舰载机大失准角的快速二次传递对准方法

针对舰载机传递对准特点,直接利用主惯导的导航信息进行一次装订,引入了大失准角对准问题.为了解决舰载机传递对准问题,提出利用子惯导自主对准进行一次装订减小子惯导中间坐标系与主惯导间的失准角.分析Wahba问题提出统计意义的Quaternion(四元数)对准方法替换传统的Triad(双矢定姿)对准方法,提高了多信息冗余度和对准精度.基于分级修正思想,提出二次传递对准方法,第一次传递基于非线性模型和自适应渐消扩展卡尔曼滤波,并给出简化的渐消因子计算方法;第二次传递对准基于线性误差模型,采用速度+航向匹配,在补偿失准角的基础上,估计陀螺漂移.仿真结果表明二次传递方法能够满足舰载机传递对准需求.     

用于快速传递对准的自适应联合H_∞滤波器设计

针对用于快速传递对准的集中式卡尔曼滤波器阶数高、计算负担大、鲁棒性差及对准精度低等问题,该文提出采用联合H∞滤波器进行快速传递对准。设计了联合H∞滤波器的结构和算法:该滤波器采用两级数据融合结构,含有2个与传感器相连的子滤波器和1个融合子滤波器输出信息的主滤波器,整个计算任务被分配给2个子滤波器并行完成从而减轻了计算负担。同时利用改进的Elman网络进行信息分配系数的自适应调节和子系统故障检测,以实现融合信息在各子系统中的自适应分配,并对检测出的故障子系统进行隔离。仿真结果表明:该滤波器不仅提高了系统解算速度与鲁棒性,而且使系统对准精度提高了1个数量级。     

传递对准在惯性传感器网络中的应用

在惯性传感器网络构成的导航系统中,高精度的传递对准技术对整个导航系统有着重要的意义。采用"速度+姿态"的匹配方法,构建卡尔曼滤波模型,不仅考虑了对准过程中由弹性变形引起的挠曲误差对系统的影响,更考虑了由颤振导致的误差的影响,减少挠曲效应对系统失准角的影响。仿真结果表明,同时考虑弹性变形和颤振引起的误差更能提高对准的精度和速度。     

姿态匹配传递对准的H∞滤波器设计

姿态匹配传递对准对机翼弹性变形很敏感,若机翼弹性变形建模不当,将造成姿态匹配传递对准卡尔曼滤波性能的恶化。由于H∞滤波对系统的不确定性干扰具有很强的鲁棒性,因此本文将机翼的弹性变形视为姿态匹配传递对准中量测的不确定性干扰,并且设计了姿态匹配传递对准的H∞滤波器。仿真结果表明,在不对机翼弹性变形进行建模的情况下,姿态匹配传递对准的H∞滤波器能在十多秒钟的时间内完成传递对准,并且传递对准精度可达5’。     

自适应线性滤波器及遗传算法在初始对准中的应用

针对采用卡尔曼滤波器进行初始对准时,时间复杂度较高,且受不可观测状态影响较大的问题.提出了用自适应线性滤波器对惯性器件的输出进行滤波后再用遗传算法进行初始对准的方法,主要优点在于受系统不可观测状态影响小,且速度上的优势比较明显,增强了惯性制导系统的快速反应能力.     

舰船在风浪干扰下的快速传递对准技术研究

对舰船应用环境下的快速传递对准技术进行了研究.推导了主惯导与子惯导之间姿态之差的动态方程,采用Kalman滤波技术估计子惯导系统的安装误差角.设计了在不依赖舰船有意识机动情况下而仅仅依靠外界风浪的干扰就能实施快速传递对准的方法.仿真结果表明,在10 s内,子惯导系统安装误差角估计可以达到优于1 mrad的精度.     

联邦滤波信息分配方法及其在传递对准中的应用

针对高动态导航环境中固定信息分配策略不能满足应用需求的问题,根据联邦滤波公式定量分析了信息分配系数的选择对各子滤波器精度、鲁棒性及计算稳定性的影响.考虑通过提高无故障子滤波器的鲁棒性来提高联邦滤波器的快速重构能力,同时兼顾子滤波器的精度和计算稳定性,提出了基于模糊规则表的信息分配策略,给出了实现该策略的具体方法,并将其用于某导航系统的快速传递对准中.理论分析与仿真结果表明,该方法可以有效提高无故障子系统对系统故障的抗干扰能力,并可保证系统的计算稳定性.     

