一种快速精确的惯导系统多位置初始对准方法研究

传播的多位置初始对准方法虽然使惯导系数静基座初始对准的精度得到明显提高，但是用卡尔曼滤波器对其状态变量进行估计时，方位失准角收敛很慢。本文通过对惯导系统误差模型的合理简化，提出了一种快速精确的多位置估计方位失准角的方法，直接利用水平失准角快速收敛的特性估计方位失准角，从而提高了整个惯导系统静基座对准的精度和速度，计算机仿真结果验证了该方法的有效性。     

惯导系统大方位失准角下的初始对准探讨

从惯导系统任意方位失准角度下的ψ角误差方程出发,详细推导了静基座条件下惯导系统大方位失准角度的Ф角误差方程.利用此Ф角误差方程,分析了大方位失准角度情况下与小方位失准角度情况下初始对准过程的异同,指出了这两种情况下水平回路的误差传播过程类似,因而其水平对准方法也一样;而方位对准回路则区别较大,北向和东向速度误差均能够与大方位失准角耦合.由此提出了一种改进的方位罗经自对准方案,此方案对于任意的方位失准角度均能正确收敛到零.改进后的方案已经在某四频激光陀螺惯性导航系统上得到实际的验证和应用,有效保证了恶劣环境下惯导系统方位对准的可靠性.     

捷联惯导方位大失准角对准研究

在游动方位角坐标系下建立了方位大失准角条件下的SINS初始对准误差模型.在静基座下验证了该误差模型在方位大失准角情况下的滤波效果,比较分析了不同方位失准角的滤波收敛情况,并与线性模型进行滤波比较.最后,将该模型用于动基座的初始对准.静基座和动基座下的初始对准结果表明所提出的SINS误差模型是正确有效的.     

一种新的动基座快速传递对准方案及其仿真研究

针对捷联惯导系统的动基座初始对准问题,提出了一种新的动基座快速传递对准方案。该方案采用速度 姿态变化量匹配,直接对主、子惯导导航坐标系之间的失准角进行估计,可以使航向失准角快速收敛。通过仿真,研究了注入噪声和测量噪声水平、机动运动强度和幅度、复合机动运动、载机运动方向等六个因素对对准性能的影响。结果表明:其对准性能取决于水平失准角的估计精度和速度;失准角的估计精度和速度与注入噪声水平和测量噪声水平、机动运动的强度和幅度有关;复合机动运动对对准性能有正反两方面的影响。     

摇摆状态下基于非线性误差模型的惯导对准研究

摇摆状态下无法使用传统解析方法完成粗对准。为避开摇摆基座的粗对准问题,提出 了基于捷联惯导非线性误差模型的直接精对准算法。推导了捷联惯导的非线性速度误差方程 和姿态误差方程,基于速度量测信息给出了非线性对准模型,通过UKF算法估计失准角完成 摇摆状态下的精对准。算法可允许初始姿态误差达到40°。通过计算机仿真和摇摆台试验 对算法进行了验证分析。在给定试验条件下,在600秒对准时间内达到水平 0.02° ,方 位0.1 7°的精度。同时计算机仿真结果表明需对惯导速度进行反馈校正来保证模型的工作精度。
     

一种陀螺量测信息辅助的快速初始对准方法

惯导初始对准的精度与对准时间是衡量惯导系统性能的重要指标,由于系统的不完全可观,导致方位失准角对准精度低、对准时间长.对惯导自对准存在的问题进行了深入研究,利用奇异值分解方法分析了常规惯导自对准的町观测度,针对常规惯导自对准方法未充分利用惯性器件信息的问题,增加等效东向陀螺输出作为观测量,并提出了一种基于陀螺量测信息的快速初始对准方法,在进行了可观测度分析的基础上,对该方法的收敛速度和收敛精度进行了理论证明.最后通过仿真验证了该方法的有效性,与常规初始对准方法相比,该方法在不增加其他设备的基础上可有效提高对准精度并缩短对准时间,具有重要的应用参考价值.     

一种新的快速传递对准方法及其可观测度分析

传递对准能够充分的利用丰惯导(MINS)的高精度导航信息,使子惯导(SINS)获得较高的对准精度和较快的对准速度,成为机载、舰载武器惯导系统初始对准的首选方案.为了实现快速传递对准,美国学者Kain放弃了在导航坐标系内定义姿态误差进而建立误差模型的传统方案,在载体坐标系内分别定义了真实姿态误差和计算姿态误差,并分别建立了误差模型,并在该模型的基础上提出了具有较快对准速度和较高对准精度的"速度+姿态"匹配快速传递对准方法.提出了基于该误差模型的"速度+角速度"匹配快速传递对准方法,并对基于奇异值分解的町观测度分析方法进行了改进,通过可观测度的分析表明本文所提方法使得真实姿态误差的可观测度有较大的提高,仿真结果验证了理论分析的结论,各个坐标轴上姿态误差角的估计精度都有不同程度的提高,特别是方位误差角的估计误差减小为不到原来的1/3.     

