机载天文/惯性位置组合导航

为解决机载天文导航系统(CNS)的水平基准约束,实现机载天文/惯性位置组合导航,首先利用捷联惯导系统(SINS)姿态阵将天文观测坐标系下的高度角和方位角转换为导航系下的相应观测角,从而利用高度差法实现机载天文定位;为确保高度通道的可观测性,设计了气压高度表辅助的天文/惯性位置组合导航系统方案,用SINS、CNS及气压高度表冗余量测信息构成量测方程,采用Kalman滤波实现对SINS位置信息的估计。仿真结果表明,由于天文导航具有较好的定位精度,通过采用气压高度表辅助的CNS/SINS位置组合系统,有效消除了陀螺和加速度累积误差,提高了导航系统的整体定位精度。速度和姿态的估计协方差曲线收敛情况表明,位置组合的卡尔曼滤波对速度和姿态的估计也有一定效果。     

景象匹配辅助的GPS/SINS组合导航算法

为提高导航系统的精度和可靠性,在全球定位系统(GPS)、捷联惯导系统(SINS)和景象匹配传感器(SM)的观测信息是以不同采样率给出时,基于Kalman滤波技术,建立系统模型,利用分布式有反馈数据融合结构,提出一种有效的景象匹配辅助GPS/SINS 组合导航算法,即GPS/SINS/SM组合导航算法.理论分析和仿真结果均表明: 在导航定位和对状态的估计精度和可靠性方面, GPS/SINS/SM组合导航的结果均优于GPS/SINS或GPS/SM组合导航的结果,它们又优于单个系统Kalman滤波的结果.     

小型无人机SINS/GPS组合导航系统研究

根据SINS/GPS组合导航的基本原理,在一个装有微型化IMU模块的MUAV自驾仪上设计了MUAV的SINS/GPS组合导航系统的联邦滤波算法,并对该导航系统进行了静态和动态实验。实验结果表明:采用联邦Kalman滤波能够有效的消除导航参数误差,提高导航精度。该导航系统可以满足小型无人机的导航要求。     

组合导航系统中异步多传感器信息融合算法

针对组合导航系统中多个传感器采样频率不同且存在量测滞后的问题,提出一种基于多尺度数据分块的组合导航信息融合算法.建立最高采样率下的系统模型,通过状态和观测的分块得到基于多尺度的系统模型,利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经融合最终获得基于全局的状态估计值.将该算法用于SINS/DVL/TAN组合导航系统仿真,结果表明,在异步多传感器量测的情况下,基于多尺度数据分块的信息融合算法与非等间隔Kalman滤波算法相比,北向速度最大误差减小24.1%,纬度最大误差减小23.8%,东向速度最大误差和经度最大误差均略有减小.因此,信息融合算法具有较高的滤波精度,有利于提高系统的导航定位精度.     

基于自适应滤波的SINS/DVL组合导航系统

以水下运载体为研究对象,给出一种线性的捷联惯导系统(SINS)误差数学模型,根据多普勒测速仪(DVL)测速的误差特点建立其误差方程,并以捷联惯导系统为主导航设备建立SINS/DVL组合导航系统数学模型.考虑到DVL测速易受水中复杂环境的影响,将Sage-Husa自适应滤波算法引入SINS/DVL组合导航系统.针对Sage-Husa自适应滤波器长时间滤波后自适应程度下降的问题,引入滤波收敛判据对其进行改进,以自适应调节噪声估计器对不同时刻信息利用的权值.仿真结果表明:该基于自适应滤波算法的SINS/DVL组合导航系统稳定性好,且具有较高的导航精度.     

机载捷联惯导的导航计算模型与精度分析

探讨了当地水平坐标系中捷联惯导的导航计算模型和详细计算步骤.通过实测数据解算,分析捷联惯导系统的误差特性.采用卡尔曼滤波进行全球定位系统/捷联惯导(GPS/SINS)松散组合,并对组合导航计算结果作卡尔曼平滑.实验表明,捷联惯导的坐标误差呈抛物线形式增长,短时间内能提供高精度的导航参数,其1 min以内的坐标误差小于2m.将SINS与GPS构成组合导航系统,可以集两者之所长,使整个系统的可靠性和完整性优于其中任何一个子系统.     

