捷联惯导系统动基座初始对准仿真研究

建立了捷联惯导系统动基座初始对准的误差模型，利用分段定常系统可观测性分析理论和方法对系统动基座初始对准时的可观测性进行了全面分析。并采用卡尔曼滤波技术，对系统在各种运动基座初始对准情况下的平台误差角进行了估计，给出了方差仿真曲线，比较了静基座与在这些运动情况下的卡尔曼滤波器的估计效果。仿真结果表明，在捷联惯导系统动基座初始对准过程中，可以通过载体线运动和角运动的改变来提高系统的可观测性和状态变量的可观测度，从而提高估计的精度和速度。这样可以寻求最佳机动方案，有效快速地进行初始对准。     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...     

一种改进余度捷联惯导系统最优奇偶矢量故障容错算法

针对余度捷联惯导系统故障检测方法对小故障和渐变型故障检测率低的问题,提出了利用对特定传感器敏感的最优奇偶矢量来构造最小二乘加权矩阵的算法。该算法利用最优奇偶矢量产生奇偶残差来反映特定传感器对待测状态量测的准确程度,通过该残差确定最小二乘加权阵,进而再辅助最优奇偶矢量进行故障检测,达到对小故障和渐变型故障的容错。仿真结果表明本方法能够有效提高待测状态的估计精度,具有一定的工程参考价值。     

晃动基座捷联惯导系统初始对准迭代方法

由于受风力或发动机启动等因素的影响,惯导系统载体(如导弹、飞机、舰船和车辆)经常遇到低频晃动的情况。晃动干扰使得陀螺测量到的地球自转角速度信噪比大幅下降,从而导致常用的对准方法无法满足高精度初始对准要求。针对这一问题,提出了一种基于晃动基座的捷联惯导系统迭代初始对准方法。本方法由惯性导航计算出水平速度误差,利用最小二乘法估算出水平角速度误差、姿态误差和航向误差,然后进行迭代计算,从而算出导航初始时刻的姿态和航向。车载(发动机启动)试验结果表明,该算法既提高了晃动基座条件下的初始对准精度,航向角误差的方差采用静态对准时为0.39244°,摇摆对准为0.03331°,本文采用的迭代对准为0.00883°,缩短了对准时间,迭代对准2min的航向角精度等效于静态对准和摇摆对准5min的精度。     

动基座下INS/GPS组合导航系统初始对准研究

为了提高INS/GPS组合导航系统在动基座下的对准精度及对准快速性,针对位置/速度组合模式,确定其动基座下初始对准卡尔曼滤波方案,并进行计算机仿真。仿真结果表明,卡尔曼滤波算法在INS/GPS组合导航系统动基座初始对准中精度较高、收敛速度快、对水平失准角有较好的估计效果,是一种有效的估计方法。     

非理想均匀圆阵的波达方向和多普勒频率联合估计

针对均匀圆阵存在一般阵列误差 (如阵元的幅相误差和安装位置误差等 )的情况 ,提出了多个信号的波达方向和多普勒频率估计方法。直接利用均匀圆阵的阵列流形 ,采用波达矩阵法估计各个信号的多普勒频率。由一般阵列误差的统计特性构造加权矩阵 ,采用加权总体最小二乘法估计各个信号的波达方向。此方法具有鲁棒性强等特点。计算机仿真证明了此方法的有效性     

Estimation of DOA and Doppler Frequency on Nonideal UCA

针对均匀圆阵存在一般阵列误差(如阵元的幅相误差和安装位置误差等)的情况，提出了多个信号的波达方向和多普勒频率估计方法。直接利用均匀圆阵的阵列流形，采用波达矩阵法估计各个信号的多普勒频率。由一般阵列误差的统计特性构造加权矩阵，采用加权总体最小二乘法估计各个信号的波达方向。此方法具有鲁棒性强等特点。计算机仿真证明了此方法的有效性。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

双机协同无源定位算法

相较于有源定位,只能利用到达角(Angle of Arrival,AOA)的双机协同无源定位对目标的观测维度很低,这会导致对目标的定位精度低或迭代收敛速度慢等问题发生。对此,利用有限的测量值研究更优秀的算法以提高定位精度具有实际意义。首先,介绍了普通最小二乘法、加权最小二乘法、总体最小二乘法 3种基于最小二乘算法的定位算法;然后,介绍了高斯-牛顿迭代法(Gauss-Newton iteration method,GNIM)和加权工具变量伪线性估计法 (Weighted Instrumental Variable Pseudolinear Estimation Method,WIVPLE)2种基于最大似然估计的定位算法;最后,使用蒙特卡洛法在不同误差条件和几何构型下对这些算法的定位精度进行仿真实验。     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

Adaptive robust cubature Kalman filtering for satellite attitude estimation

This paper is concerned with the adaptive robust cubature Kalman filtering problem for the case that the dynamics model error and the measurement model error exist simultaneously in the satellite attitude estimation system. By using Hubel-based robust filtering methodology to correct the measurement covariance formulation of cubature Kalman filter, the proposed filtering algorithm could effectively suppress the measurement model error. To further enhance this effect and reduce the impact of the dynamics model error, two different adaptively robust filtering algorithms, one with the optimal adaptive factor based on the estimated covariance matrix of the predicted residuals and the other with multiple fading factors based on strong tracking algorithm, are developed and applied for the satellite attitude estimation. The quaternion is employed to represent the global attitude parameter, and three-dimensional generalized Rodrigues parameters are introduced to define the local attitude error. A multiplicative quaternion error is derived from the local attitude error to maintain quaternion normalization constraint in the filter. Simulation results indicate that the proposed novel algorithm could exhibit higher accuracy and faster convergence compared with the multiplicative extended Kalman filter, the unscented quaternion estimator, and the adaptive robust unscented Kalman filter.     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

U-D分解的固定点平滑新算法及其在飞行试验中的应用

 本文根据Rauch固定点平滑公式,提出了一种U-D分解的固定点平滑新算法。这一算法不仅具有良好的数值稳定性和可靠性,而且计算量较少;计算效率是Bryson-Ho Y C固定点平滑计算效率的1.5倍以上。将这种新算法用于飞机运动状态初值的确定,提高了飞机气动参数辨识精度。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

航空发动机气路故障诊断的平方根UKF方法研究

设计了适用于双轴涡扇发动机健康参数估计的平方根UKF滤波算法,解决了线性卡尔曼滤波器估计结果准确性依赖于线性模型精度;常规UKF算法中由于计算误差及噪声信号影响引起误差协方差矩阵负定而导致滤波结果发散等问题.提出了根据测量残差变化改进滤波收敛速度与稳定性的方法.发动机渐变与突变故障模式下仿真结果表明,平方根UKF估计算法收敛速度快,稳定性强,精度高,是一种有效的发动机气路部件健康参数估计与故障诊断方法.      

Fast alignment using rotation vector and adaptive Kalman filter

A fast and convenient alignment method is proposed. To improve the speed of convergence, we used rotation vectors instead of traditional Euler angles. Furthermore, we developed an algorithm to automatically tune the measurement noise covariance matrix using adaptive Kalman filtering. Finally, the developed algorithms were applied to an aerial imaging system to automatically geo-locate the centers of the images.