捷联惯导系统快速初始对准方法仿真研究

捷联惯导系统(SINS)静基座初始对准时,由于方位误差角的观测度较低,使对准的时间比较长。为了实现SINS的快速初始对准,在东—北—天坐标系下推导了快速对准方法;采用小波滤波和卡尔曼滤波相结合进行初始对准滤波。仿真结果验证了小波——卡尔曼组合滤波方法的有效性。     

捷联式惯导系统静基座快速初始对准方法的研究

初始对准精度直接关系到惯导系统的工作精度，其时间是惯导系统的重要战术技术指标，因此，初地准是惯导系统最重要的关键技术之一，本文提出并设计了把扩张状态观测器用于捷联惯导系统静基座下的初始对准。结果表明，对准过程时间大大缩短，具有精度高，算法简单等特点，是一种应用在实际惯导系统中的理想初始对准方案。     

捷联惯导系统初始对准的SVM自适应Kalman滤波算法

作为捷联惯导系统初始对准关键技术的Kalman滤波要求事先精确已知系统及量测噪声的统计特性,当在滤波过程中这些特性改变时,滤波器性能将会降低甚至发散,针对这一问题采用了一种支持向量机(SVM)自适应Kalman滤波(SVMAKF)算法,根据协方差匹配技术应用支持向量机来动态调谐量测噪声方差阵R,当量测噪声随时间改变时,SVMAKF可以实时的估计出准确的噪声方差阵,这就降低了系统对量测噪声先验统计特性的依赖性,能够改善kalman滤波器的状态估计效果.基于SVMAKF的捷联惯导系统初始对准计算机仿真结果表明在滤波精度和滤波器鲁棒性上,SVMAKF都有比传统Kalman滤波器好的表现.     

基于观测量扩充的捷联惯导快速初始对准方法

近似静止状态时捷联惯导系统可观测性较差,利用卡尔曼滤波完成初始对准需要较长时间。针对这一问题提出了一种基于观测量扩充的捷联惯导系统快速初始对准方法。在不改变系统状态方程的情况下,将速度误差和地球转速作为系统观测量。并根据观测量的扩展详细地推导了观测方程,进而利用扩展卡尔曼滤波完成捷联惯导系统初始对准。车载试验结果表明,与传统的卡尔曼滤波对准方法相比,新方法在保证初始对准精度的同时缩短了初始对准时间。     

一种基于自适应粒子滤波的捷联初始对准方法研究

针对传统自适应粒子滤波算法的计算负荷太大问题,在Fox的K-L距离采样的基础上,给出一种新的求解七值的方法,将k值的计算从采样过程中分离出来,大大降低算法的复杂度,减少计算量,避免死循环发生.曩后,将该算法应用到大失准角情况下捷联惯导系统动基座初始对准中,并与扩展卡尔曼滤波算法,标准粒子滤波算法和传统自适应粒子滤波算法进行了比较,仿真结果表明简化的自适应粒子滤波算法在保持高精度的同时,有效地提高了算法的计算速度,因此更适合于捷联惯导系统动基座初始对准.     

捷联惯导系统极区动基座对准

传统卡尔曼滤波对准只适用于中低纬度地区,不适用于极区。针对这一问题,提出惯性系下卡尔曼滤波对准作为极区对准方案。首先选择惯性系为对准坐标系,在惯性系内推导捷联惯导系统的速度误差方程和失准角方程,建立适用于极区对准的误差模型。以速度误差为观测量,结合误差模型建立卡尔曼滤波器并进行离散化处理。然后对该对准算法进行仿真,验证其在极区的可行性,并与传统的卡尔曼滤波对准的仿真结果进行对比。最后,分析不同速度和有加速运动等情况下该算法在极区的性能,为工程实践提供理论依据。     

摇摆基座下捷联系统快速初始对准研究

针对舰船摇摆状态下无法从陀螺仪输出中提取地球自转角速度信息这一问题,提出基于惯性系改进的粗对准方法.该方法通过建立惯导系统初始捷联矩阵隔离载体摇摆运动以保征失准角为小角度.为了满足舰船对准快速性的需求,提出了一种惯导数据循环使用的卡尔曼滤波精对准方法.系泊状态下的半实物仿真结果表明:采用惯导数据循环使用的系泊对准方法可以达到对准精度要求的同时缩短对准时间,验证了该方法的有效性.     

船用捷联惯导系统运动中对准的UKF设计

针对海况恶劣船体大幅晃动,捷联惯导系统无法快速完成自主初始对准的问题,给出了大方位失准角情况下捷联惯导系统的非线性误差方程,采用UKF方法来解决GPS辅助船用捷联惯导的运动中对准问题。仿真结果表明,该方法仅需60 s即可完成初始对准,并且水平对准精度达1′,方位对准精度达6′。与传统的EKF非线性滤波方法相比,采用UKF来实现船用捷联惯导系统运动中对准,不仅无需计算复杂的Jcobian矩阵,而且精度更高。     

测量船用捷联惯导动基座快速粗对准技术

针对测量船用捷联惯导系统(strapdown inertial navigation system, SINS)粗对准问题,对比分析了传统解析法和惯性系粗对准法的本质区别与适用范围,利用惯性系对准过程是动态过程的性质,提出在SINS中引入惯性系粗对准法并进行理论推导与分析。模拟测量船典型三轴摇摆状态下对SINS惯性系粗对准过程进行仿真分析,并与传统解析粗对准结果比对。选取测量船的系泊状态建立试验环境并得到实验结果：惯性系对准方法可建立更为准确的捷联矩阵,惯性系对准结果具有更好的稳定性。     

