Self-alignment of full skewed RSINS：observability analysis and full-observable Kalman filter

Traditional orthogonal strapdown inertial navigation sys-tem （SINS） cannot achieve satisfactory self-alignment accuracy in the stationary base： taking more than 5 minutes and al the iner-tial sensors biases cannot get ful observability except the up-axis accelerometer. However, the ful skewed redundant SINS （RSINS） can not only enhance the reliability of the system, but also improve the accuracy of the system, such as the initial alignment. Firstly, the observability of the system state includes attitude errors and al the inertial sensors biases are analyzed with the global perspective method： any three gyroscopes and three accelerometers can be assembled into an independent subordinate SINS （sub-SINS）;the system state can be uniquely confirmed by the coupling connec-tions of al the sub-SINSs;the attitude errors and random constant biases of al the inertial sensors are observable. However, the ran-dom noises of the inertial sensors are not taken into account in the above analyzing process. Secondly, the ful-observable Kalman filter which can be applied to the actual RSINS containing random noises is established; the system state includes the position, ve-locity, attitude errors of al the sub-SINSs and the random constant biases of the redundant inertial sensors. At last, the initial self-alignment process of a typical four-redundancy ful skewed RSINS is simulated： the horizontal attitudes （pitch, rol ） errors and yaw error can be exactly evaluated within 80 s and 100 s respectively, while the random constant biases of gyroscopes and accelero-meters can be precisely evaluated within 120 s. For the ful skewed RSINS, the self-alignment accuracy is greatly improved, mean-while the self-alignment time is widely shortened.     

改进四元数无味卡尔曼滤波算法

针对四元数无味卡尔曼滤波计算量较大等问题,提出一种改进的四元数无味卡尔曼滤波算法,通过四元数与修正罗德里格斯参数的线性变换,避免了四元数无味卡尔曼滤波中,四元数与误差罗德里格斯参数频繁切换所带来的计算量增大的问题,从而降低了算法的计算量。推导了修正罗德里格斯参数出现奇异值时,改进四元数无味卡尔曼滤波的奇异值避免的转换公式。在捷联惯性导航系统/全球卫星定位系统(strapdown inertial navigation system / global positioning system,SINS/GPS)直接式位置松组合仿真试验中,对比了乘性扩展卡尔曼滤波、四元数无味卡尔曼滤波和改进四元数无味卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

基于惯性参考系线性滤波传递对准方法

提出一种机载武器捷联惯导系统任意失准角情况下的传递对准方法。该方法以两个相对惯性空间指向不变的坐标系为基础,将姿态四元数分解为可由子惯导陀螺仪输出计算的四元数、可由主惯导传递的信息计算的四元数以及需要估计的常值四元数。对比力方程进行数学变换,得到了线性量测方程。建立了任意失准角情况下的线性传递对准模型。设计了一种自适应卡尔曼滤波算法以解决观测噪声方差阵难以精确计算的问题。仿真结果表明,该方法在任意失准角情况下都能得到较高的对准精度,为机载武器捷联惯导系统提供了一种有效的传递对准方法。     

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。     

SUKF在导弹姿态估计中的应用

针对弹道导弹惯性星光复合制导系统(SINS/CNS)中的导弹姿态估计问题,设计了一种利用星光观测向量估计导弹姿态的SUKF滤波器。该滤波器中的导弹姿态运动学方程采用Rodrigues参数来描述,避免了利用四元数时的频繁正规化操作,利用四元数估计方法(QUEST)建立了Rodrigues参数测量方程,并给出了滤波器各参数的设计方法。通过将该算法应用到某弹道模型的仿真中,检验了该方法的有效性。     

SINS/CNS/GPS integrated navigation algorithm based on UKF

A new nonlinear algorithm is proposed for strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation systems. The algorithm employs a nonlinear system error model which can be modified by unscented Kalman filter (UKF) to give predictions of local filters. And these predictions can be fused by the federated Kalman filter. In the system error model, the rotation vector is introduced to denote vehicle’s attitude and has less variables tha...     

