GPS/SST/SINS组合导航系统研究

提出了卫星/捷联星光/捷联惯导组合导航系统的方案和组合结构,采用改进的集中滤波对多传感器信息进行数据融合和导航状态的最优估计.该组合导航系统将捷联星光跟踪仪的姿态信息、高动态GPS的位置、速度信息与捷联惯导进行组合滤波,全面提高导航的姿态、速度和位置精度.同时该组合导航系统以弹道导弹为应用对象,设计并实现了基于弹道导弹的GPS/SST/SINS组合导航系统实时仿真平台,仿真结果表明该组合导航系统能提高导弹的导航精度,滤波算法稳定可靠.     

跨音速大气/惯性攻角两步融合算法

攻角是飞机飞行的重要状态参数,也是飞控及导航系统必需的参数,现代战机对攻角精度要求越来越高.大气数据系统在跨音速条件下性能严重下降,大气攻角精度受到很大影响. 针对试验机大气数据传感器的配置特点,该文设计了一种基于变参数互补滤波器与神经网络的跨音速大气/惯性攻角两步融合算法,实现惯导系统和大气系统的攻角信息融合. 首先进行跨音速惯导天向回路解算,而后利用互补滤波器与神经网络对大气/惯性攻角进行互补融合与修正,使最终的融合修正攻角平稳、可靠,逼近真实攻角. 本文利用某型飞机的实际试飞数据对两步融合算法进行了验证. 结果表明,融合修正后的攻角能够基本去除跨音速飞行阶段原始大气攻角的剧烈波动,并与真实攻角吻合.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

组合导航直接滤波模型中的高斯粒子滤波

利用高斯粒子滤波技术和直接滤波模型实现了SINS/GPS组合导航系统的数据融合. 首先对高斯粒子滤波进行改进,选取合适的重要性函数并简化滤波流程,然后直接采用惯导参数和GPS伪距等变量建立组合导航直接滤波非线性模型. 讨论了SINS/GPS 组合导航系统中的高斯粒子滤波的具体实现方法. 实验结果表明,该滤波方法能较好地满足组合导航的精度要求. 和其他滤波方法相比,高斯粒子滤波对系统和噪声模型要求比较宽松,因此在直接滤波中有一定的优势.     

可量测序列影像的加权整体最小二乘导航

提出顾及观测方程系数矩阵误差的可量测影像定位定姿算法及其权值确定方法,实现了利用可量测序列视觉影像与DGPS/IMU 融合导航计算. 计算结果表明：采用加权最小二乘算法可较好地克服可量测序列影像定位定姿算法中系数矩阵误差的影响,精度高于最小二乘法,当GPS 失锁2.5 km 时可达到优于13 m的定位精度和
0.1m 的定姿精度.     

基于故障检测的惯性航姿系统内阻尼姿态组合算法

在平台式惯导系统中可通过阻尼网络来阻尼系统的振荡误差,而在捷联惯性航姿系统中也可以借鉴这个思想,通过加速度计的信息对陀螺漂移进行修正.文中提出了分别利用陀螺仪和加速度计来解算载体姿态,然后通过卡尔曼滤波器进行数据融合的方法.由于加速度计信息进行阻尼的方法只有在系统处于非加速度运动状态才可用,因此,本文将故障检测理论中的残差χ 2检验法应用在卡尔曼滤波器中,进行运动状态的实时判断,并根据判断结果进行相应的处理.此外,算法中还考虑到传感器测量野值带来的影响,提高了算法的容错性能和灵敏度.最后,采用实际系统的动静态试验验证了本算法的有效性.     

多传感器融合四旋翼协同控制算法及其实现

针对四旋翼无人机定点悬停控制,从应用层面提出了多传感器数据融合方案,设计了相应的协同控制算法.在飞行器整体硬件架构基础上分析量测系统的各个传感器,对于姿态测量通道提出卡尔曼滤波算法,对于高度测量通道提出互补滤波算法,对于水平位置测量通道提出双传感器融合算法.基于四旋翼无人机的状态空间及其小扰动线性化模型,设计了与之相结合的协同控制算法并进行仿真.最后在物理平台上对设计的算法进行验证,表明多传感器融合与协同控制相结合的方法能有效提高四旋翼无人机的定点悬停精度.     

无人机空中加油相对位姿解耦迭代确定算法

针对视线方程中位置和姿态信息存在严重耦合及强非线性的问题,研究了一种相对位姿解耦迭代确定算法,并用于无人机空中加油. 根据卫星导航中的伪距概念,利用视线矢量构建观测矩阵,通过最小二乘法求解相对位置更新,进而更新伪距确定相对姿态. 引入单步迭代误差证明了算法的收敛性,通过分析误差协方差阵的迹讨论 特征点几何构型对相对位置确定精度的影响. 仿真结果表明,与高斯最小二乘微分修正算法相比,提出的算法运行速度和抗噪声性能分别提高了23%和40%,相对位置稳态误差优于0.1 m,相对姿态误差优于0.5±,满足无人机空中加油对接阶段相对位姿测量精度要求.     

