三轴加速度计GFSINS安装误差标定与补偿方法

针对由四个三轴加速度计构成的无陀螺捷联惯导系统加速度计的安装误差,根据空间矢量与坐标系关系,提出一种基于矢量模值不变性的位置误差标定方法和一种坐标系旋转变换矩阵的敏感方位误差标定方法,采用同一组转台试验数据先标定出位置误差再在位置误差标定基础上标定方位误差。同时,提出在误差补偿过程中,先补偿敏感方位误差再补偿位置误差的补偿方法,且给出了具体补偿算法。最后,通过仿真验证了标定和补偿方法的可行性。     

基于神经网络的高超声速飞行器惯导系统精度提高方法

针对目前惯性系统误差补偿模型对静态误差和动态误差处理能力不足的问题,为适应高超声速飞行器长航时、高精度的惯性导航要求,基于神经网络提出一种加速度计拟合模型。在高超声速飞行器飞行前期有准确的卫星导航信息时,收集导航信息和加速度计脉冲信息,利用神经网络强大的非线性拟合能力,在飞行过程中进行在线训练,得到精确的惯性系统模型。仿真结果表明,在存在逐次通电误差和不考虑二次项误差系数的误差补偿模型方法位置导航偏差在数公里和数百米量级的情况下,相同时间内所提方法的位置导航偏差仅为数十米量级,有效提高了高超声速飞行器的导航精度。     

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰,研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法,利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离,推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数,有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比,提出的方法具有参数估计收敛速度快,辨识精度高,建模误差小等优势,验证了所提学习算法的有效性。     

光纤捷联惯导两级系统级标定方法

针对传统的系统级标定方法状态变量维数高、标定参数可观测性差、滤波易发散等特点,提出一种两级系统级标定方法。该方法通过合并加速度计和光纤陀螺的标定误差降低Kalman滤波器维数,以速度误差和姿态误差作为观测量,设计6个位置对状态向量进行估计,将估计值进行解耦计算系统标定误差参数。针对光纤陀螺标定误差滤波时间长和Kalman滤波开始阶段收敛迅速的特点,对光纤陀螺标定误差进行两次估计,将两次估计值之和作为光纤陀螺标定误差。仿真和实验结果表明:两级系统级标定方法可以实现标度因数、安装误差和零位等24个标定参数的误差估计,提高系统的定位精度。     

基于三轴转台误差分析的IMU标定方法

为了减小三轴转台误差对惯性测量单元(inertial measurement unit,IMU)误差模型系数标定精度的影响,提高IMU在三轴转台上的标定精度,首先分析了三轴转台各误差源,给出了陀螺仪和加速度计的输出与转台的位置、姿态误差之间的关系。据此设计了正十二面体-20点的位置和速率试验计划。该方法能同时辨识出IMU的误差模型系数以及转台误差源,自动补偿了三轴转台的误差,提高IMU误差模型系数的标定精度。最后对理论分析结果进行仿真验证,给出了转台误差与IMU误差模型系数标定误差之间的关系。     

基于陀螺测量信息的航天器突变参数识别方法

利用速率陀螺的测量信息研究了航天器质量特性参数突变的识别问题。基于物理学原理建立了航天器转动和速率陀螺的数学模型;对航天器的结构布局进行分析,提出了辨识策略和算法;利用条件数和奇异值分解理论对测量矩阵进行分析,观察突变参数的可辨识性及可辨识度;以某航天器为例,就其质量特性的可辨识性及可辨识度进行数值分析,并进行在轨辨识仿真。结果表明,当航天器参数突变后,按照所提的策略,其质量和质心位置可以辨识,且质心位置的可辨识度高于质量。     

基于Kalman滤波的加速度计十位置标定方法

未经完全补偿的加速度计标定误差会残留到初始对准阶段,引起水平姿态误差。针对这一问题,提出一种基于卡尔曼滤波初始对准的标定加速度计零偏和安装误差角的新方法。在分析水平对准精度的基础上,推导出加速度计标定误差模型,给出四步骤十位置标定编排方案。确定了最优标定路径,仿真验证了转台最优路径的有效性。表明该方法能在对准阶段利用水平姿态误差进一步补偿残余标定误差,提高加速度计的标定精度。     

预测误差法参数辨识及其MATLAB仿真

预测误差法是一种精确度较高的辨识方法,其辨识误差要远远小于最小二乘法.但由于其计算较复杂,以前使用传统编程语言(FORTRAN,PASCAL, C/C++)很难实现,但使用MATLAB系统辨识工具箱函数实现预测误差法辨识就很方便了,且使用MATLAB实现预测误差法精确度较高,具有很好的实用价值.文中介绍了参数辨识的预测误差法原理,阐述了Newton-Raphson最优化算法在预报误差法参数辨识中的应用.用MATLAB的系统辨识工具箱和GUI图形工具编制了基于Box-Jenkins模型的参数辨识仿真程序pebjident,最后以实例介绍了用此程序进行预测误差法参数辨识的过程,以及辨识结果分析.     

