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。     

捷联惯导系统大失准角下的初始对准研究

针对捷联惯导系统初始对准过程中的大失准角情况,建立了基于欧拉平台误差角概念的捷联惯导系统(SINS)非线性误差模型,对于具有加性噪声的动态方程,当状态方程为非线性而观测方程为线性时,将一种简化的UKF滤波方法运用到捷联惯导系统初始对准中,并在静基座下对捷联惯导系统大失准角初始对准进行了仿真。仿真结果表明,随着失准角的增大,简化的UKF比EKF估计精度更高,是一种在进行捷联惯导系统大失准角条件下的初始对准时实用方法。     

惯性/里程计组合导航无地标行进中自主对准

载车行进中自主对准可有效缩短机动前准备时间,提高姿态对准精度以及对准过程中无地标自主定位精度是关键。本文提出一种里程计辅助捷联惯导系统行进中对准算法,推导了行进中精对准滤波模型以及对准过程中无地标自主定位算法。为缩短对准时间、减小由于航向角误差未收敛时造成的定位误差,利用回溯法将粗对准过程存储数据用于精对准过程,且回溯法仅需存储少量数据适合于工程应用。车载实测数据分析表明算法可同时实现行进中自主对准与对准过程中无地标自主定位,有效提高了载车快速机动能力,航向角对准精度优于1 mil,对准过程中无地标自主定位精度优于0.3%行程。     

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。     

大航向角误差情况下飞行中对准研究

为了解决飞行器在大航向角误差的情况下进行飞行中对准的难题,将一种线性大航向角误差模型应用于飞行器飞行中对准的过程.详细推导了线性大航向角误差模型,设计了飞行器在大航向角误差情况下进行飞行中对准的卡尔曼滤波模型,并进行了数字仿真.仿真结果表明,线性大航向角误差模型应用于飞行器飞行中对准,能够很好地解决飞行器在大航向角误差情况下进行对准的难点,并给出了适合于大航向角误差模型的机动方式.最后,提出了线性大航向角误差模型在工程应用中的几点建议     

INS/GPS组合导航在大失准角情况下行进对准技术的研究

针对行进中对准初始航向角为大失准角的问题,提出了把航向信息耦合到Kalman滤波器量测方程中的方法使航向角收敛。通过激光惯导跑车试验数据分析,在大失准角情况下,航向角都能快速的收敛,对捷联惯性导航系统在行进中初始对准领域的推广应用具有实际意义。     

捷联惯导系统的一种系统级标定方法

针对三轴转台定位精度高的特点,设计了一种基于速度误差和姿态误差角作为观测量的系统级标定方法.在捷联惯性测量组合(SIMU)的导航误差方程和惯性器件误差参数模型的基础上,推导了导航速度误差和姿态误差角与IMU的误差参数所呈现的关系,依此给出了最简单的位置编排准则.通过观测不同位置下捷联惯导系统的速度误差变化率和姿态误差角,辨识IMU的误差模型系数,进而达到高精度捷联惯导系统标定目的.     

基于激光多普勒测速仪的车载捷联惯导系统行进间快速对准方法研究

在载体线运动状态下,单纯依靠捷联惯组自身的测量是无法实现自主对准的,此时传统的粗对准方法误差大甚至不可用。本文设计了一种基于激光多普勒测速仪的行进间快速对准方法,理论分析表明,通过对传统惯性系对准算法中加入速度及加速度修正项完全可以实现载体存在非周期线运动情况下的快速对准。仿真结果表明,在激光多普勒测速仪测速精度在0.5%、输出速度更新频率在20Hz的情况下,输出对准姿态角在150s以内即可收敛到稳态值,横摇角和俯仰角误差在25″以内,航向角误差在0.03°以内,可以满足一定精度范围内的快速对准需求,也可以为后续的精对准过程提供较为准确的初始姿态。     

基于“速度+姿态”快速传递对准的可观测性分析

惯导系统初始对准一般采用卡尔曼滤波器对初始姿态误差角进行估计,而在设计卡尔曼滤波器之前通常要对系统进行可观测性分析,确定卡尔曼滤波器的效果。捷联惯导系统的卡尔曼滤波模型在传递对准时,为线性时变系统,而线性时变系统的可观测性分析比较困难。文中采用一种依据系统矩阵的奇异值确定状态可观测度的方法对基于“速度＋姿态”快速传递对准的卡尔曼滤波模型进行可观测性分析,结果表明该方法可直接简单地实现系统状态的可观测度分析。     

