基于Simulink的捷联惯导系统圆锥误差的仿真研究

基于Simulink仿真环境建立了捷联惯导系统三轴转台的仿真模型,模拟转台的角振动产生圆锥运动。通过设置陀螺的动态误差系数,对陀螺的动态测量误差产生的圆锥误差进行了仿真研究。分析了陀螺的标度因数误差和交联耦合误差产生的两类圆锥误差:整流误差和伪圆锥误差。提出了根据圆锥误差估计并补偿陀螺的动态误差系数的方法。仿真结果表明经过补偿后,由圆锥误差引起的姿态漂移得到明显改善。     

静基座速率偏频激光陀螺捷联惯导系统快速高精度初始对准算法

针对惯性器件误差对初始对准精度的影响,提出了基于速率偏频激光陀螺捷联惯导系统的快速高精度初始对准算法。首先,研究了初始对准阶段惯性器件的误差特性;然后,建立了激光陀螺标度因数和加速度计零偏的二次非线性误差模型,并对其进行在线估计和补偿;最后,采用卡尔曼滤波方法对激光陀螺零偏残差进行估计,得到系统初始对准姿态矩阵。实验结果表明,该算法可以有效消除激光陀螺标度因数误差、零偏误差和加速度计零偏误差等因素对初始对准精度的影响,初始对准时间为3 min时水平姿态角对准精度为2″,偏航角对准精度优于30″,精度和快速性均得到显著提高。     

利用高精度陀螺对星敏感器在轨标定算法研究

研究了利用高精度陀螺对星敏感器误差在轨标定方法。采用高精度陀螺,利用陀螺作为星体的姿态参考可以连续提供星体的三轴姿态角速度信息,积分得到相应的姿态角特性,结合卫星姿态运动学方程,基于扩展卡尔曼滤波算法,针对星敏感器的常值误差和测量噪声,设计了星敏感器在轨标定模型,利用陀螺的测量输出对其进行实时补偿,以确保姿态测量元件在轨工作精度。仿真结果表明该在轨标定算法可以准确标定出星敏感器的常值误差。     

基于非线性预测滤波的卫星姿态确定

为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。     

一种利用星敏感器对陀螺进行在轨标定的算法

为确保姿态测量器件长期在轨工作精度、提高姿态确定精度,针对典型的陀螺和星敏感器联合定姿方案,推导了一种星敏感器/陀螺在轨标定算法。考虑到卫星姿态测量过程中的几种主要误差源,建立星敏感器和陀螺标定模型,首先用递推算法对星敏感器单独在轨标定,然后采用Kalman滤波对星敏感器和陀螺同时进行在轨标定,对误差进行实时补偿,有效地提高了星敏感器和陀螺的测量精度,与同类算法相比,为卫星姿态确定提供了更加丰富的信息。最后对该算法进行了数学仿真,仿真结果验证了算法的有效性。     

重力扰动对高精度激光陀螺惯导系统ZUPT的影响分析与补偿

高精度激光陀螺惯导系统广泛应用于车载自主定位定向当中。当不存在外部测速设备的条件下，一般采用零速修正（zero velocity update，ZUPT）对导航误差的发散过程进行约束。常规ZUPT导航算法中重力矢量采用正常重力模型计算获得，忽略了重力扰动对导航精度的影响。考虑到车载自主导航系统对定位精度的要求，本文从重力扰动对惯性导航误差的影响机理分析入手，指出重力扰动是影响高精度ZUPT导航精度的最主要误差源之一。设计提出了两种适用于车载应用的重力扰动实时补偿方案，并在重力扰动变化剧烈的山区地带进行了长距离车载试验。试验结果表明，对于同一组跑车数据，导航时间2 h ZUPT间隔10 min，激光陀螺惯导系统的水平定位精度由补偿前的8.93 m提高到了补偿后的3.75 m，高程定位精度由补偿前的1.63 m提高到了补偿后的0.80 m。重力扰动补偿方法具有重要的工程应用价值。     

基于小波去噪和TLS算法的全姿态寻北

为提高捷联寻北仪在动态干扰下的寻北精度,同时解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,提出采用小波去噪处理陀螺输出信号和总体最小二乘寻北算法的组合滤波方法。针对硬阈值函数和软阈值函数去噪的局限性,使用改进阈值函数处理陀螺噪声,能够更好滤掉动态干扰;根据多位置寻北解算特点,创新性引入总体最小二乘寻北算法,有效补偿了寻北仪的静态误差。仿真数据和实验结果表明,该组合算法能显著提高寻北仪的抗干扰能力,实现全姿态高精度寻北。     

基于模型误差补偿的星敏感器/陀螺卫星定姿方法及其仿真

针对经典扩展卡尔曼滤波(EKF)依赖于未知参数动态模型的准确程度这一问题,提出了一种基于当前星敏感器观测信息的模型误差补偿算法.该算法利用状态估计信息及当前矢量观测值,以预报误差最小为准则,对陀螺输出模型中的陀螺漂移进行补偿,进而利用修正后的陀螺测量模型预报卫星姿态,从而显著地提高了系统的定姿性能.仿真实验表明,在无陀螺漂移先验信息的情况下,该算法能够有效地补偿陀螺漂移引起的模型误差,定姿效果优于EKF.     