基于遗传算法的伺服系统摩擦参数辨识研究

LuGre摩擦模型能够精确描述摩擦环节的动态特性 ,但由于其高度非线性 ,使得参数辨识非常困难。针对LuGre摩擦模型 ,提出一种新型的基于遗传算法的模型参数两步辨识方法。首先通过Stribeck曲线 ,辨识出摩擦模型中的静态参数 ,然后由系统的稳态极限环振荡响应 ,辨识出摩擦模型的动态参数。在每一步辨识中 ,均采用遗传算法作为优化工具 ,从而避免了采用线性辩识方法时的局部极小问题。对提出的方法进行了数字仿真 ,并通过设计摩擦补偿环节 ,对辨识参数进行验证 ,结果表明了该方法的有效性。     

基于离心机测试的惯导平台误差系数辨识研究

为解决惯导平台误差模型辨识中与加速度高阶项有关的误差系数的辨识问题,提出一种基于离心机测试的惯导平台误差系数辨识的方案。通过分析惯导平台在过载状况下的受力,给出惯导平台在离心机上的安装定向及其误差系数的辨识方案。按该方案利用扩展卡尔曼滤波估计算法在某型惯导平台上进行误差系数辨识实验。结果表明,此方案可有效地辨识出惯导平台误差型中与加速度高阶项有关的误差系数,且精度较高。     

炮载惯导高精度准动态零速修正方法

针对现有零速修正方法效率低下的问题,以某型自行火炮为研究对象,利用加速度信息推导出了匀速直线运动时载体两个方向的姿态及角速度,并详细介绍了推导过程。为提高零速修正的精度和实时性,以所得姿态为基准,将其加入到滤波观测量中,使得原有速度匹配改为速度加姿态匹配,提出了高精度动态零速修正方法。仿真结果表明,利用加速度信息能有效获得当前载体姿态,验证了该方法的正确性。在跑车实验之前,利用有限冲激响应(finite impulse response, FIR)数字滤波器处理加速度计输出信息,实验结果表明,所提新方法能大幅提高零速修正的精度和实时性,东向位置误差在10 m以内,北向位置误差在20 m以内,实现了在连续行车条件下的高精度导航和误差标定。     

Error model identification of inertial navigation platform based on errors-in-variables model

Because the real input acceleration cannot be obtained during the error model identification of inertial navigation platform, both the input and output data contain noises. In this case, the conventional regression model and the least squares (LS) method will result in bias. Based on the models of inertial navigation platform error and observation error, the errors-in-variables (EV) model and the total least squares (TLS) method are proposed to identify the error model of the inertial navigation platform. The estimation precision is improved and the result is better than the conventional regression model based LS method. The simulation results illustrate the effectiveness of the proposed method.     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

单轴旋转SINS轴向陀螺漂移精确标校方法

为提高单轴旋转捷联惯导系统长时间导航精度,提出了一种精确标校轴向陀螺漂移的方法。在静基座条件下分析了轴向陀螺漂移、初始姿态和航向角误差对系统经纬度影响,将水平阻尼网络引入到导航算法流程中以抑制系统舒拉振荡误差。建立了经纬度误差与轴向陀螺漂移、初始航向角误差之间的数学模型,并设计了一种合理的标校流程,采用最小二乘法对轴向陀螺漂移进行精确标校。对该方法进行了数学仿真与实际系统验证实验。实验结果表明,当系统陀螺漂移误差为0.01(°)/h时,经过12.5 h精确标校后轴向陀螺漂移的辨识精度达到0.001(°)/h,系统的定位精度优于1.5 n mile/48 h。     

中低纬度下惯导极区性能模拟测试方法

针对惯性导航系统极区性能试验难以实地开展的问题, 研究了一种模拟测试的方法, 并基于横向坐标系编排给出了以组合导航系统作为测量基准的惯导模拟测试方案。首先分析了模拟测试技术研究的必要性, 然后根据轨迹形变最小原则详细推导了基于横向坐标系编排的极区模拟测试转换公式, 之后针对测试中采用不同基准的情况, 提出了相应的惯性测量单元(inertial measurement unit, IMU)转换算法, 并提出以惯性导航系统/全球导航卫星系统(inertial navigation system/global navigation satellite system, INS/GNSS)为参照基准的一种具体测试方案, 最终完成了仿真实验, 验证了模拟测试理论的正确性。结果表明, 在基准误差不计的情形下，试验导航参数误差与惯导实地横向编排解算误差相当。初步验证了所提方法替代极区实地试验进行精度性能评估的可行性, 为后续极区模拟测试评估研究奠了定理论基础。     

激光驾束导弹制导控制辅助惯性器件滤波

针对某型激光驾束导弹微机电(micro electro mechanical systems, MEMS)速率陀螺仪和加速度计测量噪声大的问题,提出采用姿控舵偏角和过载指令实现陀螺仪和加速度计的滤波。首先,基于姿态运动学建立MEMS速率陀螺滤波方程;其次,结合局部模型跟踪控制律特点,引入过载指令与实际过载的近似数学描述,建立加速度计滤波方程;最后,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)实现对三轴角速率、两轴加速度、攻角及侧滑角的辅助估计。半实物仿真试验表明,该算法可以将速率陀螺误差及加速度计误差分别降低至16%和30%,同时对攻角和侧滑角的估计偏差约为0.03°,证明算法有效。     

基于矩阵分解的惯导安装误差矩阵解耦方法

针对捷联惯性导航系统级标定中安装误差矩阵存在3组耦合关系问题,提出一种基于矩阵分解的解耦方法。该方法将安装误差矩阵分解为对称误差矩阵和斜对称误差矩阵后,推导其对惯性导航姿态方程和速度方程的影响,揭露系统级标定中安装误差矩阵存在耦合的原因——陀螺仪表组和加速度计仪表组的斜对称误差对误差方程的影响是耦合的,进而提出适当选取体坐标系使得陀螺仪表组的斜对称误差矩阵为0的解耦方法。该解耦方法是一种均值分配方法,与传统解耦方法相比能减少系统运算中的二阶舍项误差。仿真实例说明了该解耦方法是有效的。