基于四元数平方根UKF算法的SINS/GPS紧组合导航系统研究

在较大初始姿态误差角下,针对SINS/GPS紧组合导航系统扩展卡尔曼滤波（extenthed Kalman filter, EKF）算法定位精度下降的问题,提出了一种基于四元数的平方根无迹卡尔曼滤波（square root unscented Kalman filter, SRUKF）算法。为解决SRUKF算法中四元数正交规范化的限制,通过构造姿态矩阵代价函数将四元数预测均值问题转化为代价函数最小时的四元数向量求解问题,保证了均值四元数的规范化;利用乘性四元数误差表示四元数预测值与均值之间的距离,求取四元数的预测协方差矩阵,保证了算法的合理性。在此基础上,给出了SINS/GPS紧组合系统四元数平方根无迹卡尔曼滤波算法的具体步骤。在较大初始姿态误差角下的仿真实验结果表明,与EKF算法相比,该算法精度更高,稳定性更强。     

基于双欧拉角的UKF组合导航滤波算法

针对非线性滤波组合导航中四元数无迹估计器(unscented quaternion estimator, USQUE)规范性约束导致的算法计算量大、实时性差等问题, 提出一种基于双欧拉角姿态表示的无迹卡尔曼滤波(dual-Euler unscented Kalman filter, DEUKF)算法。通过正、反欧拉角相互切换, 在正、反欧拉微分方程精华区进行姿态滤波更新, 避免了奇异性, 确保了滤波精度。捷联惯性导航系统/全球定位系统直接式组合导航仿真试验与车载实验结果表明, 相比较于USQUE算法, DEUKF算法计算量小、实时性好, 水平姿态角估计精度与USQUE相当。     

Optimal two-iteration sculling compensation mathematical framework for SINS velocity updating

A new two-iteration sculling compensation mathematical framework is provided for modern-day strapdown inertial navigation system（SINS） algorithm design that utilizes a new concept in velocity updating. The principal structure of this framework includes twice sculling compensation procedure using incremental outputs from the inertial system sensors during the velocity updating interval. Then, the moderate algorithm is designed to update the velocity parameter. The analysis is conducted in the condition of sculling motion which indicates that the new mathematical framework error which is smaller than the conventional ones by at least two orders is far superior. Therefore, a summary is given for SINS software which can be designed with the new mathematical framework in velocity updating.     

Novel approach for identifying Z-axis drift of RLG based on GA-SVR model

This paper describes a novel approach for identifying the Z-axis drift of the ring laser gyroscope （RLG） based on ge-netic algorithm （GA） and support vector regression （SVR） in the single-axis rotation inertial navigation system （SRINS）. GA is used for selecting the optimal parameters of SVR. The latitude error and the temperature variation during the identification stage are adopted as inputs of GA-SVR. The navigation results show that the proposed GA-SVR model can reach an identification accuracy of 0.000 2 （？）/h for the Z-axis drift of RLG. Compared with the ra-dial basis function-neural network （RBF-NN） model, the GA-SVR model is more effective in identification of the Z-axis drift of RLG.     

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。     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。     

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。     

单轴旋转SINS方位陀螺漂移精确估计方法

为了减小方位陀螺漂移对单轴旋转捷联惯性导航系统(strapdown inertial navigation system, SINS)长时间定位精度影响,提出了一种方位陀螺漂移在线估计方法。对SINS误差参数进行分析,指出东向陀螺漂移和方位失准角精度决定方位陀螺漂移估计值精度。利用优化后的卡尔曼(Kalman)滤波器在线估计SINS失准角并进行补偿,在此基础上进一步使用Kalman滤波器估计惯性测量单元(inertial measurement unit, IMU)误差。进行了转台三轴摇摆和车载行进间验证实验,车载行进间验证实验中,IMU误差估计完成后转入到纯惯性导航,其12 h的定位误差为2.12n mile,系统定位精度满足中等精度单轴旋转SINS长时间导航需求。     