基于多模自适应滤波算法在 装备组合导航系统的应用

为满足在复杂环境下装备导航定位需求,本文提出了一种对组合导航系统进行多源信息融合以获得高精度、高容错位置修正信息的设计方法.该方法通过改进联邦卡尔曼滤波算法和滤波器设计,建立一种基于北斗/GPS/SINS组合导航系统的多模自适应估计的联邦滤波器,通过多源数据优化融合有效提升装备组合导航系统精度及可靠性,为其提供准确的地理位置、周边地形以及道路交通等信息,帮助作战人员实时获取目标状态并引导精确导航,有效提升装备作战使用效能.仿真实验表明:该方法与单一模型的联邦滤波器相比,不仅能进一步提升系统的容错性及高精度定位能力,还便于对各导航子系统的故障进行隔离定位,具有较大的工程应用价值.     

循环神经网络辅助GNSS/SINS组合导航方法及性能分析

针对GNSS信号中断时组合导航系统误差迅速发散的问题,提出了使用循环神经网络(RNN)来辅助组合导航系统的方法,RN N可以分别基于当前和过去的位置以及速度样本进行训练,使神经网络更好地处理系统中的时序信号,从而能够更加精确地预测SINS的位置和速度误差.采用无人机飞行试验数据验证了该算法在卫星信号中断时导航精度平均提升了77％,并且满足导航所需的实时性要求,与传统的径向基神经网络辅助的组合导航系统相比,其位置和速度的均方根误差平均降低了39％.     

RT3000惯性GPS组合导航系统实现车辆运动高精度测量

本文以RT3000惯性\GPS组合导航系统为研究对象,进行了组合导航的技术介绍,介绍了SINS(捷联惯性)/GPS组合导航系统工作原理,采用四元数法进行姿态描述,通过捷联惯性导航计算导航参数,利用卡尔曼滤波进行修正。通过实验发现,在这些技术的支持下,SINS/GPS组合导航系统实现地面车辆的精确导航。     

基于无迹卡尔曼滤波的月球车惯性/天文组合导航算法研究

月球车导航传统方法主要是采用kalman滤波方法,需要对系统方程和观测方程的线性化,因此会引入的线性化误差的问题, 本文针对做出适当的改进。本文采用UKF方法作为误差状态量的最优估计方法,并以太阳敏感器观测得到的太阳高度角和太阳方位角以及测速仪的东向北向速度作为联合观测信息,将SINS和CNS所测得的月球车相关姿态和位置信息进行数据融合,估计出组合导航系统的误差状态量,从而对惯导系统的状态量进行校正,达到提高组合导航系统的导航定位精度和稳定性,减小线性化误差的目的。仿真实验证明,本文算法具有很好的位置、速度和姿态估计精度,有效的降低了线性化误差。     

GNSS/INS紧组合算法实时性改进与嵌入式验证

针对GNSS/INS实时紧组合导航系统中存在的GNSS数据延迟以及组合更新解算耗时过长的问题,基于Kalman滤波理论,提出了一种在完成了滞后的观测更新后将误差状态向量一步转移到当前时刻的Kalman滤波数学模型.为了验证改进模型的有效性,首先,在Windows平台上,利用车载实测GNSS观测数据和IMU观测数据对比分析了使用改进模型解算与标准Kalman模型解算在GNSS信号中断时段内的导航误差,分析结果表明,2种模型的导航误差相当,说明了改进模型对时间延迟处理的正确性.然后,在DSP硬件平台上,基于改进模型实现了GNSS/INS实时紧组合导航系统,并进行了车载测试,实测结果表明:相对于标准Kalman模型,所提出的改进模型能够在保障紧组合导航系统精度的前提下,将输出导航结果的时间延迟减少到最小,保障了组合导航结果的实时性.     

基于非线性自适应回归神经网络的GPS/IMU组合导航方法

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。     

可重复使用助推器组合导航技术研究

为提高火箭动力返回工作模式下可重复使用助推器(RBV)的导航精度,设计了一种组合导航方案。建立了发射点惯性坐标系下的导航系统误差模型,改进了基于联邦滤波的多传感器信息融合技术。针对估计误差方差阵的特点,提出了一种分块阵求逆的部分信息融合方法。基于典型飞行环境的数学仿真表明,该组合导航方案和算法提高了RBV返回过程特别是着陆点处的导航精度。与惯性导航系统相比,组合导航的定位误差由102m级降低到5 m以内、测速误差由0.2~1.0 m/s降至0.01 m/s以内、定姿精度由0.1′提高到0.02′。     

基于SINS/星敏感器的组合导航模式

针对利用捷联惯导系统导航的不足,提出了一种基于捷联惯导系统/星敏感器的新组合导航模式,来提高飞行器导航的精度和速度.利用星敏感器得到恒星星光矢量在星敏感器CCD光敏面上的星像点及其在导航星库中对应的坐标值,然后分别进行坐标变换得到星光矢量在数学平台坐标系和地理坐标系中的坐标角度值.以Kalman滤波为基础,将所得到的星光坐标角度值和姿态角速度进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角参数.详细推导了SINS/星光的组合导航算法,并通过仿真证实了该方案可提高导航系统的精度和速度,有较好的容错性和环境适应性,具有实际使用价值.     