车载单天线GPS/MEMS-SINS组合对准算法

捷联式惯性导航系统（SINS）需要精确的初始姿态信息进行姿态、速度和位置解算,而微机电系统（MEMS）惯性传感器由于精度限制无法完成自对准。为了解决这个问题,提出一种基于单天线GPS测姿和MEMS SINS的组合对准算法。采用单天线GPS在载体稳定协调运动条件下给出粗略的航向角信息,进行姿态粗对准。在精对准阶段,使用GPS提供的载体的航向角、位置和速度信息作为观测量,建立Kalman滤波器,对捷联式惯性系统的误差项进行估计,得到精确的姿态矩阵（DCM）,完成对准。经过仿真和车载试验验证,对准后的俯仰角和横滚角均方误差在0.1°内,航向角均方误差在0.5°以内。表明算法可以在运动条件下完成载体的对准要求,有一定的实用价值。     

陆用惯性导航系统非线性对准方法

以某型自行火炮炮载惯性导航系统为研究对象。为解决大方位失准角造成的系统非线性问题,在对大失准角误差模型进行详细分析的基础上,提出了基于快速正交搜索（FOS）和卡尔曼滤波（KF）的非线性参数估计方法。利用事先训练好的非线性误差模型进行对准,既能消除线性姿态误差,又可以对非线性姿态误差起到良好的抑制作用。仿真结果表明,FOS/KF方法的对准精度和实时性远优于扩展卡尔曼滤波（EKF）。对比试验结果表明,单独使用EKF时的方位角误差最大达到14.99°,而FOS/KF可以使方位角误差保持在0.8°以内。FOS/KF方法的估计精度不随系统非线性程度的变化而变化,并且不需要进行粗对准,简化了对准过程,提高了载体机动性。     

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的，Unscented粒子滤波从非线性系统状态向量概率分布出发，结合Unscented卡尔曼滤波和粒子滤波的特点，无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究，并结合重采样算法，运用于捷联惯导系统静基座大方位失准角初始对准中，计算结果验证了该方法的有效性与优越性。     

基于UKF的大失准角船舶行进间对准技术研究

由于标准卡尔曼滤波只适用于线性系统,通常在SINS/GPS组合导航初始对准过程中,先通过基于惯性系的粗对准方法,将失准角转化为小量,然后再进行卡尔曼滤波精对准。由于杆臂效应,使用的基准信息存在一定误差,导致初始对准精度降低。因此,首先设计UKF的大失准角初始对准算法;其次将基准信息杆臂在UKF方程中建模,对杆臂误差进行补偿;最后通过仿真验证算法的可行性,并利用海试实验数据对UKF算法与传统动基座算法进行对比,实验结果表明该方法具有明显优势。     

基于四元数误差模型的捷联惯导系统对准方法

传统的小干扰方程并不能描述捷联惯导系统在大失准角下的误差传播特性 ,推导了姿态误差为大角度时的四元数误差方程 ,并指出当姿态误差为小量时 ,所推导的误差模型与小干扰方程是等价的。仿真结果表明在大失准角下的空中对准过程中 ,采用四元数误差方程以及非线性滤波技术能有效地提高对准精度     

纬度未知条件下捷联惯导系统晃动基座的初始对准

针对纬度未知条件下捷联惯导系统(SINS)晃动基座的初始对准问题,提出晃动基座下的纬度估计算法和初始对准方法。前者通过惯性坐标系下两个不同时刻的重力加速度向量的夹角来求取纬度;后者利用惯性坐标系下的姿态更新来实时地反映载体在晃动干扰下的姿态变化,结合初始姿态的最优估计实现初始对准。理论分析表明,本文提出的纬度估计算法的误差主要由加速度计误差决定,陀螺误差和晃动干扰对其影响很小。仿真结果表明,本文提出的纬度估计算法和初始对准方法适用于纬度未知条件下晃动基座的初始对准。     

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。