基于滤波估计的传递对准观测值延时抑制方法

传递对准过程中,由于主惯导的解算和传输延迟,子惯导解算信息与进行匹配的基准信息不能完全同步,有些情况下时间延迟较大。分析了时间延迟对速度加姿态角匹配传递对准的影响,并提出了一种时间延迟估计与补偿方法。建立了主惯导时间延时模型,推导了包含时间延时的传递对准观测方程。仿真结果表明,未补偿主惯导信息时间延迟,传递对准失准角估计误差达到40′左右,补偿后,传递对准失准角估计误差在6′以内。该方法可以有效降低由于主惯导信息延时而导致的估计误差发散现象,提高了传递对准精度。     

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.     

一种基于速度加比力匹配的传递对准时间延迟补偿算法

传递对准过程中,由于主惯导的传输延迟,子惯导解算信息与进行匹配的基准信息不能完全同步,有些情况下时间延迟影响较大。分析了时间延迟对速度加比力匹配传递对准算法的影响,并用扩增状态量的方法对该算法时间延迟进行建模和补偿。仿真结果表明,对准过程中当舰船处于匀速运动状态,时间延迟几乎不会影响对准性能;当舰船进行加速运动或S形机动运动时,时间延迟会严重影响对准性能,通过补偿可以有效地减少时间延迟对于该算法的影响。     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。     

基于鲁棒自适应kalman滤波平台标定数据处理

摘 要：惯导系统作为飞行器导航系统的重要组成部分,其精度直接影响到飞行精度,为了更实现更精确的导航,通常采用射前自标定技术,从而补偿平台的误差。当飞行器竖立在发射场时,通常会受到各种干扰因素的影响,比如阵风,这些干扰会对射前标定的精度产生很大的影响。为了更好的补偿这部分干扰带来的误差,本文利用ARMA(2,1)建立平台漂移模型,考虑到系统噪声的方差和协方差等信息并不可知而且所建立的模型也会有误差,本文选用鲁棒自适应卡尔曼滤波对数据进行处理,结果表明,经过处理后的数据方差比原数据方差小很多,可以满足标定精度要求。     

基于自适应Kalman滤波器的原子钟信号预测方法

给出一种Kalman滤波器噪声方差阵的自适应更新方法, 该方法在进行原子钟参数估计时不需要预先输入噪声参数, 且噪声参数在递推过程中自动更新并随噪声改变而自适应改变. 利用国家授时中心标准时间(UTC(NTSC))与铷原子钟的钟差数据进行了验证, 结果表明, 效果优于一般的Kalman滤波器.      

基于弯道自适应强跟踪卡尔曼滤波的侧向坡度估计算法

道路的侧向坡度直接影响车辆侧向运动,侧向坡度估计已成为智能汽车稳定控制系统的关键部分之一。然而,侧向坡度与车身侧倾之间存在耦合,且侧向力估计困难,准确的侧向坡度估计难度较大。为此,提出了一种基于加速度传感器的可拓融合侧向坡度估计算法：首先,提出加速度传感器模型和车辆侧倾模型,采用弯道自适应强跟踪卡尔曼滤波算法（CASTKF）对侧向坡度进行估计;然后,提出基于侧向加速度传感器的直接估计方法,防止CASTKF算法在失去可观性后的错误估计;再后,利用可拓算法对两种模式的估计值进行数据融合;最后,采用硬件在环测试（HIL）验证所提算法的有效性。结果表明,智能汽车的侧向坡度估计中采用CASTKF融合算法具有更高的精度和鲁棒性。     

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。     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

用自适应扩展卡尔曼滤波跟踪水下目标的算法研究

针对短基线声纳系统跟踪水下目标的问题,建立了状态方程和观测方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法,该算法包含八个基本步骤。将声波传输时延转换为水下目标的距离,用卡尔曼滤波的方法对数据中的噪声进行滤波。对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性。最后将该算法用于水下目标的实测数据,收到了良好的效果。