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.     

基于MUBF算法的微机械陀螺输出降噪方法

针对微机械(micro electro mechanical system, MEMS)陀螺输出漂移不确定性,提出采用最小上限滤波(minimum upper-bound filter, MUBF)算法实现MEMS陀螺输出信号降噪处理,该算法将漂移看作陀螺输出信号中的未知干扰,通过获取漂移变化方差上限,利用凸优化动态寻优得到角速率估计。相比卡尔曼滤波算法(Kalman filter, KF),MUBF算法可以在陀螺输出漂移模型未知的情况下工作,弱化陀螺信号降噪处理条件。陀螺静态和动态实验结果表明:MUBF算法能够有效降低陀螺噪声且优于KF算法降噪效果,该算法为MEMS陀螺降噪研究提供新思路。     

稳定平台有限记忆模型H∞目标预测滤波算法

针对陀螺稳定平台跟踪系统中脱靶量信号存在延迟和不确定扰动的问题,提出了有限记忆模型H∞预测滤波算法.根据实际目标运动的机动特征,采用有限记忆模型对目标进行运动建模,避免了对目标输入输出特性的依赖,同时采用递推最小二乘法对模型参数进行实时辨识,简化了运算,提高了模型精度.在此基础上,将鲁棒H∞方法应用到目标信号滤波和预测中去,有效的补偿了信号时延和扰动.仿真和实际平台测试表明了该方法的有效性和可行性.与常用的卡尔曼预测滤波方法相比较,说明了该方法对目标机动和随机噪声扰动具有更好的鲁棒性,有效提高了目标信号的预测精度.     

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。     

光纤陀螺常值漂移误差自补偿方法

光纤捷联惯导系统(SINS)中,光纤陀螺常值漂移是导致SINS导航误差的主要因素.阐述了单轴旋转误差自补偿技术的基本原理,针对传统单轴旋转调制不能补偿与旋转轴平行方向上的陀螺常值漂移误差,给出了一种改进的单轴旋转式惯导系统误差自动补偿方法.将惯性测量组件(Inertial Measurement Unit,IMU)倾斜安装,不与旋转轴正交或重合,理论分析了这种配置方案可以有效地补偿一般单轴旋转方案中不能补偿的光纤陀螺常值漂移误差,从而大大提高系统的导航精度,最后给出了仿真结果.仿真结果表明,改进的单轴旋转方案能够明显的提高惯导系统的精度.     

旋转自动补偿捷联惯导系统技术研究

利用旋转法补偿陀螺漂移是提高捷联惯导系统精度的有效途径之一。由于旋转的引入,惯性测量单元中陀螺的常值漂移将被调制成周期性信号,通过积分运算可以有效地消除常值陀螺的漂移影响。提出了一种新的单轴旋转调制方案,对该方案进行了理论推导、分析和仿真。与以往的单轴旋转方式及未采用旋转方式时的导航误差进行了比较,结果表明本方案可以消除所有方向上陀螺常值漂移的影响,从而大大提高位置和姿态精度。     

基于CPSO-LSSVM的单轴旋转惯导系统轴向陀螺漂移辨识

在单轴旋转惯导系统中,轴向陀螺漂移是影响系统导航精度的重要因素。为了提高惯导系统的导航精度,采用混沌粒子群算法(chaos particle swarm optimization, CPSO）优化的最小二乘支持向量机（least squares support vector machine, LSSVM）〖JP+1〗对轴向激光陀螺漂移进行辨识。利用初始对准12 h内系统纬度误差和温度变化量作为LSSVM模型的训练数据,利用CPSO对LSSVM进行参数优化,利用优化后的LSSVM模型对轴向陀螺漂移进行辨识,轴向陀螺漂移辨识精度优于0.000 2 （°）/h, 系统定位误差优于1 nm/72 h。试验结果表明,CPSO是选取LSSVM参数的有效方法,该方法能够有效地辨识轴向陀螺漂移,具有很高的辨识精度,具有很高的实际应用价值。     

