基于H∞滤波的无源北斗/INS对准技术研究

无源北斗/惯导（INS）组合导航系统中,INS噪声特性和模型存在不确定性,不能很好的满足Kalman滤波对系统的要求,造成滤波系统对误差状态估计不准,影响了对准精度。本文研究了对系统噪声和模型等不确定性具有较强鲁棒性的H∞滤波算法,建立了无源北斗/INS组合对准误差模型,并分别采用H∞滤波、常规卡尔曼滤波和衰减记忆滤波进行了比较仿真。结果表明,采用H∞滤波可以进一步保证对准的快速性和对准精度,在实际应用中有较高参考价值。     

基于H_∞滤波的船用无源北斗/INS对准技术研究

无源北斗/惯导(INS)组合导航系统中,INS噪声特性和模型存在不确定性,不能很好地满足Kalman滤波对系统的要求,造成滤波系统对误差状态估计不准,影响了对准精度。研究了对系统噪声和模型等不确定性具有较强鲁棒性的H∞滤波算法,建立了无源北斗/INS组合对准误差模型,并分别采用H∞滤波、常规卡尔曼滤波和衰减记忆滤波进行了比较仿真。结果表明,采用H∞滤波可以进一步保证对准的快速性和对准精度,在实际应用中有较高参考价值。     

对偶四元数捷联惯性导航系统初始对准方法

采用对偶四元数将捷联惯性导航系统坐标系间的转动和平移统一考虑,以降低初始对准的模型复杂度和计算复杂性.给出了对偶四元数捷联惯性导航系统初始对准过程的粗对准模型,在此基础上,分别获得了基于加性和乘性对偶四元数误差的精对准模型.以航向角估计为例进行仿真分析,结果表明,采用该方法的收敛速度比传统方法加快了约40%,对准精度提高约0.01°.     

捷联惯导初始对准的区间自适应滤波算法

捷联惯导系统在初始对准过程中由于模型参数与实际系统存在偏差,并且系统噪声与量测噪声统计特性往往是未知的,采用卡尔曼滤波不能取得理想的滤波效果。为避免滤波发散以及模型的不确定性,提出了基于Sage-Husa算法的区间自适应卡尔曼滤波方法。给出了捷联惯导系统的误差模型以及区间自适应卡尔曼滤波方程。在噪声统计特性未知时,比较了常规卡尔曼滤波与区间自适应卡尔曼滤波在初始对准中的应用效果。仿真结果表明,区间自适应卡尔曼滤波在噪声统计特性未知时能够有效地提高系统的滤波效果,是一种比较理想的初始对准滤波方法。     

捷联惯导系统的静基座快速初始对准方法

建立了捷联惯导系统的误差模型，并对系统模型进行了可观测性分析；然后基于ＳＩＮＳ误差模型的特点，通过对所采用卡尔曼滤波器仿真结果的分析，提出了一种快速估计方位失准确φＤ的方法，从而大大缩短了初始对准时间，提高了对准速度；最后，计算机仿真结果表明了该方法的有效性。     

模糊抗干扰传递对准技术研究

针对机动过程中的机载捷联惯导系统(Strapdown Inertial Navigation System,SINS)进行抗干扰传递对准技术研究。建立了机载SINS传递对准误差模型,设计了一种顾及系统误差的模糊抗干扰传递对准方法。在滤波估计过程中引入模糊理论,对观测向量及状态预测向量的协方差阵进行估计。利用修正后的观测向量和状态预报向量及相应的协方差阵进行导航滤波计算,以克服机动过程引起的干扰。仿真结果表明,该算法得到的系统状态估计精度明显提高,为研究SINS快速、精确传递对准奠定了理论基础。     

一种智能状态估计方法及应用

为提高机理复杂工况变化较大的一类生产过程状态估计的精度 ,提出一种基于多模型和专家知识的智能状态估计方法 ,并给出了用于青霉素发酵过程状态估计的结果。这种方法采用多个状态估计模型进行估计 ,然后由优选专家系统选择一个最优的作为最终结果。给出了状态估计系统的结构及优选专家系统的结构和设计。优选专家系统采用改进的 Bayes方法进行不确定性推理。这一估计方法可以应用于类似于青霉素发酵这类机理复杂过程的状态估计。     

