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     

基于支持向量机的惯导初始对准系统

针对平台式惯导系统的初始对准 ,提出了基于支持向量机 (SVM)网络的滤波器 ,并将其用于惯导初始对准中 ,代替初始对准系统中的闭环Kalman滤波器 ,可以确保系统的误差状态始终为小量 ,实现了惯导初始对准中的滤波与校正功能 ,并将其与神经网络滤波器、闭环Kalman滤波器进行对比。仿真结果表明 ,采用SVM网络滤波器简化了系统运算的代数结构 ,提高了系统状态估值运算的实时性 ,而对准系统的精度又与采用闭环Kalman滤波器的精度相当 ,并且SVM网络克服了神经网络的不足。     

基于运动学约束模型辅助的地面动基座对准研究

为了提高飞机快速反应能力,优化初始对准性能,在传统GPS辅助捷联惯导系统进行动基座初始对准架构下,研究一种基于运动学约束模型辅助的地面动基座对准方法。利用GPS测得的速度与捷联惯导系统解算的速度之差作为一组量测信息;建立飞机运动学约束模型,根据地面运动特点,将捷联惯导系统解算的速度沿机体侧向和垂向的投影作为另一组量测信息;选取惯导系统的误差方程作为对准系统的状态方程,采用卡尔曼滤波设计对准算法。仿真结果表明,该方法在不增加传感器的前提下,可以较好地提高对准的快速性、精度及可靠性,对工程应用具有重要的参考价值。     

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.     

纬度未知条件下捷联惯导系统初始对准分析

在捷联惯导系统静基座初始对准的传统方法中,一般要求准确知道当地的地理纬度,如果给定的纬度存在误差,将可能影响初始对准精度。在静基座条件下并且地理纬度未知时,研究捷联惯导系统的初始对准实现问题,并对初始对准精度作详细分析。研究结果表明,在静基座条件下,借助于捷联惯组中的陀螺和加速度计的测量值可以估计出对准点处的地理纬度,再利用估计纬度进行初始对准,如果选择初始对准算法适当,纬度估计误差将不会影响对准精度。     

SINS基于非线性量测的大失准角初始对准算法

针对陆用捷联惯导系统(SINS)大失准角初始对准问题,提出一种基于二阶非线性量测的二阶泰勒级数展开的初始对准算法。首先,将大失准角非线性对准问题,转化为具有线性系统方程和二阶非线性量测方程的滤波问题。然后,设计基于二阶非线性量测方程的二阶泰勒级数展开的滤波算法,可以在任意姿态和无初值条件下进行初始对准和参数估计。最后进行车载对准试验,结果表明,新算法可以在300s内完成实现大失准角初始对准,对准精度与传统分段对准算法相当。     

基于横滚隔离平台的旋转弹惯导系统实现方法研究

为实现反舰导弹的可靠拦截并满足导弹小型化及低成本,对一种基于横滚隔离平台的旋转弹惯导系统实现方法进行了研究。采用横滚隔离平台与成像系统消旋平台复用,建立消旋稳定控制系统的模型,经仿真验证了横滚隔离平台能保证惯导系统在较稳定的载体环境中工作。给出了捷联惯导的初始对准算法,选择捷联惯导自对准算法,经分析发现算法的估计与理论分析结果一致。设计捷联惯导解算算法,用单回路等效旋转矢量三子样算法更新姿态矩阵;在杆臂补偿的前提下用四阶龙格-库塔法更新弹体速度与位置,用数字仿真验证了设计的惯导算法能满足导航精度的要求。选取典型弹道进行评估,仿真结果表明,设计的算法精度基本满足工程实现要求,验证了方法的可行性。     

一种快速传递对准的方法

传递对准是战术机载武器惯导系统初始对准的一种有效办法。本文采用了一种“速度 姿态匹配”的快速传递对准方法 ,推导了这种方法的数学模型。采用一种简单的飞行轨迹 ,对传递对准滤波器进行了仿真 ,结果表明在较短的时间内 ,子惯导系统不对准角的估计可达到要求的精度。     

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。     

基于RBF网络的惯导系统初始对准

建立了惯导系统（ＩＮＳ）初始对准的线性和非线性误差模型。分析了径向基函数（ＲＢＦ）网络的结构和工作原理。研究了ＲＢＦ网代替初始对准中的卡尔曼滤波器的实现方法。通过仿真表明，用神经网络进行初始对准，既可获得与卡尔曼滤波相同的对准精度，又提高了系统的实时性。     

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。     

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。     

一种新的惯导平台静基座快速初始对准方法

提出了一种新的惯导平台静基座快速初始对准方法。用两步卡尔曼滤波算法替代常规算法估计水平误差角,根据水平误差角快速收敛的估计结果估计收敛较慢的方位误差角。给出了算法模型。理论分析和仿真结果表明:该算法对水平误差角的估计收敛速度可提高1倍,对方位误差角的收敛速度也相应提高,精度与常规方法一致,是一种有效的快速初始对准方法。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

SINS任意失准角无奇异快速传递对准

针对战术级捷联惯导系统(SINS)任意失准角下的快速传递对准，提出一种直接姿态矩阵线性矩阵卡尔曼滤波的传递对准算法。首先，利用姿态矩阵描述姿态，将传统大、小失准角条件下的强非线性、线性滤波对准问题统一转化为一个线性滤波问题；然后，采用矩阵形式卡尔曼滤波对状态进行估计，得到一种线性矩阵滤波对准算法，可以在任意失准角、无初值条件下完成对准；最后，推导姿态矩阵正交约束条件下滤波算法的最优实现。仿真结果表明，算法适用于任意失准角下的传递对准，在摇摆运动下，可以在10 s内完成快速传递对准，水平精度达到0.02°(误差均方根)以内，航向精度达到0.03°(误差均方根)以内。