激光陀螺随机漂移数据的非参数建模

随机漂移是激光陀螺的主要误差源,在惯性系统中不能用简单的方法加以补偿,因而其成为衡量激光陀螺精度的重要指标。建立误差模型并采用滤波技术滤波是抑制该项误差的有效方法。线性自回归滑动平均模型（ARMA）虽已形成相当完善的理论,但不能解释非线性现象。针对实际中出现的非线性现象,提出应用一类非参数模型（FARMA模型,即函数系数自回归滑动平均模型）对激光陀螺随机漂移数据进行建模,采用多项式拟合非参数系数,并将结果与ARMA进行比较。仿真结果表明,应用该模型能取得较好的效果,系数函数呈现非线性,实例验证了陀螺漂移是弱非线性的;建模后的残差平方和小于利用ARMA理论建模得出的残差平方和。     

扩展容积卡尔曼滤波-卡尔曼滤波组合算法

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波（KF）方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波（A-CKF）的组合滤波方法。该方法将系统状态分解为线性状态与非线性状态两部分,分别采用KF和简化两次扩展容积卡尔曼滤波（STA-CKF）方法进行系统状态估计。机动目标跟踪和捷联惯性导航系统非线性对准仿真结果表明,相比于Rao-Blackwellized粒子滤波方法,新方法在保证滤波精度的前提下,使得计算成本有效降低;相比于STA-CKF方法,新方法在滤波精度和滤波实时性方面均得到明显提高。     

光纤陀螺温度漂移建模补偿

光纤陀螺(FOG)的核心部件对温度敏感,造成温度是影响FOG测量精度的主要原因之一.对FOG温度漂移进行建模是实现其温度补偿,提高FOG测量精度的有效方法.结合近年来FOG的研究成果,在分析FOG温度效应机理的基础上,对FOG温度漂移建模方法进行综述.特别针对FOG温度特性的复杂非线性特点,从光纤陀螺温度漂移建模原理、建模复杂程度、模型精度及模型通用性等方面对多种建模方法进行对比分析.     

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.     

平方根容积卡尔曼滤波在角测量跟踪中的应用

为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。     

光纤陀螺温度漂移自适应网络模糊推理补偿

温度漂移是影响光纤陀螺精度的重要因素之一。在对光纤陀螺温度漂移特性进行实验分析的基础上,对零偏温度漂移进行了多项式拟合补偿。为了解决传统曲面拟合方法无法精确描述标度因数温度漂移与温度、转速之间的关系导致其补偿精度低的问题,提出了一种基于自适应网络模糊推理的光纤陀螺温度漂移补偿新方法。该方法基于模糊逻辑,结合最小二乘和误差反向传播混合算法,设计了自适应网络模糊推理系统,从而有效提高了光纤陀螺温度漂移补偿精度。实验结果表明,在-30～60 ℃温度范围和-165～165 （）/s 载体角速率范围,应用新方法对光纤陀螺温度漂移进行补偿,得到的训练误差均方根不超过0.003 （）/s,预测误差均方根不超过0.005 （）/s。