基于光电瞄准/SINS组合的在线修正方法

针对陆战装备捷联惯导系统(strapdown inertial navigation system,SINS)误差的积累性问题,提出了一种光电瞄准解算测速方法,并将其用于SINS主要状态参数的在线修正。推导了光电瞄准速度解算误差模型,误差分析结果表明,光电瞄准解算测速精度满足修正SINS主要状态参数的要求;建立了光电瞄准/SINS在线修正数学模型,并进行了仿真实验,实验结果表明,通过合理设定动基座的运动状态,所提方法可准确估计出SINS的主要误差状态参数,其中失准角的估计精度可达到1′以内,陀螺漂移误差的估计精度可达到0.01°/h。     

旋转调制捷联惯导惯性测量组件零偏的估计方法

针对旋转调制型捷联惯导系统,通过研究惯性器件误差、失准角与惯性测量组件(inertial measurement unit, IMU)角位置三者之间关系,提出了一种三位置对准估计加速度计水平零偏和陀螺水平常值漂移的方法。为了实现惯性器件偏差的最优估计,分析了IMU最优位置问题。得出IMU最优位置是在初始位置的基础上,绕旋转轴依次转动90°的结论。数字仿真验证了理论分析的正确性。     

提升小波在SINS分段快速对准中的应用

提出了一种利用提升小波进行消噪的捷联惯性导航系统(strapdown inertial navigation system, SINS)分段快速对准新方法。该方法首先进行水平精对准,然后利用提升小波算法对陀螺仪的输出信号进行消噪后,快速计算出方位失准角并进行修正,完成对准过程。理论分析和实际系统试验表明:提升小波算法对于光纤陀螺信号具有良好的消噪效果,新方法与传统的Kalman滤波对准方法具有相同的稳态精度,但方位精对准过程中,不需要进行捷联惯导的力学编排,精对准的时间可以缩短至30 s左右。该方法弥补了传统Kalman滤波精对准方法中方位失准角估计速度慢的缺陷,大幅度提高了SINS的初始对准速度。     

提高SINS初始对准方位失准角估计精度的方法

针对在静基座捷联惯导系统初始对准中,东向陀螺漂移没有估计效果,使得估计的方位失准角存在常值误差的问题,提出了一种新的方法。该方法通过建立东向陀螺漂移估计值的修正方程,并对其进行修正,从而大大提高了方位失准角的估计精度。给出了该方法的具体实现步骤,并通过仿真验证了该方法的有效性。     

水下平台惯导惯性器件误差高精度估计算法

为满足高精度导航及隐蔽性要求,基于方位旋转技术,给出了针对水下平台惯导系统惯性器件(inertial measurement unit, IMU)误差无阻尼估计算法。首先分析了状态转换对固定指北式平台惯导系统的影响;其次利用Laplace变换,求解了方位旋转式平台惯导系统误差;然后基于舒拉振荡和平台旋转周期,利用间断获得的外测信息建立系统短时速度、位置误差模型并作不确定度评估;最后采用Kalman滤波对惯性器件误差作了事后估计。仿真结果表明,建立的速度、位置误差模型可信度高,算法可准确估计出东、北向陀螺常值漂移以及加速度计零位偏置,有效抑制导航误差发散,提高导航精度。     

基于SINS/OD失准角观测的垂线偏差测量方法

组合导航系统的姿态失准角与垂线偏差(deviation of vertical, DOV)存在对应关系,通过对姿态失准角的观测是实现DOV测量的一种有效手段。本文基于车载捷联惯性导航系统/里程计(strapdown inertial navigation system/odometer, SINS/OD)组合导航姿态失准角观测及失准角误差的递推提出一种DOV测量方法。首先,从组合导航速度误差方程出发,推导出DOV与姿态失准角之间存在复杂的耦合关系。然后,通过沿路径迭代递推的分步计算方法,由导航过程中的姿态失准角直接获取沿线的DOV。最后,仿真结果验证了该算法的有效性,且表明测量精度与行驶路径的长度有关。实验表明,行驶里程35 km的机动路径上DOV误差均值小于0.3″,终点处单点测量误差小于0.7″。     