基于故障状态检测的惯性/卫星信息融合技术

为了提高惯性/卫星组合导航系统的可靠性及导航信息的精度,设计了SINS/GPS/Galileo/RDSS组合导航多信息融合方案,采用基于概率分布的残差χ2故障检测方法提高组合导航系统的容错性和可靠性.在此基础上采用了基于故障状态检测的新型自适应信息分配算法,并建立导航系统的数学模型,给出其状态方程、测量方程.最后将新算...     

基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法

针对捷联式惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统模型的误差以及粒子滤波(PF)存在的粒子退化问题,结合无迹卡尔曼滤波(UKF)算法,提出一种基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法.由误差四元数代替姿态角,以SINS和GPS的位置差和速度差作为观测量,建立新的组合导航系统误差方程.所提出的PF-UKF组合滤波算法将采样粒子分为随机粒子和确定粒子,其中随机粒子为概率密度函数所采集,确定粒子为UKF中采集Sigma点后所求取的系统状态值.由此降低了PF处理粒子时的复杂程度以及粒子退化的程度.仿真结果表明：相比于UKF算法,该方法有效提高了组合导航系统的精度,具有较好的鲁棒性.     

基于人工标志的视觉/SINS组合导航算法研究

本文针对航天器地面中性浮力实验的实验体导航问题,研究利用计算机视觉和捷联惯性导航系统（SINS）进行实验体组合导航的算法：首先对视觉导航与SINS的优缺点及其组合导航的优势互补进行了分析,提出其组合方式;然后建立了组合导航系统量测方程;最后利用卡尔曼滤波方法,实现了视觉导航图像信息与捷联惯导系统的信息融合。仿真结果表明,提出的组合导航方法提高了导航精度,具有一定的应用参考价值。     

采用双机协同的指令修正惯性中制导方法

为了修正中远距空空导弹惯性中制导过程中的导航误差,提出了采用双机协同的指令修正惯性中制导方法。首先,建立中制导段的运动方程,介绍双机协同探测获取导弹位置信息和角度信息的原理,给出弹上计算机解算导航信息的方法;其次,设计含有指令修正的捷联惯性导航系统(SINS),列出系统的状态方程和量测方程;最后,为解决导航系统的非线性问题,引入无迹卡尔曼滤波(UKF)算法。仿真结果表明:双机协同定位方法能够在一定的精度范围内解算出导弹的导航信息,UKF算法能很好地解决导航系统的非线性问题,采用双机协同的指令修正方法能够修正SINS的导航误差,提高中制导的精度。     

GNSS/IMU组合导航观测量丢弃策略

传统的GNSS/IMU(global navigation satellitesystem/inertial measurement unit)组合导航系统采用固定速率更新策略,平等地对待每一个观测量。因而在受到突发干扰情况下,精度恶化的观测量可能影响到更新后的组合导航结果的精度。该文提出一个双门限的观测量丢弃策略,它同时监控估计量的误差累计程度和观测量的恶化程度。当估计量误差很低或者观测量恶化很严重时,把观测量丢弃掉,使组合导航系统工作在INS(inertial navigation system)单独导航模式。真实的外场试验结合仿真干扰表明:含观测量丢弃策略的扩展Kalman滤波(EKF)跟传统的固定更新速率EKF相比,在干扰条件下具有更低的误差。     

航弹SINS/GPS组合导航系统半实物仿真试验设计

针对某型远程航空弹药SINS/GPS组合导航系统的组成,设计了SINS/GPS组合导航的半实物仿真试验框架结构,探讨了在试验过程中多机时钟同步的问题,检验了捷联惯导系统导航计算机的解算性能和GPS信息的修正效果.试验结果表明,捷联惯导系统的算法正确,解算精度和解算时延满足控制系统的要求,GPS信息修正效果良好,SINS/GPS组合导航系统可以应用到航空弹药的制导与控制系统中.