考价值。     

分布式系统中捷联惯性系统动基座对准研究

为解决舰载捷联系统动基座对准中甲板挠曲变形及惯性组件箱(IMU)的安装误差对初始对准精度的影响，建立了捷联惯性系统误差模型、甲板挠曲变形模型、IMU安装误差模型，并利用速度加姿态角匹配方法，建立了量测误差模型。在此基础上利用状态扩展法建立Kalman滤波器，并进行了仿真。仿真结果表明，在舰船有摇摆的情况下，可以有效地估计IMU安装误差角和甲板挠曲变形误差角。     

机载分布式POS传递对准建模与仿真

为了提高机载分布式POS中子POS的测量精度,补偿机翼的挠曲变形,提出了一种机载环境下传递对准方法。为验证该方法的有效性,搭建了机载分布式POS地面演示系统。针对该地面演示系统,提出了运用ANSYS辅助力学建模的方法建立了模拟机翼杆挠曲运动模型,并将由机翼挠曲运动产生的挠曲变形角和挠曲变形角速度增广为卡尔曼滤波的状态变量。在此基础上,详细推导了考虑挠曲变形时姿态误差量测方程,设计了基于"速度+姿态"匹配方式的卡尔曼滤波器。仿真结果表明,采用该挠曲变形补偿方法进行传递对准,水平失准角精度优于3?,方位失准角精度优于5?。仿真结果验证了该方案的可行性,为机载分布式POS提供了工程应用参考。     

基于H∞滤波技术的传递对准方法

从实际应用的角度出发,提出利用跟踪微分滤波器抑制机翼挠曲变形产生的影响,通过杆臂效应补偿消除干扰加速度,用延时补偿算法减少由数据传输延迟造成的量测信息误差。在此基础之上,采用"速度 姿态"匹配方案,研究了基于H_∞滤波估计的快速传递对准方法。大量数值仿真、静态试验、动态跑车试验表明,这些方法有收敛速度较快、精度较高的特点,并具有较强的抗干扰能力。试验也验证了传递对准方法的有效、可行,能满足控制系统对导航信息的精度要求。     

基于H_∞滤波的主/子惯导组合中挠曲变形补偿算法

针对舰载环境下,主/子惯导组合中主、子惯导间的挠曲变形问题,设计了H?滤波算法。算法将主、子惯导间的挠曲变形作为一种能量有限的量测噪声,通过H?滤波对不确定噪声的鲁棒性来保证滤波精度。在经典的"速度+姿态"匹配方法的基础上,仿真比较了:1)方案一,已知挠曲变形时的标准Kalman滤波算法;2)方案二,未知挠曲变形时的标准Kalman滤波算法;3)方案三,未知挠曲变形时的H?滤波算法。仿真误差曲线直观表明:基于H?滤波算法可以在未知挠曲变形时有效提高组合精度;统计结果表明:滤波方案三得到的姿态与速度的系统误差、随机误差均与理想条件下的方案一相当;相较于方案二,滤波方案三得到的姿态与速度的系统误差至少可减小40%,随机误差至少可减少15%。     

奇异值分解H_∞联邦滤波及其在传递对准中的应用

捷联惯导(SINS)合成孔径雷达(SAR)组合导航系统中,SINS与SAR天线附加的惯性测量元件(IMU)之间的抗干扰、动态快速传递对准是一个研究难题。为了既不增加滤波器阶数,减小计算量,又能提高传递对准的速度和精度。在吸收现有滤波算法优点的基础上,提出了一种新的奇异值分解H∞联邦滤波算法。首先,建立了速度+姿态+位置匹配更新的传递对准模型,利用基于奇异值分解的H?子滤波器进行滤波,得到系统状态的局部最优估计值;然后,通过联邦滤波器对局部最优估计值进行融合得到全局最优估计值。仿真结果表明,提出的滤波算法得到的失准角估计值能在200s内收敛,且分别稳定在3'、-5'和20',性能明显优于H∞滤波和联邦滤波。新的滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,为提高传递对准的精度提供了一种新方法和新途径。     

快速传递对准中机翼弹性变形估计方法比较

传递对准是机载主惯导对子惯导进行初始化的过程,机翼变形对快速传递对准滤波精度有显著影响。讨论了传递对准中机翼变形的不同估计方法,通过分析建模过程比较了各种方法的特点及其适用范围。然后建立快速传递对准仿真环境,用"速度加姿态"匹配方式进行仿真,比较了不同方法所能达到的精度。最终从对准精度、快速性、模型依赖度、计算量等方面,对各种传递对准中机翼弹性变形的处理方法进行了比较总结,结果表明,将弹性变形当作有色噪声且使用卡尔曼滤波量测扩增法进行传递对准滤波器设计时,在估计精度和计算量方面达到最好折衷。所得结论为快速传递对准弹性变形的处理提供了工程应用参考。     