无陀螺捷联惯导系统中加速度计动态误差分析及补偿

无陀螺捷联惯导系统中,加速度计直接固定在载体上,所以其动态误差对系统精度有显著影响.首先,建立了加速度计动态误差数学模型,给出了动态误差对于九加速度计系统角速度解算的影响,然后,结合三轴转台模型及测试原理,通过网络结构简单、收敛速度快而不存在局部极小值问题的线性神经网络一次性标定了加速度计所有动态误差系数,最后对动态误差标定及补偿结果进行了仿真.仿真结果表明,标定系数的精度随着三轴转台转速的提高而提高,误差标定并补偿后角速度解算精度得到了明显改善.     

MEMS陀螺误差建模与滤波方法

从实际工程应用角度出发,探讨了微机电系统(micro-electro-mechanical systems,MEMS)陀螺误差的有效滤波降噪方法.基于随机序列时序分析法的基本原理,采用实时平均算法对陀螺原始量测数据进行常值补偿预处理,得到随机漂移信号.对去除渐进项后的差分漂移信号进行AR模型建模,并依据该模型进行改进卡尔曼滤波,在输出差分信号滤渡值的同时解算当前陀螺输出滤波值.通过对某MEMS陀螺实测数据的误差补偿结果表明,提出的滤波方法能够有效地抑制其漂移误差,提高实际应用中的测量精度.     

基于干扰估计的BTT导弹鲁棒方差姿态控制

针对存在非线性和不确定性的倾斜转弯(bank-to-turn, BTT)导弹姿态控制问题,提出基于干扰估计的鲁棒方差控制方法。将姿态运动中非线性项和不确定项作为总干扰,采用干扰观测器进行估计,并引入控制系统进行补偿。干扰观测器的观测误差作为BTT导弹姿态运动的干扰输入,为了保证控制系统具有良好的动态和稳态性能,采用鲁棒方差控制理论设计了线性反馈控制器,将闭环极点配置在特定圆盘区域,同时将状态变量的稳态方差保持在给定的范围内。仿真结果表明,所提出的鲁棒方差姿态控制器能够保证良好的控制效果,鲁棒性强。     

初始姿态精度对SAR成像分辨率的影响

分析了合成孔径雷达SAR运动补偿用惯导初始对准误差对SAR天线相位中心运动参数测量精度以及成像分辨率的影响.通过建立惯性器件误差→惯导初始自对准精度→SAR成像分辨率三者之间的量化映射关系,可以直观地发现,SAR合成孔径起始时刻姿态误差对成像分辨率的影响较之初始位置、速度误差更为严重,并分析指出不同方向的初始姿态误差对SAR成像分辨率的影响并不相同,由此进一步分析了SAR运动补偿系统惯导器件对成像分辨率的影响.经过单个点目标SAR成像(RD算法)仿真验证了该方法的正确性.     

基于XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XG-Boost并融合弹性网的误差补偿算法.采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做...     

捷联惯导算法中螺旋理论的应用

算法定义了推力速度坐标系、重力速度坐标系、位置坐标系,以螺旋理论为数学工具,提出了一种新的捷联惯导算法。算法利用螺旋矢量描述空间中的旋转和平移,推导出对偶四元数表示的导航运动学方程,同时对载体的姿态、速度进行更新。设计的螺旋补偿算法包括了传统的圆锥补偿和划船补偿,有效地减小了刚体转动的不可交换性误差。仿真结果表明:在高动态环境中,采用高精度的惯性传感器时,新算法的性能优于传统算法。     

硅MEMS陀螺动态误差建模及系统仿真

为了增强MEMS(Micro Electromechanical System)陀螺抗外部角运动干扰能力,利用欧拉动力学理论,采用解析法构建了动态误差数学模型,分析了各误差的物理起因及影响大小。通过系统误差标定、补偿试验,计算基于MEMS惯性器件的微小型捷联惯性导航系统的动态误差。采用仿真方法验证了该系统应用于反坦克弹的可行性。     