高阶SRC-KF SINS对准模型算法

基于SINS初始对准误差参数计算精度要求,利用Gauss-Hermite积分和Gauss-Lagerre积分数值逼近方法,证明了Bayesian最优估计理论的高阶球面径向联合积分数值逼近的五阶SRC-KF算法.通过状态向量坐标变换开展高阶球面径向数值积分逼近计算,根据获得2n2个球面径向采样点,利用高阶矩匹配方法设计采样点权值展开系统状态后验概率密度函数逼近计算,来达到非线性系统状态参数五阶SRC-KF最优估计算法高精度计算目的.采用四元数姿态建模方法构建新型SINS初始对准非线性误差模型,引入Lagrangian乘子算法计算四元数估计加权均值,最后利用SINS粗对准实验数据开展初始对准高阶SRC-KF模型算法仿真验证研究.通过UKF、CKF和五阶SRC-KF算法估计数据比较,五阶SRC-KF算法计算精度较高,数值计算稳定性好,验证了五阶SRC-KF算法的可行性及计算精度优势.     

ACDKF在SINS大方位失准角初始对准中的应用

将可以估计系统参数、噪声统计特性和修正滤波增益的自适应估计方法引入到CDKF算法中,并将其应用到SINS大方位失准角初始对准中,实现SINS大方位失准角初始对准,解决了噪声特性不准确的非线性问题,避免了线性化误差对滤波精度的影响,克服了噪声统计特性不准确的局限性,进一步提高了导航精度.采用自适应中心差分卡尔曼滤波(ACDKF)进行初始对准,提高了CDKF算法的收敛性和系统的稳定性.仿真结果表明:ACDKF能够克服噪声统计模型不准确对滤波结果的影响,对失准角的估计精度优于CDKF,进一步提高了系统的精度和可靠性.     

一种新的捷联惯导系统动基座对准中的可观测性分析法

以惯性坐标系为导航坐标系,建立了捷联惯性导航系统动基座对准的误差模型.利用分段定常系统可观测性分析方法对系统动基座对准时的可观测性进行了全面分析,定性地得出了载体不同运动对系统可观测性的影响.分析结果表明,在动基座对准过程中,不同于传统的以地理坐标系为导航坐标系,惯性坐标系具有简化分析过程、利于定轨等优点,且无论载体是线运动还是角运动,在一定条件下都能提高系统的可观测性,进而提高卡尔曼滤波器的估计精度和速度.在以惯性坐标系为导航坐标系的捷联惯性导航系统动基座对准过程中,采用卡尔曼滤波方法,基于具体试验数据,对失准角进行了估计,给出了仿真曲线,验证了分析结论.     

基于SRCKF的水下航行器动基座初始对准技术

针对当海况不佳时,水下航行器即使处于系泊状态下也会产生大幅晃动,从而使得捷联惯性导航系统（SINS）无法快速完成自主初始对准的问题,提出了利用多普勒计程仪（DVL）提供的速度信息来辅助SINS实现运动中对准的方法．同时针对该环境下SINS只能获取粗略的初始方位信息的问题,提出了基于平方根求容积卡尔曼滤波（SRCKF）的动基座对准滤波算法．该滤波算法克服了扩展卡尔曼滤波（EKF）存在的滤波精度低以及须计算雅可比矩阵的不足,并在滤波过程中以协方差平方根矩阵代替协方差矩阵进行迭代更新,从而提高了滤波算法的收敛速度和数值稳定性．仿真结果表明：该方法能够解决水下航行器的动基座初始对准问题,且对准精度高,数值稳定性好．     

基于四元数的捷联惯导惯性系晃动基座自对准算法

为提高捷联惯导系统在晃动基座下初始对准的快速性和精度,提出了一种基于四元数的捷联惯导惯性系晃动基座自对准算法.该算法利用惯性坐标系下的姿态更新来实时地反映载体在晃动干扰下的姿态变化,通过四元数推导将初始姿态的最优估计转化为Wahba姿态确定问题,以消除角晃动干扰的影响;并根据惯性系下重力矢量和晃动干扰加速度不同频的特点,引入小波阈值消噪以消除线振动干扰的影响,从而提高算法在晃动基座下的对准精度.仿真结果表明,该算法不需要进行粗对准,具有角晃动干扰隔离能力和线振动干扰抑制能力,能够实现晃动基座下的快速、精确自对准.     