载体运动学辅助的双轴旋转调制惯性导航算法

为提高车载捷联惯导系统的导航精度,提出一种载体运动学约束辅助双轴旋转调制的惯性导航算法。建立了惯性测量单元(inertial measurement unit, IMU)旋转的载体运动学约束模型,设计了32次序转位方案,在实现惯性器件误差自补偿的同时提高了系统可观测度,从而将提高了可观测度的载体运动学约束导航与旋转调制导航结合,进一步提高了导航精度。进行了4 000 s静止条件下的导航试验,结果证明此方法可以有效提高定位精度,水平定位精度和高度精度分别比双轴旋转调制导航提高48.2%和80.3%,比载体约束辅助导航提高85.1%和89.9%。最后通过车载实验验证了该方法的有效性。     

载体运动学辅助的双轴旋转调制惯性导航算法

为提高车载捷联惯导系统的导航精度,提出一种载体运动学约束辅助双轴旋转调制的惯性导航算法。建立了惯性测量单元(inertial measurement unit, IMU)旋转的载体运动学约束模型,设计了32次序转位方案,在实现惯性器件误差自补偿的同时提高了系统可观测度,从而将提高了可观测度的载体运动学约束导航与旋转调制导航结合,进一步提高了导航精度。进行了4 000 s静止条件下的导航试验,结果证明此方法可以有效提高定位精度,水平定位精度和高度精度分别比双轴旋转调制导航提高48.2%和80.3%,比载体约束辅助导航提高85.1%和89.9%。最后通过车载实验验证了该方法的有效性。     

基于UKF的导弹SINS/CNS姿态估计方法

针对中远程弹道导弹的特点,在分析研究捷联惯性导航系统/天文导航系统(strapdown inertial navigation system/celestial navigation system, SINS/CNS)组合导航测量修正方案的基础上,建立了导弹四元数运动学方程、陀螺测量模型,星敏感器测量模型等系统方程,将无轨迹卡尔曼滤波(unscented Kalman filter, UKF)算法应用于主动段关机点环境,通过对陀螺常值漂移、一阶漂移的在线估计,达到高精度导弹姿态的实时输出。与EKF、QUEST、MLS和捷联惯性迭代递推算法比较,仿真结果表明了UKF算法具有更高的精度,收敛快,适于在无控飞行阶段的工程应用。     

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.     

Novel method of improving the alignment accuracy of SINS on revolving mounting base

In the process of initial alignment for a strapdown inertial navigation system (SINS) on a stationary base, the east gyro drift rate is an important factor affecting the alignment accuracy of the azimuth misalignment angle. When the Kalman filtering algorithm is adopted in initial alignment, it yields a constant error in the estimation of the azimuth misalignment angle because the east gyro drift rate cannot be estimated. To improve the alignment accuracy, a novel alignment method on revolving mounting base is proposed. The Kalman filtering algorithm of extending the measured values is studied. The theory of spectral condition number is utilized to analyze the degrees of observability of states. Simulation results show that the estimation accuracy of the azimuth misalignment angle is greatly improved through a revolving mounting base, and the proposed method is efficient in initial alignment for a medium accurate SINS.     

基于UKF的新型北斗/SINS组合系统直接法卡尔曼滤波

针对传统的间接法卡尔曼滤波在北斗/捷联惯导(serial inertial navigation system, SINS)组合导航系统中无法实现较高的定位精度且计算的冗余度大的缺点,提出一种基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的新型组合系统滤波算法。本算法以SINS输出的导航参数及平台误差角等作为系统状态,无源北斗输出的位置速度参数作为量测,采用改进的UKF方法进行数据融合,并直接计算组合系统导航参数的最优估计。实验结果表明,新算法可以降低对伪距误差模型的精确度要求,同时避免非线性系统状态方程的线性化,简化滤波参数的调整过程,从而有效地缩短组合导航系统的解算时间,提高定位精度。     

