基于模型预测的无人机组合陀螺在线标定

为解决无人机长时间航行时,由于环境等因素的变化,导致陀螺漂移、标度因数误差和陀螺安装轴不正交误差的问题,借助天文导航系统(CNS:Celestial Navigation System)提供的高精度姿态信息,基于四元数误差建立陀螺在线标定误差模型,提出一种基于模型预测的捷联惯性导航系统(SINS:Strap Down Inertial Navigation System)/CNS组合陀螺在线标定混合滤波方法.仿真结果表明,该方法能够很好地适用于在线标定,不仅满足标定精度要求,而且降低了滤波的计算量,提高了滤波的数值稳定性.     

ISR-CDKF在SINS大方位失准角初始对准中的应用

针对捷联惯导系统（SINS: Strapdown InertialNavigation System）误差模型在大方位失准角条件下非线性的特点, 对非线性滤波算法的研究具有十分重要的意义。扩展卡尔曼滤波（EKF: Extended Kalman Filter）精度低, 而且需要计算复杂的雅可比（Jacobian）矩阵; 而中心差分卡尔曼滤波（CDKF: Central Difference Kalman Filter）虽然精度稍高, 但计算量大, 且算法不稳定。为克服以上不足,提出了迭代测量更新的平方根中心差分卡尔曼滤波(ISR CDKF: Iterative Square Root Central Difference Kalman Filter)算法, 并应用于SINS大方位初始对准中。通过滤波仿真, 进一步表明了ISR CDKF算法不仅具有更高的精度和收敛性, 同时具有较强的数值稳定性。     

基于模型预测的无人机组合陀螺在线标定

为解决无人机长时间航行时, 由于环境等因素的变化, 导致陀螺漂移、 标度因数误差和陀螺安装轴不正交误差的问题, 借助天文导航系统(CNS: Celestial Navigation System)提供的高精度姿态信息, 基于四元数误差建立陀螺在线标定误差模型, 提出一种基于模型预测的捷联惯性导航系统(SINS: Strap Down Inertial Navigation System)/CNS组合陀螺在线标定混合滤波方法。仿真结果表明, 该方法能够很好地适用于在线标定, 不仅满足标定精度要求, 而且降低了滤波的计算量, 提高了滤波的数值稳定性。     

基于脉冲响应模型的GPS失效解决方法

INS/GPS组合导航系统具有较高的导航定位精度,但在GPS信号失效时,导航定位误差会显著漂移.为解决此问题,提出了一种基于脉冲响应模型的GPS失效解决方法.首先,使用基于傅里叶基神经网络的频谱分析方法建立起INS系统机动信号与INS/GPS组合导航系统机动信号之间的频域传递函数;然后,将此频域传递函数转换到时域,得到时域脉冲响应模型;将得到的时域脉冲响应模型与INS机动信号卷积,将卷积之后的信号作为INS/GPS组合导航系统在GPS信号失效时的过渡信号.仿真实验证明,该模型可以有效抑制INS/GPS组合导航系统在GPS信号失效时的定位误差漂移.