捷联惯导与星跟踪器组合导航算法研究

捷联惯导与小视场星跟踪器构成惯性/天文组合导航系统,核心思想是利用星体跟踪器的高精度测角信息设计滤波修正算法对捷联惯导的导航姿态、方位和位置误差进行滤波估计并修正,以限制捷联惯导系统导航误差随时间的发散,最终提高系统长航时导航的导航精度。在分析小视场星体跟踪器量测量与SINS导航误差之间关系的基础上,设计了两种不同的组合导航算法：位置+方位修正算法和误差角组合导航修正算法。在此基础上对两种算法的导航精度进行了理论分析,并通过长航时仿真飞行数据进行了仿真验证。结果表明：位置+方位修正算法不受载体的位置误差的影响,更适用于星体跟踪器间断工作的情况;误差角组合算法不受载体姿态误差的影响,更适用于SINS初始位置误差得到有效修正的情况。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

真航向测量系统初始对准中的UKF应用研究

研究了“真航向测量系统”（简称TNDS True North Determination System) , TNDS组合中等精度的INS和MS860型GPS系统,应用UKF (Unscented Kalman Filter）最优估计滤波算法,实现的高精度快速初始对准。论文重点推导了TNDS初始对准的非线性误差模型,并实现了TNDS中基于该模型的UKF滤波,TNDS系统的UKF组合初始对准算法最后进行系统试验测试。试验数据表明：采用了UKF滤波后,TNDS的航向初始对准中,航向失准角为25. 时,达到同样的对准精度0.1. , INS自对准时间由原来的2879s缩短为179s;纵横摇的失准角对准到同样的精度内,时间相应的减小了一个量级;同时TNDS速度的发散也得到了抑制。
      

捷联惯导姿态误差修正算法研究与仿真

组合导航卡尔曼滤波对姿态角进行修正时,将惯导的平台角误差近似为姿态误差,会带来较大的数学模型误差,从而影响测姿精度。通过分析组合姿态算法中姿态作为量测信息时平台角误差与姿态角误差物理意义的不同,得到了两者的转换关系,从量测矩阵修正和观测值预处理两个方面对原有的姿态组合算法进行改进,有效降低了数学模型误差。仿真结果表明,改进后的姿态组合算法误差状态估算更加精确,能够有效地提高组合导航的测姿精度。     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

箭载捷联惯性导航系统初始对准技术研究

为同时提高运载火箭捷联惯导系统(SINS)的对准精度、缩短对准时间，采取经典的粗对准与精对准两步对准法。在粗对准阶段，由惯性仪表的测量信息解析计算惯测组合坐标系到数学平台系的角位置关系，建立初始方向余弦矩阵Cb^n；在精对准阶段，采用四元数法推导出激光陀螺SINS数学平台角误差和速度误差方程。并以此建立初始对准误差模型，采用卡尔曼滤波(KF)进行精对准。数字仿真结果表明该模型有效，能满足初始对准精度和对准时间的要求。     

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

适于惯导系统初始对准的神经网络实时算法研究

通常卡尔曼滤波器被用于解决惯导系统的初始对准问题。由于卡尔曼滤波的运算时间与系统阶次的立方成正比 ,所以当系统阶次较高时 ,滤波器会失去实时性。而神经网络具有函数逼近性能 ,实时性又好。为此 ,本文研究了一种基于扩展卡尔曼滤波原理的权值更新多层神经网络学习算法 ,对此算法进行了详细的推证 ,并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性 ,既真正获得了与扩展卡尔曼滤波器相同的对准精度 ,又大大提高了系统的实时性     

卡尔曼滤波初始条件对捷联惯导对准的影响

针对捷联惯导对准卡尔曼滤波器初始条件无法很准确给定的情况,研究了卡尔曼滤波器初始条件对捷联惯导对准精度的影响。分析了错误先验假设条件下卡尔曼滤波算法的误差,推导了滤波器计算均方误差与实际均方误差的关系。对于一般多元回归系数估计问题,比较了卡尔曼滤波算法与最小二乘算法,给出了当先验假设不准确时卡尔曼滤波算法优于最小二乘算法的一个充分条件。对捷联惯导静基座对准问题进行了仿真,仿真结果表明:合理选择初始均方误差矩阵能大大改善卡尔曼滤波启动阶段性能。初始均方误差矩阵选择为真实初始均方误差矩阵的一个较小上界是合理的。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。