基于SINS/GBAS组合导航的高精度进近着陆导航技术

可重复使用运载器在进近着陆阶段对位置偏差有较高的精度要求, 而现有的组合导航方式的导航误差波动幅度较大, 难以满足运载器在进近着陆段的导航要求。因此,本文利用捷联惯导系统(strap-down inertial navigation system,SINS)的非线性误差传播模型, 以陆基增强系统(ground based augmentation system,GBAS)输出的精确位置信息为基础, 建立SINS/GBAS组合导航方法, 并给出“输出+反馈”的组合导航复合修正结构。通过在GBAS中引入电离层误差及对流层误差, 从而实现了对于运载器定位误差在厘米级的精确定位。此外,通过引入扩展卡尔曼滤波技术, 有效地抑制了惯导误差漂移的问题。通过数值模拟仿真, 证明SINS/GBAS组合导航对飞行器进近着陆段的水平与高程定位误差不大于0.05 m, 测速误差不大于0.05 m/s, 从而证实了SINS/GBAS组合导航方式在可重复运载器在进近着陆段导航的可行性。     

捷联惯导四面体冗余配置的双轴旋转调制方法

传统捷联惯导采用三轴正交配置,存在单一传感器故障直接引发整个系统失效,且导航误差随时间累积快等问题。为解决这些问题,提出了一种将四陀螺冗余配置和双轴旋转调制相结合的捷联惯导导航方法。构建多指标约束的冗余优化准则,通过器件级配置方式,设计了基于四面体结构的四陀螺冗余配置方案,并在此基础上引入八次序双轴旋转调制方法,调制3个轴向的等效陀螺漂移。仿真结果表明,所提方法能够实现系统可靠性和导航精度的双重提升,具有重要的工程应用价值。     

基于UKF的低成本SINS/GPS组合导航系统滤波算法

针对MIMU的精度不高,会带来较大的初始对准误差角,如果继续采用传统的小干扰线性方程就会给滤波带来很大误差,甚至发散。针对这个问题,对低成本SINS/GPS组合导航系统建立了基于四元数误差模型的非线性滤波方程,并采用了UKF非线性滤波方法。针对四元数误差模型单纯使用UKF方法无法估计加计零偏和陀螺漂移的问题,提出将UKF和EKF相结合的算法,仿真结果表明,比起扩展卡尔曼滤波以及采用传统小干扰线性方程的卡尔曼滤波,这种方法能够提高姿态误差角特别是方位误差角的估计精度。     

速度约束辅助车载捷联惯导系统零速校正算法

捷联惯导系统(strapdown inertial navigation system, SINS)动态误差源众多,常规零速校正(zero-velocity update, ZUPT)方法难以取得理想效果。利用车辆正常行驶过程中横向和法向速度为零的约束条件,在考虑惯导系统与载车安装偏差角的基础上,推导了速度约束辅助的ZUPT算法模型。利用光纤SINS进行了2h的车载导航试验,间隔10min停车,零速校正得到的水平和高程定位精度均优于10 m。所提算法可以正确估计安装偏差角、惯性器件误差和初始方位误差,工程实用性强。     

KF/UPF在SINS大方位失准角初始对准中的应用

为解决捷联惯导系统大方位失准角初始对准中状态维数较高,直接应用无迹粒子滤波(unscented particle filter, UPF)会带来维数灾难的问题,提出了基于卡尔曼滤波(Kalman filter, KF) /UPF组合滤波的初始对准方法。将非线性初始对准模型分解为线性与非线性两部分,采用KF实现对线性部分的最优估计,采用UPF对系统的非线性部分进行状态估计。通过仿真比较不同粒子数下KF/UPF组合滤波算法和UPF算法,结果表明,KF/UPF组合滤波算法在保证初始对准精度和收敛速度的同时,将需要进行UPF滤波的状态维数由10 维降为3 维,减少了计算量,运算时间分别缩短至原来的52.69%和6.0%,提高了初始对准的实时性。     

降维 CKF 算法及其在SINS 初始对准中的应用

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)算法在捷联惯导系统（strapdown inertial navigation system, SINS）大方位失准角初始对准中采样点个数与状态向量维数成正比、计算量较大的问题,提出了降维CKF 算法。与常规CKF 算法相比,该算法只对离散化后的SINS 非线性误差模型中的大方位失准角进行采样,再利用三阶球面-相径容积规则计算后验均值和协方差,从而将采样向量从10 维降低到1 维,采样点数量从20个下降到2 个,减小了计算量。仿真实验结果表明,该算法与常规CKF 算法具有相同的对准精度,计算时间仅为常规CKF 算法的1/3,是一种较为实用的方法。