基于EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.     

捷联惯导一种优化的惯性系粗对准方法

：捷联惯导初始对准在载体基座晃动比较强烈的情况下,陀螺仪与加速度计在的输出数据无法直接用来计算姿态矩阵,研究了一种优化后的惯性坐标系粗对准算法。算法应用惯性凝固方法通过利用重力加速度信息,将捷联惯导姿态转换矩阵分解为4个矩阵来求取,通过对所求出的姿态信息阵进行优化,有效抑制了加速度计的测量噪声,使捷联转换矩阵的求取准确度更高。理论分析和仿真表明,该方法能很好的解决捷联惯导在晃动下的粗对准问题。     

船用捷联式惯性导航仿真系统设计及研究

针对船用捷联式惯性导航系统长时间工作后,精度明显下降,不能满足导航需求的问题,设计了一种模块化的船用捷联式惯性导航仿真系统,并进行了仿真研究。将船用捷联惯导设计为四个模块,分别为轨迹仿真模块、惯性器件仿真模块、导航解算模块和误差分析模块。利用建立的模型,仿真分析捷联式惯性导航系统姿态角、速度和位置误差的主要特性,研究天向速度的发散对东向和北向速度误差的影响,探究初始对准误差对导航精度的影响。结果表明,仿真系统可以很好的模拟舰船捷联式惯性导航系统的初始对准和导航过程;天向速度的发散和初始对准的精度都会直接影响导航精度。因此,在舰船长时间航行时,必须提高初始对准精度且引入阻尼系统,以减小船用捷联式惯性导航系统的导航误差。     

里程计组合的捷联惯导系统运动基座对准研究

研究利用里程计(DTU)辅助实现惯性导航系统(SINS)运动基座下初始对准.利用分段线性定常系统分析方法,提取了不同运动基座情况下SINS/DTU组合系统的可观测性矩阵;通过计算可观测性矩阵奇异值的大小,定量分析了SINS/DTU组合系统的可观测度;比较了SINS/DTU组合系统和SINS/GPS组合系统的对准机理;并进行了系统仿真.结果表明,这种基于SINS/DTU组合的方法能够实现SINS系统的自主式初始对准;但与SINS/GPS组合系统相比,系统的可观测度稍弱,所需对准时间稍长.     

基于电子地图和激光捷联惯组的运动基座初始对准方法

基于捷联惯导系统动基座初始对准对速度和路线要求较高,粗对准方位角失准过大影响精度等问题,提出引入电子地图对算法进行辅助修正的组合对准方法.通过地图匹配进行位置修正提高载车定位精度,最大限度减小第二次停车所带来的定位误差,提高对准精度.实验结果证明,动基座初始对准方法与电子地图匹配算法的有效组合,降低了对载车速度及路线的要求,极大提高了系统对准精度.     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

R-T-S平滑算法在捷联惯性异航系统初始对准精度事后评估中的应用

捷联惯性导航系统(SINS)通常采用Kalman滤波实现初始对准．由于R-T-S最优固定区间平滑算法的精度比Kalman滤波高，采用R-T-S最优平滑算法通过事后处理SINS对准数据来计算SINS的失准角，作为参考失准角，对SINS初始对准的精度进行事后评估．以船用SINS为例进行了仿真．结果表明，R-T-S最优平滑算法的精度比Kalman滤波精度高，从而说明利用R-T-S平滑算法对SINS初始对准精度进行事后评估是可行的．