基于置信规则库的捷联惯组误差系数预测方法

捷联惯组(strapdown inertial measurement unit, SIMU)是火箭等大型飞行器控制系统的核心部件,结构复杂,可获得的误差系数样本较为缺乏。置信规则库(belief rule base, BRB)作为一种专家系统能够有效融合专家知识和监测数据,可以有效处理小样本情况下复杂系统建模问题。鉴于此,本文提出了一种基于BRB的SIMU误差系数预测方法。为充分利用脉冲量输入信息,提高信息转换精度,降低指标转换过程中的信息损失,根据惯组脉冲量输出特点提出了一种新的匹配度计算方法,提升模型的精度。最后,以某型SIMU加速度计为例验证了所提方法的有效性。     

基于置信规则库的捷联惯组误差系数预测方法

捷联惯组(strapdown inertial measurement unit, SIMU)是火箭等大型飞行器控制系统的核心部件,结构复杂,可获得的误差系数样本较为缺乏。置信规则库(belief rule base, BRB)作为一种专家系统能够有效融合专家知识和监测数据,可以有效处理小样本情况下复杂系统建模问题。鉴于此,本文提出了一种基于BRB的SIMU误差系数预测方法。为充分利用脉冲量输入信息,提高信息转换精度,降低指标转换过程中的信息损失,根据惯组脉冲量输出特点提出了一种新的匹配度计算方法,提升模型的精度。最后,以某型SIMU加速度计为例验证了所提方法的有效性。     

外场条件下旋转捷联惯导系统旋转轴不正交误差标定方法

旋转调制捷联惯导系统中,旋转轴不正交误差是最主要的转位机构误差,其对系统精度的不利影响十分显著。针对目前基于载体姿态变化的旋转轴不正交误差标定方法只适用于静基座条件的不足,提出了一种基于Kalman滤波的误差标定方法,可实现外场环境中存在晃动干扰条件下的不正交误差标定;根据误差模型建立了系统状态方程,并基于可观测度分析设计了标定路径。仿真及实验结果表明,该方法精度较高,可以实现外场角晃动干扰情况下,旋转轴不正交误差的高精度标定。     

导弹射前惯测组件误差在线标定方案研究

弹上惯测组件(IMU)的误差是影响系统导航精度的重要因素,并直接决定导弹的落点偏差。针对离线标定的误差并不能完全反映实际使用时的误差状况,主要研究弹上惯测组件在一次通电情况下误差的在线标定方案。首先利用导弹水平、竖直和其他起竖位置来标定IMU的可行性分析,然后重点提出利用发射车从仓库到达发射点过程中停车位置的信息来辅助在线标定的方案,在理论分析的基础上给出了计算公式。最后,通过仿真结果表明,该方案能在一定精度条件下标定出IMU所有的误差参数,是行之有效的。     

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。     

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。     

基于先验信息的光纤惯组贮存期静态检测方法

针对贮存期光纤惯组性能检测问题,提出基于先验信息的静态检测方法。该方案建立了光纤惯组检测用简化误差模型,引入零速信息和方位瞄准信息进行基于卡尔曼滤波对准的光纤惯组静态性能检测,并结合历史的检测信息进行比对。通过该方法可检测出3个轴向陀螺和加速度计的等效零位误差,简化了惯组检测流程,缩短了检测时间。理论分析和仿真结果验证了该方案的可行性和正确性。     

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。     

捷联惯导系统全状态量现场标定方法

捷联惯导系统的现场标定使用系统级标定方法,由于可观测度较小的状态量不能用卡尔曼滤波辨识估计误差参数,因此提出一种基于状态量正交基的可观测度计算方法,并根据此方法设计出一种提高全状态量可观测度的转位方案。在转动过程中测量每个时刻静基座惯性导航的速度误差,使用卡尔曼滤波器辨识出全状态量误差参数。经实验验证,对比未设置转位方案的现场标定结果,所提现场标定方法不仅能提高全状态量可观测度,而且对系统级标定的结果也有提高,具有较好的工程实用性。     

一种余度捷联惯导系统标定结果的验证方法

以余度捷联惯导系统为研究对象,提出了一种使用余度系统传感器冗余信息对标定结果进行检验的方法.该方法利用已有标定结果对惯性器件进行补偿,然后选取与标定过程不同的敏感轴向组合构建系统并重复标定过程,可以获得标定验证结果.通过对标定验证结果的量级大小进行判断来检测标定结果是否达到预期要求,或者标定过程是否合理.给出了应用该方法的具体过程,通过仿真试验证明该方法的有效性.     