基于改进四元数阻尼误差模型的SINS初始对准算法

针对传统捷联惯导系统(strapdown inertial navigation system, SINS)四元数非线性误差模型存在坐标系不一致的问题, 对姿态误差模型和速度误差模型进行改进, 将误差矢量统一投影至计算导航坐标系下。此外, 引入全球定位系统阻尼信息, 在阻尼SINS解算基础上, 结合四元数无迹估计器提出了一种改进四元数阻尼误差模型对准算法, 可应用于系泊状态下的SINS初始对准。仿真和车载试验结果表明, 在不同的大失准角下, 该改进算法相比传统四元数阻尼误差模型对准算法和欧拉角阻尼误差模型对准算法, 具有更好的对准精度、收敛速度以及稳定性。     

基于鲁棒EKF的MEMS-INS/GNSS/VO组合导航方法

针对传统惯导/卫导组合导航在复杂环境下易受干扰,观测量异常从而影响导航性能的问题,提出了基于鲁棒扩展卡尔曼滤波(extended Kalman filter, EKF)的组合导航方法。设计了基于微惯性导航系统(micro-electro-mechanical system-inertial navigation system, MEMS-INS)、全球导航卫星系统(global navigation satellite system, GNSS)及视觉里程计(visual odometry, VO)的融合框架,给出了在GNSS信号失效情形下的导航滤波模型,并将EKF与Huber方法结合,克服观测量受噪声干扰时对导航性能的影响,以提升系统鲁棒性。经仿真和KITTI数据集验证,MEMS-INS/GNSS/VO组合导航方法在GNSS信号失效时仍能输出较高精度导航结果,且可以较好克服异常观测值对系统的影响,具有较高可靠性和鲁棒性。     

捷联惯导系统极区动基座对准

传统卡尔曼滤波对准只适用于中低纬度地区,不适用于极区。针对这一问题,提出惯性系下卡尔曼滤波对准作为极区对准方案。首先选择惯性系为对准坐标系,在惯性系内推导捷联惯导系统的速度误差方程和失准角方程,建立适用于极区对准的误差模型。以速度误差为观测量,结合误差模型建立卡尔曼滤波器并进行离散化处理。然后对该对准算法进行仿真,验证其在极区的可行性,并与传统的卡尔曼滤波对准的仿真结果进行对比。最后,分析不同速度和有加速运动等情况下该算法在极区的性能,为工程实践提供理论依据。     

两种SINS惯性系四元数粗对准算法等价性分析

针对捷联惯导系统惯性系粗对准两种四元数算法的等价性进行了详细分析。首先,根据姿态矩阵的分解原理将初始对准问题转化为多矢量定姿的Wahba问题,并根据重力矢量连续变化的特点建立了积分形式的优化目标函数。然后,根据基于四元数的坐标变换原理,将目标函数变换为关于姿态四元数的函数,进而根据四元数运算性质分别导出最优四元数的两种求解形式,并根据矩阵特征值和特征向量的性质证明了两种算法的等价性。最后,通过仿真和试验数据进一步验证了理论分析的正确性。     

REKF and RUKF for pico satellite attitude estimation in the presence of measurement faults

When a pico satellite is under normal operational condi- tions, whether it is extended or unscented, a conventional Kalman filter gives sufficiently good estimation results. However, if the measurements are not reliable because of any kind of malfunc- tions in the estimation system, the Kalman filter gives inaccurate results and diverges by time. This study compares two different robust Kalman filtering algorithms, robust extended Kalman filter （REKF） and robust unscented Kalman filter （RUKF）, for the case of measurement malfunctions. In both filters, by the use of de- fined variables named as the measurement noise scale factor, the faulty measurements are taken into the consideration with a small weight, and the estimations are corrected without affecting the characteristic of the accurate ones. The proposed robust Kalman filters are applied for the attitude estimation process of a pico satel- lite, and the results are compared.     

基于小波神经网络的惯导初始对准系统

论述了小波分析和神经网络在惯性导航系统初始对准中的重要作用,给出了惯导系统初始对准的线性和非线性模型.基于小波变换,运用小波神经网络对目前该问题进行了仿真研究.仿真结果表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,近似精度高,而且网络规模比BP、RBF等神经网络规模要小,计算量少,收敛速度快.