基于IEKF的水下无人潜器无源动基座自对准方法

针对水下无人潜器无准确外参考信息条件下惯导系统动基座自对准问题,提出基于不变扩展卡尔曼滤波(IEKF)的动基座自对准方法.首先,建立系统误差模型,并针对系统动态模型的不确定性,设计自对准的不变扩展卡尔曼滤波算法;同时基于水下无人潜器一般工作在匀速运动状态,将航向信息耦合到自对准滤波器的量测方程中,最终实现了无准确速度信...     

基于深度学习与运动状态识别的车辆惯性导航方法

微机电惯性测量单元（MEMS IMU）因成本低、体积小以及功耗低等优势受到广泛关注,但由于MEMS IMU误差大且复杂,基于MEMS IMU的捷联惯性导航系统精度还远远不能满足移动机器人、无人驾驶等各个领域的广泛需求。针对此问题,提出了一种基于深度学习与运动状态识别的车辆导航方法。首先,针对MEMS IMU误差具有非线性、时变性的特点,基于改进后的膨胀卷积网络对MEMS IMU陀螺仪漂移进行标定补偿。其次,利用时间卷积神经网络动态检测车辆的运动状态,并将特定运动状态的约束信息作为观测量,基于不变扩展卡尔曼滤波进行信息融合。所提出方法在公开数据集进行了验证,与未对陀螺误差进行标定补偿的基于深度学习的运动状态检测与约束方法进行了比较,所提出方法将车辆水平位置的绝对轨迹误差和相对轨迹误差平均值分别降低了30.9%和24.7%,证明了所提出方法的有效性。     

惯性/重力匹配组合导航系统与可视化仿真

根据惯性/重力匹配组合导航系统的工作原理和特点,提出了基于 RANSA 思想的重力图匹配方法,采用此方法实现了重力图的鲁棒匹配。通过建立组合导航系统的数学模型,采用最优滤波技术实现了组合导航系统的信息融合。在此基础上,采用多种高级语言混合编程,设计实现了一套可视化的仿真软件,对该系统进行了可视化仿真研究。仿真实验结果表明,惯性/重力匹配组合系统相对于无辅助的惯性导航系统,其定位精度、速度精度均有较大的提高,也就是说采用重力匹配方法达到了校正惯导系统,实现高精度导航的目的。     

双轴旋转式SINS非线性初始对准方法

双轴旋转调制技术可以实现全部惯性元件常值误差的自补偿,从而提高惯性导航系统的导航精度.以双轴旋转调制式SINS初始对准方法为研究对象,建立了双轴旋转式SINS大方位失准角非线性误差模型,利用简化Unscented卡尔曼滤波(UKF)算法,设计了双轴旋转式SINS大方位失准角初始对准算法,利用提出的UKF算法进行了方位失...     

基于自适应强跟踪滤波的捷联惯导/里程计组合导航方法

针对大型轮式车行驶过程中里程计标度发生较大变化,无法满足车载定位定向系统给里程计分配的误差要求,研究了一种非线性滤波方法。以容积卡尔曼滤波为算法框架,引入强跟踪滤波渐消因子的基本理论,提出了捷联惯导/里程计组合导航的自适应强跟踪滤波算法,达到实时自适应估计并补偿里程计标度误差的目的。仿真分析和跑车试验验证了该方法的有效性,新方法比传统强跟踪滤波更进一步消除了里程计误差的影响。试验结果表明该方法使得捷联惯导/里程计组合导航的定位精度提高了两倍以上,达到了惯性元件的理论精度。     

基于逆向解算的管道检测高精度定位方法

针对埋地管道检测中需要精确确定管道变形、位移等处的位置问题,提出基于逆向解算的管道检测高精度定位方法。基于惯性导航系统误差传播特性,将检测过程中惯性元件陀螺、加速计以及里程计的输出作为一个时间序列,依据检测过程中的标记点将检测过程分段,相邻两个标记点间为一段,以标记点为起始点分别做正向和逆向的导航解算,以每段的中间时刻为分割点,分别将正向解算的前二分之一数据和逆向解算的前二分之一数据作为系统的定位结果,从根本上降低系统的误差积累,提高系统的定位精度。采用实测数据将提出的方法与常用定位方法进行了比较,所提出的方法的最大定位误差为3 m,验证了方法的有效性。     

双轴旋转式SINS自主标定技术

在双轴旋转式SINS中,惯性元件常值漂移误差对系统的影响可以得到调制,但安装误差和标度因数误差对系统的影响无法得到调制,同时这些误差会与旋转角速率耦合,引起速度锯齿波等误差从而降低了系统的各项性能指标。为了减少这种影响,分析了光学陀螺双轴旋转式SINS误差传播特性,利用奇异值分解法对系统的可观测程度进行了分析,经分析,与转动轴相关的安装误差和标度因数误差的可观测度较好,据此设计了系统的自主标定方案及滤波算法,进行了数字仿真和半实物仿真验证试验。试验结果表明,利用设计的自主标定方案,在1 h内能估计出转轴上两个陀螺的标度因数误差及与转轴相关的四个安装误差,估计精度能达到95%以上。导航试验验证表明,利用自主标定的参数,相对于传统标定方法,使系统定位精度提高了20%。     

基于小波滤波的激光陀螺SINS晃动基座初始对准

激光陀螺捷联惯导系统在晃动基座上进行初始对准时,由于激光陀螺信号中存在着很大的随机噪声,导致对准时间变长,对准精度降低。为解决此问题,提出一种基于小波实时阈值滤波的预处理方法,选取了合适的小波基和分解层数,对陀螺信号进行小波预处理,然后利用滤波后的陀螺信号进行姿态粗对准,最后使用速度误差作为观测量进行卡尔曼滤波精对准。半实物仿真试验结果表明:本文提出的小波预处理方法在满足陀螺信号实时性的条件下,能够有效地减小激光陀螺信号中的各项随机噪声,利用预处理后的陀螺信号进行初始对准时,对准时间显著缩短,航向角在精对准7 min左右收敛,其1σ值在39"以内,在工程上有一定的参考价值。     

UPF+KF在双轴旋转光学SINS非线性初始对准中的应用

以双轴旋转式SINS初始对准方法为研究对象,建立了双轴旋转式光学SINS大方位失准角误差模型,设计了双轴旋转式SINS大方位失准角初始对准的UPF初始对准算法;根据实际工程应用需要,结合UPF算法和卡尔曼滤波(KF)算法,设计了UPF+KF组合滤波算法,将其应用到了双轴旋转式光学SINS大方位失准角初始对准中。仿真及试验结果表明,提出的UPF+KF组合滤波算法有效降低了UPF算法的耗时,在双轴旋转式光学SINS大方位失准角初始对准中,水平姿态角收敛时间约为11min,方位角收敛时间约为20 min,而且对准误差大大缩小,水平姿态角误差小于3.6〞,方位误差小于2ˊ,证明本文提出的UPF+KF组合滤波算法是有效的、可行的。     

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。