MEMS-INS微型飞行器姿态确定系统的实现研究

研究了微型飞行器姿态确定系统的样机实现.在对MEMS惯性器件性能分析和零偏温度建模的基础上,提出微型飞行器九位置非正交及安装误差标定方法,利用相关理论分析MEMS惯性传感器的噪声特性,建立适合工程应用的姿态组合算法,进行了转台测试和试飞试验.误差补偿后,陀螺和加速度计零偏稳定性分别达到0.036°/s²和0.01 m/s²,俯仰和横滚的误差均方差分别达到0.33°和0.28°.试验结果表明:器件和系统级的误差补偿起到了综合补偿的效果,姿态误差减小了约50%,基于MEMS-INS的姿态确定系统可满足微型飞行器自主姿态稳定的需求.     

北斗QPSK调制信号多星联合捕获算法

传统的接收机捕获方法仅针对单颗卫星码相位及载波频率进行搜索与捕获,为了提高接收机傅里叶变换及相关运算模块的使用效率,提出了一种面向北斗B1频点信号的多星联合捕获算法,并在此基础上建立了联合捕获相位参量与相应卫星编号间的映射关系。最后,利用采集的卫星中频信号对多种捕获算法进行了实验对比与性能分析,实验结果表明,多星联合捕获算法可成功对多颗卫星进行并行搜索及快速捕获,平均运行速度相对于传统捕获算法提高了约23%,改善了北斗接收机中信号捕获的处理效率。     

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.     

阵列天线空时GPS中频信号建模与仿真

摘要：该文通过分析GPS信号的特性对单天线GPS中频信号进行建模,给出了阵列天线空时GPS中频信号的模型. 建模过程考虑了卫星星钟误差、大气层误差、接收机钟差、噪声等各种误差因素的影响. 设计了阵列天线空时GPS中频信号仿真器,该软件具有设计灵活、可扩展、易于使用的特点. 利用频谱分析方法对仿真生成信号的正确性进行验证,并应用空时自适应处理方法验证了阵列天线空时GPS中频信号模型的正确性. 关键词：     

基于视觉/GPS/MEMS-SINS的微型飞行器姿态确定系统

分析了微型飞行器姿态确定系统的现状,提出利用视觉/GPS/MEMS-SINS组合导航系统确定微型飞行器姿态的方案.微型飞行器获取图像中天空和大地的特征不同,其间隐含了载体的姿态信息,在GPS和MEMS-SINS组合的基础上,将所隐含的载体姿态信息作为新增的观测量.建立了组合系统的卡尔曼滤波器模型,并进行了静态和动态仿真.结果表明,视觉/GPS/MEMS-SINS组合导航系统是微型飞行器自主姿态确定的有效方案,增加视觉姿态后,滤波器中惯性导航系统平台误差角的可观测性得到了增强,姿态估计精度也得到了提高.     

基于平淡卡尔曼滤波器的微小卫星姿态确定算法

针对扩展卡尔曼滤波（EKF）在线性化过程中会引入误差的问题,采用平淡卡尔曼滤波器（UKF）进行了系统滤波器设计;提出一种构建虚拟观测量的方法,并分析了其噪声特性．虚拟观测量与高精度器件量测量搭配可实现对姿态的校正．以太阳敏感器、微电子机械系统（MEMS）陀螺、磁强计为姿态敏感器件,构建了定姿滤波器并用STK（Satellite Tool Kit）数据进行了仿真．结果表明,所提出方法能有效地提高定姿性能,采用UKF的系统定姿误差与EKF相当,但收敛时间、稳定性要优于EKF．     

基于改进反向传播算法的跨音速攻角补偿修正研究

跨音速飞行时攻角传感器误差显著增大,严重影响飞机的正常飞行。针对飞机试飞与正式装备时攻角传感器采取不同配置的特点,以及传统反向传播(back-propagation, BP)算法的不足,基于改进BP算法中Levenberg Marquardt (LM)算法,设计了一种跨音速攻角补偿修正算法。利用某型飞机的实际试飞数据对基于LM算法的BP神经网络进行了训练与测试,结果表明,经BP神经网络补偿修正后的攻角能够基本消除跨音速段原始测量攻角的剧烈波动,并与真实攻角吻合效果好。     

六余度配置MEMS-IMU误差标定

研究捷联惯性传感器多余度配置系统的标定. 分析了多余度惯性传感器各参数的测量原理及算法关系,针对典型的非正交配置（六传感器正十二面体）的多余度惯性测量单元(IMU),导出六位置转动标定方法,给出了计算误差模型参数的数学推导过程,建立了余度MEMS-IMU误差模型的解析表达式. 实验结果表明：该方法精度高,可有效估计出六余度MEMS-IMU的误差模型参数,提高惯导系统精度.     

一种改进的星敏感器/陀螺卫星定姿算法

针对传统的四元数估计(quaternion estimation,QUEST)算法在观测矢量之间夹角很小或噪声剧烈增大时,定姿性能显著降低的问题,提出一种基于当前星敏感器观测信息量的滤波算法。该算法通过引入动态增益系数,解决了历史观测信息和当前观测信息之间的比例问题。该系数能够根据当前观测矢量信息量的大小变化自适应调整,从而避免了需要另外一个滤波过程对其进行确定的复杂性。对该算法进行了仿真,对比结果表明,该算法可以有效提高系统的定姿性能。     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。