飞行器自抗扰姿态控制优化与仿真研究

以飞行器姿态控制为背景,设计了俯仰、横侧（解耦）自抗扰控制器。通过扩张观测器的动态补偿获得控制器的鲁棒性。通过被控对象执行机构特性和所希望的闭环性能确定控制器参数的范围。被控对象的状态方程和扩张观测器方程组合在一起,形成扩展状态方程,把控制参数的确定,转化为线性矩阵不等式的求解。仿真结果表明,控制器具有很强的鲁棒性,适应性,快速性和优良的控制品质。

Abstract：

Active Disturbance Rejection Control （ADRC） based pitch attitude and lateral decoupling control were proposed. Robustness was obtained by dynamic compensation of Extended State Observer （ESO）, and the control parameters’ bounds were determined by combination of actuator’s characteristics and specified closed-loop performance. The parameters’ optimization was carried out by LMI approach based on expanded state equations containing the plant and the ESO. The simulation results show that the controller has strong robustness, adaptability and good performance.     

半实物仿真惯组输出模拟及转台姿态补偿方法

针对半实物仿真传统三轴转台解耦方法大多不考虑地球自转影响造成仿真相似性不足、精度不高的问题,本文充分考虑转台纬度、方位及转序与发射点状态的差异,提出一种虚拟惯组输出模拟及实物惯组转台姿态补偿方法.当设备中不含实物惯组时,通过构建虚拟惯组并考虑误差影响模拟真实惯组输出;当引入实物惯组时,在转台解耦的基础上补偿当地地球自转...     

基于UKF神经网络的姿态测量信息融合算法

针对融合系统建模误差、噪声统计特性不精确性和环境的动态变化性致使传统联合滤波过程中融合权值难以确定,引入人工智能中的神经网络,提出了基于神经网络的多信息自适应智能估计融合算法研究;利用神经网络的自适应能力对状态估计融合结果进行实时辅助补偿和修正,将非线性最优估计与神经网络技术相结合,重点研究了基于UKF的神经元融合权重在线自适应学习算法,以便在缺少准确局部子滤波器协方差信息情况下,仍能使全局估计融合结果最优,从理论上证明了UKF学习算法优于传统EKF学习方法,并以卫星多姿态测量信息融合定姿系统为例,给出了计算实例和结论分析,表明了所提出的模型与算法在实际应用中的有效性。

Abstract：

The fusion weight of traditional Federal Kalman Filter is difficult to be determined because of the fusion system modeling error,the inaccuracy of noise statistic characteristics as well as the dynamic variability in the fusion filtering process.In order to solve this problem,a self-adaptive fusion estimation algorithm for multi-information measurement based on neural networks was presented,which used the self-adaptive ability of neural networks to make real-time compensation and amendment for the state fusion estimation results.Combining a nonlinear optimal estimation with neural network,an online adaptive training algorithm for the weights of neuron based on Unscented Kalman filter （UKF） was researched,which could still realize the optimal fusion for the global estimation even if the accurate covariance information of each local sub-filter were absent.The performances of UKF training algorithm and the traditional EKF algorithm were analyzed and compared,and moreover taking the multi-information fusion system for satellite attitude determination as the experimental example,the simulation calculation and analysis were advanced,which show that the presented models and algorithms are effective in the actual application.     

基于RBF神经网络的井眼方位角误差建模及补偿

对于陀螺钻井测斜技术而言,由于惯性器件本身误差及井下恶劣条件带来的干扰均具有复杂性,误差补偿是影响测量精度的关键因素。在阐述陀螺测斜原理、分析测斜系统可能产生的各种误差的基础上,进行了测斜仪转台实验,并采用神经网络中的径向基函数理论建立了井眼方位角误差模型,将其建模性能指标与双线形插值建模指标进行综合对比,结果表明RBF网络建模时间短、拟合性能好、预测能力强、补偿后方位角误差得到有效抑制、补偿精度高,各项指标均优于双线形插值方法。     

运载器起飞段姿态控制性能仿真

姿态控制系统是运载器重要的子系统之一.建立了运载器起飞段侧喷流直接力姿态控制模型.运载器起飞段姿态受到诸多因素干扰,如:侧喷流干扰、姿控发动机启动延时、风干扰、结构干扰以及初始状态干扰等.衡量姿态控制系统性能的指标主要有:姿态控制精度及稳定度、侧喷流发动机燃料消耗及开机次数等.在Matlab/Simulink仿真环境下建立并综合了各种模型,根据实验数据进行了数值仿真.结果表明:在起飞段马赫数较小的情况下,侧喷流发动机能够满足运载器姿态控制的需求.