旋转惯导系统误差自补偿原理分析及试验验证

为分析旋转惯导系统误差自补偿原理,分别推导陀螺漂移的随机常值分量、时间相关分量以及随机游走分量在捷联惯导系统和旋转惯导系统中造成的角度误差及其统计特性,并进行对比。结果表明,旋转可将陀螺漂移中的常值分量完全调制并能抑制时间相关分量的影响,但对随机游走分量造成的误差无调制效果。采用0.1(°)/h漂移率的陀螺和0.2 mg偏置的加速度计研制旋转惯导系统样机并进行导航试验,试验结果表明,该系统可以达到0.2 n mile/h导航精度。     

陀螺仪漂移测试与补偿系统的研制

从硬件、软件两方面简要介绍了所研制的“陀螺仪漂移测试与补偿系统”的组成结构、控制功能及工作过程。应用多变量过程控制系统解耦理论,采用对角矩阵法选择了解耦网络,设计了一套陀螺漂移力矩反馈法测试与数据自动采集系统;提出了一种对其随机漂移进行自适应控制补偿的方法,设计了具体的控制回路对其随机漂移进行实时补偿。     

单轴旋转SINS轴向陀螺漂移精确标校方法

为提高单轴旋转捷联惯导系统长时间导航精度,提出了一种精确标校轴向陀螺漂移的方法。在静基座条件下分析了轴向陀螺漂移、初始姿态和航向角误差对系统经纬度影响,将水平阻尼网络引入到导航算法流程中以抑制系统舒拉振荡误差。建立了经纬度误差与轴向陀螺漂移、初始航向角误差之间的数学模型,并设计了一种合理的标校流程,采用最小二乘法对轴向陀螺漂移进行精确标校。对该方法进行了数学仿真与实际系统验证实验。实验结果表明,当系统陀螺漂移误差为0.01(°)/h时,经过12.5 h精确标校后轴向陀螺漂移的辨识精度达到0.001(°)/h,系统的定位精度优于1.5 n mile/48 h。     

激光驾束导弹制导控制辅助惯性器件滤波

针对某型激光驾束导弹微机电(micro electro mechanical systems, MEMS)速率陀螺仪和加速度计测量噪声大的问题,提出采用姿控舵偏角和过载指令实现陀螺仪和加速度计的滤波。首先,基于姿态运动学建立MEMS速率陀螺滤波方程;其次,结合局部模型跟踪控制律特点,引入过载指令与实际过载的近似数学描述,建立加速度计滤波方程;最后,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)实现对三轴角速率、两轴加速度、攻角及侧滑角的辅助估计。半实物仿真试验表明,该算法可以将速率陀螺误差及加速度计误差分别降低至16%和30%,同时对攻角和侧滑角的估计偏差约为0.03°,证明算法有效。     

基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

一种微捷联惯导系统姿态角最优估计算法研究

回顾了捷联惯导系统姿态角的传统解法,分析了这种算法在基于MEMS-IMU的捷联惯导系统中导致姿态角计算误差过大的基本原因。针对MEMS陀螺具有较大漂移的特点,引入了一种新的基于卡尔曼滤波器的姿态角最优估计算法,并对算法进行了数值仿真。结果表明,该方法能极大提高姿态角的计算精度。     

小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

小波变换在激光陀螺信号处理中的应用与实现

针对动态条件下激光陀螺(RLG)随机噪声其非平稳和非正态分布的特性,提出了基于小波变换的RLG降噪方法,研究了小波去噪和Lipschitza指数奇异值检测的原理,给出了离散Db4小波滤波器的硬件实现方法,采用双正交静态小波基对RLG信号进行不同尺度的分解,通过不同小波基及低通滤波效果的比较,发现Db4小波具有较好的去噪性,其分解和重建滤波器系数也十分简单,验证了小波变换在陀螺仪信号去噪中的可行性,在用Db4滤波后的数据进行导航解算时,发现导航误差有很大的减小,研究成果对导航系统精度的提高有着重要的参考价值。     

SR-CH∞KF用于弹丸飞行姿态测量研究

为提高弹丸姿态测量精度,提出一种基于H∞滤波的平方根容积卡尔曼滤波.该方法通过三轴地磁传感器和陀螺仪组合测量模型,采用欧拉角算法模型减少状态维数并使状态方程呈现线性化,可以减少计算量.该方法可以适用于量测噪声不确定的情况,引入新息序列不断修正误差限定参数来更新量测噪声估计值,可以提高滤波的精度和鲁棒性.奇异值分解能够保...