神经网络辅助的组合导航系统仿真研究

针对高空长航时无人机(High Altitude and Long Endurance Unmanned Aerial Vehicle,HALEUAV)的特点,提出一种SINS/GPS/北斗/DVS组合导航系统总体方案,并建立其联邦滤波器模型。在分析常规联邦滤波局限性的基础上,研究了基于子系统精度变化的信息分配系数自适应修正算法,设计了神经网络辅助联邦滤波的改进算法。仿真结果表明,改进滤波算法改善了数值计算的稳定性及系统的容错性,有效提高了导航精度,系统可满足无人机的导航要求。     

基于联邦滤波的SINS/GPS全组合导航系统研究

传统的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统常采用位置速度组合模式,其可观测性与载体的飞行航迹有关,从而影响了整个组合导航系统的精度和可靠性.为了解决这一问题,提出了基于联邦滤波的SINS/GPS全组合导航系统方案,推导了姿态角误差和平台失准角之间的变换关系,建立了SINS/GPS全组合导航系统数学模型,最后采用联邦滤波算法进行组合导航仿真计算.通过对仿真计算结果的分析,证明基于联邦滤波的SINS/GPS全组合导航算法能够有效地提高系统的导航精度和可靠性.     

多源信息融合的组合导航自适应联邦滤波算法

全球卫星导航系统、捷联惯导、里程计、零速更新等多源信息的融合为地面移动测量系统提供了精确的位置和姿态参考信息。针对进行多源信息融合时,由于数学模型偏差和观测值粗差的影响,传统的联邦滤波不能有效隔离故障子系统的影响的问题,提出了利用验前新息计算联邦滤波的信息分配系数,基于联邦滤波和自适应滤波的等效性和抗差滤波原理,实现实时调整信息分配系数的自适应联邦滤波算法。通过一组车载数据的分析表明,自适应联邦滤波算法相对于传统联邦滤波算法,能有效地抵御观测值粗差和数学模型偏差的影响,显著提高了组合导航系统的精度和可靠性。     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。     

基于分层融合结构的组合导航系统仿真分析

依据多传感器信息融合理论，将分层融合结构是应用到组合导航系统中，并与目前广泛应用的联合滤波算法（Federated Filtering)进行了比较。对INS/GPS/Doppler系统的仿真结果表明，有序分层融合结构可有效地应用于多传感器组合导航系统，并且导航精度优于联合滤波的结果。     

基于改进联邦滤波的故障隔离与系统重构

为解决故障隔离与系统重构(FIR)问题提出了改进的联邦滤波算法。采用带有备份主系统的联邦滤波结构,避免了由于主系统故障而引发灾难性后果,并针对这一结构提出了分级联邦滤波FIR策略,保证在任何一个子系统故障的情况下的滤波连续性和滤波结构完整,并提高了后续故障的检测能力。在融合算法上提出了分时融合反馈的联邦滤波信息分配方式,大大降低全局被污染的可能性,并提高了系统对渐变故障的检测能力。将该算法应用于多传感器组合导航系统中,仿真结果表明在任何一个子系统故障情况下,滤波器都能提供连续、准确的导航信息。     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

基于多传感器信息融合的无人机自主精确导航技术

无人机自主导航是保证无人机成功完成各种任务的关键技术之一。随着机载传感器性能的不断提高,利用多传感器信息融合实现自主精确导航将是一个重要的发展趋势。结合目前多传感器信息融合技术在各种航行器导航应用中所取得的成果,对基于多传感器信息融合的无人机自主精确导航技术进行分析和评述。剖析了其中的关键技术,包括自主导航系统结构、误差分析和精度分配、联合滤波器以及图像传感器信息融合等;并重点对图像传感器信息融合的关键部分,包括图像融合、图像匹配和景象区域适配性分析等进行了分析;最后从技术发展和未来应用两个角度进行进一步研究工作的展望。旨在为实现无人机自主精确导航提供有益参考。     

基于SAR的组合导航系统仿真研究

针对地形辅助导航中SAR图像匹配高度通道不可观，及传统Kalman滤波器自适应性差的缺陷，提出引入GPS高度信息及自适应联邦Kalman滤波算法，设计基于自适应联邦滤波的SINS／GPS／TAN／SAR四组合导航系统。该方案能有效地提高系统的自适应性、导航精度和自主性。并且由于方位误差角是直接观测量，使得载体不需机动即可获得良好的惯导空中对准能力。同时，该方案还可以提供SAR系统所需的运动补偿信息，由此构成导舷设备与任务设备互补的双向信息融合系统。     

自主水下航行器组合导航一体化仿真系统开发

AUV组合导航系统的研究,需要借助于仿真手段进行初步试验和算法验证.采用面向对象技术和模块化的设计思路开发远航程自主水下航行器组合导航一体化仿真软件系统,该一体化仿真软件分为仿真初始参数设置子系统,导航子系统,控制子系统,各子系统根据工作原理设计模块接口,具有建模、仿真、试验的一体化功能.仿真实验结果表明,该组合导航仿真软件系统可为AUV组合导航系统提供初步的仿真调试和实验验证环境,能够为半实物仿真及实物研制提供重要的参考信息.     