基于偏振光/DVL/SINS的水下机器人自主导航方法

针对未知海域中水下机器人难以实现自主导航的问题,提出了一种基于偏振光/多普勒测速/SINS组合的自主导航方法。依据水下偏振光相机测向原理建立了偏振光/SINS姿态组合系统,依据多普勒测速原理建立了多普勒/SINS速度组合系统,并基于联邦Kalman滤波器实现了组合导航系统的信息融合。通过仿真实验验证,本文提出的组合导航方法相比于现有组合方法具有更好的定位精度和容错能力,能够满足水下机器人进行无源自主导航时的精度和可靠性的要求。     

基于数字多波束的导航卫星信号接收机抗干扰仿真

【目的】合理使用惯导辅助数字多波束技术，在提高信号接收、减少干扰的同时，达到对径目的，能满足传统宽带多星波束对信号入射方向的苛刻要求。【方法】通过将数字波束形成技术应用于导航卫星信号接收机中，以惯导为基础来提供当地水平坐标系下的航向、俯仰角和横滚角，并以此为基础计算出导航卫星的入射方向，形成指向卫星的主波束及对准干扰的“零陷”，确定单约束的导向矢量，从而推导出空时自适应处理结构的数字多波束算法。【结果】数字多波束抗干扰接收机的应用能有效改善数字宽带多星多波束环境中存在的干扰现象。【结论】仿真试验表明，将本研究提出的数字多波束抗干扰接收机实现方法用于对捕获过程算法的改进，可实现对多波束数据的合理应用，性能仿真试验证明了该算法的有效性。     

考虑SAR图像导航量测特性的SAR/INS组合导航非线性滤波

SAR/INS组合导航系统中,当SAR量测输出时间间隔较长时,惯性导航得不到及时修正,系统将具有较强的非线性特性,导致常规卡尔曼滤波算法的精度受到影响甚至滤波发散. 为了提高组合导航的精度,该文结合惯性导航系统的非线性模型,设计基于无迹卡尔曼滤波(UKF)解决非等间隔量测修正的SAR/INS组合导航非线性滤波算法,并通过协方差分析对比研究常规卡尔曼滤波和该文算法的性能. 仿真结果验证了该文算法具有更高的精度.     

对偶四元数在航天器相对导航中的应用

为了提高航天器相对位置和姿态测量的实时性和准确性,提出一种利用对偶四元数位姿模型来求解航天器相对位姿的方法. 该方法统一考虑目标航天器和追踪航天器本体坐标系间的相对旋转和平移,采用螺旋向量法更新对偶四元数. 建立了相机测量模型来测量航天器的相对位置和姿态,并选择扩展的卡尔曼滤波来消除随机噪声对状态更新和测量过程的干扰. 仿真结果表明该导航算法能满足航天器相对导航的精度要求,验证了该算法的可行性.     

雷达威胁环境下的多无人机协同航迹规划

针对雷达威胁环境下的多无人机协同航迹规划问题,提出一种基于Voronoi图与蚁群算法结合的智能规划方法. 根据雷达威胁分布建立赋权Voronoi 图,将连续可飞空域离散化为网格点. 通过选取适当的参数放宽蚁群算法的最优性,将每架无人机寻优得到的多组解作为多条备选航迹,建立以协同时间为约束的协同函数,根据协同时间最优决策方法选出每架无人机的最终飞行航迹,进行航迹平滑处理后得到实际可飞航迹. 仿真结果表明,所提出的智能航迹规划方法具有时间协同和整体最优等优点.     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

Cholesky分解在协方差矩阵恢复中的使用

针对基于稀疏扩展信息滤波的同步定位与地图创建(simultaneous localization and mapping,SLAM)问题,分析并比较了最近邻数据关联、极大似然数据关联以及联合相容性检验数据关联的原理,阐述了边缘协方差矩阵恢复的必要性.在此基础上提出一种利用Cholesky分解由信息矩阵准确恢复协方差任意元素的方法,该方法具有较高的计算效率.在仿真实验中将该方法与协方差边界估计法比较,并分别用于3种数据关联算法的比较分析,表明所提出的方法适用于多种数据关联方法,能在保证定位精度的同时有效控制算法复杂度.最后对各种数据关联算法在稀疏扩展信息滤波SLAM中的性能进行了讨论.     

未知环境下多UAV搜索的区域再入

针对未知环境下多无人机(unmanned aerial vehicles, UAV)协同搜索问题展开研究,通过网格化的环境规则描述,给出了UAV的运动规则及UAV系统的预测模型. 考虑实际战术需求,建立了满足UAV机动性能约束的区域再次进入数学模型,给出了最短再入路径的求解方法. 引入了“伸缩式”协同搜索机制,增加对未知环境的
适应性,同时设计了系统的全局信息库,从而充分利用UAV实时探测的环境信息,实施在线滚动规划. 通过仿真验证了方法的有效性.