基于信息融合的大飞艇自适应姿态解算算法

现有计算大飞艇姿态角的平衡滤波算法虽然融合了加速度和角速度信息,但其未对加速度的适用条件进行分析,从而导致了积累误差和动态解算准确性问题.针对该算法的不足,提出了根据飞艇的不同运动状态来调整姿态解算算法的融合加速度和角速度数据的自适应姿态解算算法,并通过Matlab实验验证了算法的有效性.实验结果表明,该算法有效地解决了平衡滤波算法的不足,通过引入SMV(signalmagnitudevector,信号量向量),使大飞艇的运动状态得到了准确判断,从而使积累误差问题得到了有效改善,同时提高了大飞艇的动态解算准确性.     

精密温控对惯性导航平台系统性能的影响

分析惯性平台温度控制与惯性导航系统精度的关系.提出一种实用的惯性平台温度控制方法,即根据大环境温度和被控对象温度合理选择温度控制点、控制方式和控制算法.研究系统有温控、无温控、长时温控和短时温控对平台综合性能的影响.试验结果表明,系统在陀螺级具有速度快、精度高等优点,为解决惯导系统启动后缩短惯性器件热平衡过程,迅速进入稳定工作状态问题提供了一种实用方法,也为类似的惯导温度控制系统提供了有益的参考.     

融合MT2503与MEMS传感器的惯性导航定位算法

为提高惯性导航室内定位算法的精度与连续性,提出一种融合MT2503与MEMS传感器的惯性导航定位算法,算法以MT2503芯片作为定位终端,并将加速度计传感器、陀螺仪,磁力计等传感器与其进行融合,通过加速度计传感器解算步长、步幅、步频,通过陀螺仪与磁力计来识别定位终端微动偏移量,最后在初始位置上累加定位终端位移得出定位终端实时位置。实验证实通过零速修正和卡尔曼滤波对误差进行校正,有效的解决了MEMS(micro-electro mechanical system)定位算法中存在的导航解算误差累积问题,提升了MEMS惯性导航室内定位算法的精度。     

四阶龙格库塔法在激光陀螺捷联惯性导航系统中的应用

在激光捷联惯性导航系统中,应用四阶龙格库塔法求解载体速度增量,有效地解决了载体转动过程中三轴陀螺角速度变化对速度的影响,通过与三轴加速度计实测的X,Y,Z方向的加速度叠加,大大减少了导航中速度的累积误差,保证了捷联惯性导航系统在地理坐标系东北天中实时测量载体的三轴运动速度,以及载体航向、横滚、俯仰的快速实时输出,提高了纯惯性导航系统姿态精度和定位精度.动静态寻北、导航实验及捆绑载体测量其姿态跟踪性能的测试结果表明,寻北精度CEP小于0.5密位,横滚、俯仰精度误差小于0.3密位,里程计组合导航精度误差小于1‰.     

MEMS器件捷联惯导系统旋转调制技术

使用微机电(MEMS)惯性器件利于捷联惯导系统的低成本和小型化,但MEMS器件误差较大.为提高系统精度,引入了一种全自主误差补偿方法——旋转调制.说明了旋转调制对常值误差的抑制作用和对导航精度的改善效果,并在旋转轴数目、旋转方向、旋转连续性和旋转速度等方面比较了不同旋转调制方案.根据MEMS器件的误差特性,选择了一种适合MEMS器件捷联惯导系统的旋转调制方案并自主研发了原理样机.静态和车载实验表明:旋转调制可以明显抑制MEMS器件常值误差对导航精度的影响,200s内俯仰和横滚姿态精度提高了5倍,速度和位置精度提高了近10倍.     

神经网络在捷联式寻北仪中的应用研究

介绍扫联式寻北仪的工作原理,研究当车体受到随机干扰时如何提高寻北仪的寻北精度问题,神经网络对非线性曲线具有较好的曲线拟合能力,用神经网络模拟寻北仪输出信号,用神经网络和低通滤波器相结合的组合滤波器对寻北仪输出数据进行处理,当系统受到冲击干扰时,用神经网络的输出代替实际传感器的输出,通过对实际的带有干扰的信号滤波结果表明,该组合滤波器能较好地抑制随机干扰对寻北结果的影响。     

IMU/计程仪/重力组合导航系统信息融合方法

针对现代战争环境对导航系统高自主性、高隐蔽性的要求,提出了IMU/计程仪/重力无源组合导航方式.深入研究了IMU/计程仪/重力组合导航系统的信息融合方法,设计了该系统的工作模式.采用扩展卡尔曼滤波进行各传感器信息的融合.根据导航系统对实时性的要求,建立了系统的低阶误差状态方程;将厄特弗斯效应的影响考虑到滤波器设计中,建立了系统的重力观测方程;将计程仪的速度与惯性速度进行融合,建立了系统的速度观测方程;在不增加系统成本的条件下,进一步利用加速度计输出估计水平姿态,建立了系统的姿态观测方程.在此基础上,设计了相应的信息融合策略.实际系统的机载试验结果表明,IMU/计程仪/重力组合导航系统算法正确、性能良好,可以有效地控制惯导系统位置和速度误差的累积,满足长时间一定精度的导航要求.     

一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

基于DSP的微型捷联式惯性导航系统的实现

捷联式惯性导航系统是一种先进的惯性导航技术,是近年来惯性技术的主要发展方向之一。由于捷联惯导系统具有一系列优点,捷联系统取代平台式系统已成为新世纪惯性技术发展的趋势。本文以实际工程为背景,完成了基于DSP的微型捷联惯导系统设计。并通过实验对系统进行了验证,得到较满意的结果。     

EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.