SAR/INS/TAN组合导航系统中的滤波算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段。在分析惯性导航系统(INS)、合成孔径雷达(SAR)和地形辅助导航系统(TAN)各自特点的基础上,提出了SAR/INS/TAN组合导航系统的组合滤波方案并建立了相应的组合导航系统数学模型。同时,针对图像匹配和TAN所固有的非等间隔量测输出滞后的特点,研究了一种多传感器信息融合的卡尔曼滤波算法,以有效解决此类非等间隔量测滞后的问题。仿真分析可见,该组合滤波算法能大大提高导航精度,是一种行之有效的方法。     

多终端仅测速实时定轨的自适应联邦STCKF算法

针对多手持终端仅测速实时定轨问题,设计了一种自适应联邦强跟踪容积卡尔曼滤波(strong tracking cubature Kalman filter,STCKF)算法。首先,使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散得到状态方程。然后,为每个手持终端设计了STCKF滤波算法,该算法基于强跟踪滤波(strong tracking filter,STF)的等价表示计算次优渐消因子以在线实时调整增益矩阵,提高短弧段内滤波估计收敛速度。进而,利用信息最优合成算法对每个终端输出的局部定轨结果进行融合,为提高信息融合精度,信息分配因子由误差协方差矩阵的Frobenius范数自适应确定。最后的仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度,自适应联邦STCKF算法可以有效提高实时定轨精度和滤波收敛速度。     

水下航行器导航与控制一体化系统的半实物仿真试验设计

针对采用导航与控制一体化系统,即导航与控制传感器共用、导航与控制计算机合二为一的某型水下航行器,提出了一种半实物仿真试验方案,进行了半实物仿真。试验结果表明,导航、控制算法正确,计算精度满足使用要求,硬件之间的匹配性能良好,方案可行。该导航与控制一体化系统可应用到实际的水下航行器中。     

基于模糊评判的组合导航自适应信息融合方法

针对组合导航系统在载体实际运动中,存在着局部滤波器精度急剧下降和滤波发散问题,并且会给整个联合卡尔曼滤波器带来污染,提出基于模糊评判的自适应信息融合方法。给出了评价滤波器性能的滤波结果可信度定义和模糊评价方法,并在此基础上进行信息分配保持全局估计精度和控制滤波发散。理论分析与仿真结果表明,该方法比常规联合卡尔曼滤波器具有更高的精度和可靠性。     

基于地磁/光谱红移/太阳光信息的FAUKF自主定轨

针对地磁场模型精度低而引起的低轨卫星导航精度不高问题,提出了一种利用地磁、太阳光、光谱红移多源信息融合的低轨卫星自主导航方法。设计了基于地磁/光谱红移/太阳光信息的联邦自适应无迹卡尔曼滤波器(federal adaptive unscented Kalman filter,FAUKF)滤波自主定轨方案,提出了利用FAUKF滤波,选取太阳光矢量与地磁矢量的夹角的余弦值、地磁场强度、光谱红移信息为观测量,来估计卫星的速度和位置。仿真结果为位置精度465.38 m,该算法的精度要高于单纯的地磁导航,滤波的收敛性和稳定性较好,导航误差不随时间累积,有工程应用价值。     

基于磁强计/太阳敏感器的自主导航方法

地磁场矢量是关于卫星位置的函数,利用星载三轴磁强计测量地磁场矢量,并且引入国际地磁场参考模型标准值,即可确定卫星的位置和速度。由于地磁场模型存在不确定性和长期变化性,所以单一使用磁强计自主导航精度有限。提出一种基于三轴磁强计与太阳敏感器相结合的自主导航方法,将太阳敏感器输出的高精度矢量信息与地磁场信息相结合,设计在太阳光照区和太阳阴影区两种情况下基于信息融合的组合导航原理及滤波算法并进行数值仿真,通过对仿真结果进行分析和比较,论证所设计方法既提高了系统的导航精度和鲁棒性,又有利于工程实际应用。     

基于H∞滤波的智能车辆多传感器组合导航研究

为适应自主驾驶智能车辆的高精度、高频率及高可靠性与鲁棒性的导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于H∞滤波的双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆冗余组合导航方法。详细推导并建立了组合系统的滤波模型。仿真结果表明,该组合导航系统具有100Hz的高频输出、厘米级的导航精度以及良好的鲁棒性能与可靠性。即使系统特性发生了显著的变化,组合系统仍能为智能车辆提供可靠的导航信息。     

无源北斗/高度组合导航自适应滤波算法

为了减小用户机动对无源北斗双星组合导航系统定位精度的影响,论文研究了自适应滤波定位算法.首先,在分析组合导航算法Singer模型的基础上,提出了模糊逻辑自适应滤波方案.然后,通过仿真获取系统知识,建立模糊逻辑系统,实时调整滤波器驱动噪声方差,实现滤波定位算法模型对用户机动的适应性.最后,通过仿真验证,设计的模糊逻辑自适应滤波算法能根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度.     

基于Simulink高精度组合导航系统研究与仿真

建立了基于MATLAB/Simulink的组合导航系统仿真模型,并将系统分解成一系列功能相对独立的模块,如轨迹发生模块,捷联惯导解算模块,卡尔曼滤波器模块等.研究并设计了SINS/GPS(RDSS)/CNS/SAR组合导航算法,利用无重置联邦型卡尔曼滤波技术,将各子滤波器输出的系统状态局部最优估计值送入主滤波器,采用全局最优融合算法计算得到系统状态的全局最优估计值;通过每15分钟对导航系统进行重置,有效抑制了无重置联邦滤波器在长时间运行时的发散问题,并进行了仿真验证,仿真结果表明,该组合导航系统具有很高的导航精度,定位精度为5米,姿态精度为0.5角分,仿真模型建立正确,方法采用得当、有效.