静基座速率偏频激光陀螺捷联惯导系统快速高精度初始对准算法

针对惯性器件误差对初始对准精度的影响,提出了基于速率偏频激光陀螺捷联惯导系统的快速高精度初始对准算法。首先,研究了初始对准阶段惯性器件的误差特性;然后,建立了激光陀螺标度因数和加速度计零偏的二次非线性误差模型,并对其进行在线估计和补偿;最后,采用卡尔曼滤波方法对激光陀螺零偏残差进行估计,得到系统初始对准姿态矩阵。实验结果表明,该算法可以有效消除激光陀螺标度因数误差、零偏误差和加速度计零偏误差等因素对初始对准精度的影响,初始对准时间为3 min时水平姿态角对准精度为2″,偏航角对准精度优于30″,精度和快速性均得到显著提高。     

基于插值非线性滤波的SINS静基座初始对准

讨论了捷联惯性导航系统（SINS）静基座初始对准的非线性和线性误差模型,提出一种基于插值非线性滤波的SINS静基座初始对准方法.分析了插值非线性滤波原理,给出了系统加性噪声情况下的二阶插值非线性滤波递推算法.进行了静基座状态下基于KF、EKF和插值非线性滤波的初始对准仿真.仿真结果表明,在大方位失准角的情况下,基于插值非线性滤波的对准方法具有更高的估计精度,且无需计算Jacobian矩阵,相对于EKF计算量更小,实现更为简单.     

旋转捷联惯导抗晃动对准方法

为了提高传统车载捷联惯导在晃动基座下短时间内对准精度和抗干扰能力,提出一种基于惯性系多矢量粗对准与旋转调制最优估计精对准相结合的初始对准方法。阐述惯性系对准原理,对比分析惯性系双矢量和多矢量对准特点,建立最优估计精对准滤波模型,研究旋转调制误差抑制机理。通过仿真实验验证:惯性系对准能够克服基座角晃动影响,受线振动干扰影响较大,惯性系多矢量相比双矢量对准更加充分利用量测矢量信息,对准性能更好;旋转调制能够抑制水平器件误差影响,相比单位置对准能够得到更高的对准精度。     

提升小波在SINS信号去噪及初始对准中的应用

针对惯性仪表测量信号中包含大量随机噪声的问题和经典小波的缺点,研究了提升小波算法在信号去噪和初始对准中的应用.研究了基于提升方式下的小波算法,并将其应用到惯性器件测量信号噪声消除中;建立了捷联惯导系统粗对准方案和在大方位失准角条件下的非线性精对准模型;将基于提升小波的噪声消除算法应用于捷联惯导系统初始时准中.实验结果表明,提升小波算法有效去除了惯性器件测量信号中的噪声;基于该算法,可提高初始对准速度和精度.     

提升小波在SINS分段快速对准中的应用

提出了一种利用提升小波进行消噪的捷联惯性导航系统(strapdown inertial navigation system, SINS)分段快速对准新方法。该方法首先进行水平精对准,然后利用提升小波算法对陀螺仪的输出信号进行消噪后,快速计算出方位失准角并进行修正,完成对准过程。理论分析和实际系统试验表明:提升小波算法对于光纤陀螺信号具有良好的消噪效果,新方法与传统的Kalman滤波对准方法具有相同的稳态精度,但方位精对准过程中,不需要进行捷联惯导的力学编排,精对准的时间可以缩短至30 s左右。该方法弥补了传统Kalman滤波精对准方法中方位失准角估计速度慢的缺陷,大幅度提高了SINS的初始对准速度。     

基于混合迭代UKF的捷联惯导对准算法设计

捷联惯导系统陀螺噪声过大时,自对准无法使方位失准角估计收敛到真值,设计了一种磁强计辅助对准方法,满足对准精度要求并可同步估计磁场强度和磁倾角。非线性滤波方法UKF相比EKF估计精度高但收敛速度慢,迭代UKF算法可提高收敛速度但计算量也显著增大。将超球面分布采样点变换（SSUT）应用于UKF迭代过程,设计了一种混合迭代UKF算法。仿真表明该混合迭代UKF算法加快了收敛速度,保证了滤波精度,同时又减少了计算量。

Abstract：

The azimuth misalignment-angle estimation of SINS could not converge to the true value without assistance duo to the over too strong noise of gyros.An alignment method assisted by magnetometers was designed to estimate the misalignment angles as well as the magnetic field intensity and the magnetic obliquity.Nonlinear filtering method UKF was more precise than EKF but converged slowly.Iterated UKF could promote the convergence rate but increased the calculation amount greatly.A combined iterated UKF algorithm was proposed by applying spherical simplex unscented transform to the iterated process.Simulation indicates that the algorithm promotes the convergence rate,guarantees the precision,and reduces the calculation amount.     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。     

基于无轨迹卡尔曼滤波神经网络的SINS初始对准方法

针对扩展卡尔曼滤波算法的缺点,研究了基于无轨迹卡尔曼滤波的神经网络算法.建立了捷联惯导系统在大失准角下的误差方程和适用于初始对准的神经网络模型,研究了基于扩展卡尔曼滤波和无轨迹卡尔曼滤波的神经网络算法,将基于无轨迹卡尔曼滤波的神经网络学习算法应用于捷联惯导系统大失准角条件下的初始对准中.仿真结果表明,在大失准角条件下,用训练好的神经网络进行初始对准是可行的,且基于无轨迹卡尔曼滤波的神经网络算法可提高初始对准精度.