基于线性变换的阵列幅相误差自校正算法

针对天线阵列的幅相误差严重影响阵列测向算法估计性能的问题,提出了一种基于线性变换的阵列幅相误差自校正算法。该方法通过利用幅度相位特性一致的辅助阵元,进行矩阵的正交线性变换,并结合最小二乘法算法,有效地估计阵列的幅相误差系数和入射信号的波达方向。其不需要谱峰搜索,无特征分解运算,计算量小,复杂度低,可实现对阵列幅相误差的快速校正。计算机仿真实验结果验证了该算法估计性能的有效性。     

基于信号子空间处理的ATI误差校正方法

在机载合成孔径雷达/地面动目标指示(SAR/GMTI)应用中,各误差因素常使得沿航迹干涉(ATI)方法失效,限制其实际应用。推导并仿真了同步定时误差和姿态误差引入干涉相位误差,导致ATI动目标检测性能下降的情况,提出了一种基于信号子空间处理的解决方法,并对以上误差情况分别进行了分析和校正。仿真结果表明,该方法可使ATI对误差因素的敏感度下降,从而提高动目标检测性能,扩大ATI的适用范围,具有一定的工程参考价值。     

水下平台惯导惯性器件误差高精度估计算法

为满足高精度导航及隐蔽性要求,基于方位旋转技术,给出了针对水下平台惯导系统惯性器件(inertial measurement unit, IMU)误差无阻尼估计算法。首先分析了状态转换对固定指北式平台惯导系统的影响;其次利用Laplace变换,求解了方位旋转式平台惯导系统误差;然后基于舒拉振荡和平台旋转周期,利用间断获得的外测信息建立系统短时速度、位置误差模型并作不确定度评估;最后采用Kalman滤波对惯性器件误差作了事后估计。仿真结果表明,建立的速度、位置误差模型可信度高,算法可准确估计出东、北向陀螺常值漂移以及加速度计零位偏置,有效抑制导航误差发散,提高导航精度。     

基于动态线性模型的民航发动机性能状态监控与在翼寿命预测

以民航发动机为对象,提出了一种基于动态线性模型的性能状态监控与在翼寿命预测方法.利用动态线性模型来描述性能参数偏差值序列,借助贝叶斯因子法来监测参数序列的异常.算例分析表明,该方法可操作性强,借助统计方法能够在故障发生的早期及时预警;动态线性模型同时用来描述发动机的性能退化过程,能够考虑维修、水洗以及故障等使用因素对性能退化的影响,实例证明该方法更加符合航空公司实际运营情况,能够更加合理地预测下发时间.     

旋转调制捷联惯导惯性测量组件零偏的估计方法

针对旋转调制型捷联惯导系统,通过研究惯性器件误差、失准角与惯性测量组件(inertial measurement unit, IMU)角位置三者之间关系,提出了一种三位置对准估计加速度计水平零偏和陀螺水平常值漂移的方法。为了实现惯性器件偏差的最优估计,分析了IMU最优位置问题。得出IMU最优位置是在初始位置的基础上,绕旋转轴依次转动90°的结论。数字仿真验证了理论分析的正确性。     

基于寿命分布和贝叶斯的加速因子确定方法

针对小子样产品加速因子难以确定问题,提出了一种基于寿命分布和贝叶斯的加速因子确定方法。首先根据相似产品内场贮存数据信息,对正常应力下寿命分布参数进行极大似然估计(maximum likelihood estimation,MLE),再利用Fisher信息矩阵求逆得到其方差〖CD*2〗协方差矩阵,最终得到正常应力下寿命分布参数的分布,然后根据新研产品加速应力下小子样试验信息结合相似产品加速应力试验信息和专家经验等先验信息,利用ML Ⅱ方法确定混合先验分布的权重,再利用Bayes方法得到产品寿命分布参数的后验分布,最后根据正常应力下和加速应力下的产品寿命分布参数的分布信息综合确定加速因子。以某加速度计为例,验证本文方法的正确性和有效性。