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。     

基于自适应交互多模滤波的SCNS/RSINS紧组合对准方法（英文）

为了提高船用单轴旋转捷联惯性导航系统(RSINS)初始对准的精度和快速性,针对传统的EKF滤波线性化误差和单传感器精度不高的问题,设计了一种基于自适应交互多模(AIMM)算法的SCNS/RSINS紧组合对准方法。该算法将自适应滤波器与交互多模型相结合,利用了两个合理构建状态模型和量测模型的平行滤波来实现对实际模态的覆盖:滤波1应用姿态四元数算法建立了状态方程的模型,量测量为RSINS与SCNS之间的姿态四元数误差;滤波2的根据SCNS/RSINS的误差特性构建了状态方程模型,量测量为RSINS与SCNS位置和航向误差,然后应用自适应IMM算法将两个平行滤波的估计值进行数据融合。在某种程度上,因状态噪声和量测噪声的不确定性,EKF的性能会被降低,而通过模型转换机制,IMM可用于选择一个合理的模型自动计算器来自适应地调整对准过程中噪声的协方差矩阵,因此该算法可以有效地解决SCNS/RSINS组合导航系统的初始对准问题。仿真结果表明:与EKF算法相比,基于自适应IMM算法的SCNS/RSINS组合对准方法的估计精度和对准快速能力都得到了改善,其中对方位陀螺漂移的估计时间缩短了至少40%。     

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。     

捷联惯导角速度匹配传递对准方法研究

潜器用SINS在释放前摇摆基座上进行初始传递对准时，主惯导与子惯导之间不仅会因安装而产生常值失准角，而且会因为舰体的变形产生不确定失准角。用二阶马尔可夫对舰体变形进行了建模，并对角速度匹配传递对准方法进行了研究。计算机仿真验证了舰体变形模型的可行性，角速度匹配传递对准方案可以有效、快速地为潜器提供高精度的导航姿态基准。     

大陀螺零偏条件下的快速传递对准算法

针对某些某些微机械陀螺零偏重复性差的特点,提出了滤波反馈修正和陀螺零偏粗对准预处理两种方法,使“速度＋姿态”快速传递对准算法在大陀螺零偏条件下能够不损失估计精度。在简要介绍“速度＋姿态”．决速传递对准算法数学模型的基础上,探讨了大陀螺零偏导致的惯导系统非线性误差。为减小上述非线性误差的影响,提出用每一步滤波估计值修正子掼导状态的反馈修正方法,和在进行卡尔曼滤波前直接测量比较主、子惯导陀螺输出的陀螺零偏粗对准预处理方法。仿真结果表明,采用上述两种方法,快速传递对准算法可在陀螺零偏过大的情况下保持算法的有效性和估计精度。     

基于简化无迹Kalman滤波的非线性SINS初始对准

传统的小干扰失准角模型只适合于小失准角情况下的初始对准,对于处于大失准角下的舰船或飞机的对准必须寻求不做任何线性假设的非线性模型和非线性滤波方法。针对以上问题,建立了基于四元数的姿态误差方程,给出了基于复杂噪声模型的UKF算法,在该算法的基础上假设量测方程为线性,得出简化的UKF算法,避免了重采样、多次求解量测预测方程、计算量测预测方差等一系列繁杂过程。基于以上理论建立了适合简化UKF算法的非线性滤波模型,在大失准角、小失准角下与常规Kalman和EKF算法做对比仿真,结果表明,在小失准角下三种方法效果相当,但在大失准角下简化UKF和EKF显示出了处理非线性模型的优势,对准速度和精度都好于常规Kalman算法。由于EKF线性化造成的高阶截断误差使得对准精度略低于简化UKF。     

舰载导弹惯导系统姿态变化量匹配法传递对准

针对捷联惯导系统的动基座传递对准问题,采用姿态变化量匹配法,在不依赖舰船自主机动运动而仅仅依靠外界风浪随机干扰的情况下,对系泊状态下的舰载导弹捷联惯导系统传递对准进行仿真研究。仿真结果表明:在三种海况下,姿态变化量匹配法可以使3个失准角估计在短时间内均达到要求精度;随着舰船摇摆频率和幅度的增大,失准角的估计精度会进一步得到提高。研究表明姿态变化量匹配法具有对准算法简单、对准速度快、精度高等优点;利用一定强度的风浪,通过该种匹配方法能够成功的解决动基座传递对准问题。     

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。     

机动对速度匹配法传递对准效果的影响

传递对准过程中,机动运动有利于改善对准效果,不同的机动运动方式对特定匹配模式下的对准效果改善程度不同。通过建立速度匹配法传递对准卡尔曼滤波器模型,对几种典型机动方式下的模型分别进行深入仿真研究,详细比较不同机动方式对捷联惯导系统对准效果的影响。仿真结果表明,采用速度匹配传递对准方式,载体单独做摇摆加线运动姿态误差角估计精度能达到1',陀螺常值漂移的估计精度能达到90%,加速度计常值零偏无法估计。载体做"S"形机动运动姿态误差角估计精度优于0.5',陀螺常值漂移的估计精度能达到95%以上,加速度计常值零偏估计精度能达到99%。