光纤陀螺SINS大失准角下快速初始对准技术

针对光纤陀螺(FOG)捷联惯导系统(SINS)初始对准过程中存在大姿态失准角的情况,本文建立了基于欧拉平台误差角的SINS非线性误差模型,给出了一种简化的UKF滤波方法并将其运用到光纤陀螺SINS初始对准中,在静基座大方位失准角条件下,分别采用传统闭环卡尔曼滤波和闭环UKF非线性滤波方法进行初始对准仿真研究,结果表明在对准精度要求相同时,后者在对准速度方面具有明显优势。     

空射制导武器捷联惯导系统传递对准技术研究

研究了基于"速度+方位角"匹配的弹载捷联惯导系统的传递对准问题。首先介绍了方位角测量偏置产生的原因,以及与方位失准角的关系。推导了主、子惯导方位失准角的计算方法,并对方位失准角估计进行了仿真试验。在此基础上分析建立了传递对准卡尔曼滤波方程,并对弹载捷联惯导系统的传递对准进行了仿真。仿真结果表明,该"速度+方位角"匹配的捷联惯导系统精度控制在0.05°内,能够满足空射制导武器初始对准精度的要求。     

捷联惯导准静基座大失准角线性初始对准方法研究

研究了利用线性卡尔曼滤波实现准静基座捷联惯导大失准角初始对准的问题。根据李群理论，如果系统模型具有仿射性，则其对应的线性误差模型是独立于状态估计值的，同时可以从该线性模型精确反推出李群上的非线性状态误差。分析指出，准静基座条件下捷联惯导姿态微分方程满足仿射性条件，其对应的姿态误差方程是独立于姿态估计值的。但是，如果将速度考虑进状态，则整体的状态模型不再满足仿射条件，无论是基于SO(3)+R3还是SE(3)姿态描述，所对应的状态误差方程都不能做到独立于状态估计值。基于上述分析，直接对SO(3)+R3状态描述下的速度误差方程进行改造，用重力矢量直接替换比力项，从而构造出独立于状态估计值的状态转移矩阵。仿真实验结果表明，利用所构造的线性状态空间模型，即使在大失准角条件下也能快速收敛到极限对准精度；车载晃动实验结果表明，利用所构造的线性状态空间模型，在大失准角条件下同样能够快速地跟上小失准角条件下的线性卡尔曼滤波对准结果。     

非线性滤波在捷联惯导系统初始对准中的应用

惯性导航系统(INS)初始对准的误差方程在本质上是非线性的,估计惯性导航初始对准误差普遍采用的做法是把失准角假设为小角度,再将误差模型线性化.但当运载体遭遇恶劣环境姿态变化剧烈时,用于估计小失准角的误差模型将不再满足初始对准的要求.为满足大失准角下惯导系统的初始对准,在建立大失准角下的非线性误差模型基础上,分别应用2种...     

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     

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。     

一种速度匹配动基座传递对准的方法

介绍了一种速度匹配的动基座传递对准的方法。主子惯导均采用平台系统的指北导航方式,推导了平台对准误差方程,利用主子惯导的速度差信息构建控制回路对子惯导平台的水平失准角进行反馈修正,同时用卡尔曼滤波器估计出方位失准角,从而实现子惯导的初始对准。建立了相应的模型,对该传递对准方法进行了仿真验证,在仿真时考虑了杆臂效应的影响,加入了杆臂效应的算法补偿机制。仿真结果数据跟理论推导基本吻合,验证了方法的可行性。     

车载武器惯导系统传递对准技术研究

针对车载武器捷联惯导系统动基座传递对准问题,研究了传递对准的基本原理,建立了地面武器弹载子惯导系统(SINS)动基座速度匹配传递对准的误差模型,并考虑SINS的惯性器件误差。采用了零速校正方法用以提高载车主惯导系统(MINS)的导航精度。根据速度匹配传递对准原理,推导了速度匹配方式下MINS与SINS导航解算速度之差的量测方程。在此基础上,设计了一种传递对准卡尔曼滤波器,并进行了仿真研究。仿真结果表明：SINS速度匹配传递对准在短时间内即可估计出SINS的水平失准角,对准精度可达到0.4＇以内,方位失准角在经过多次零速校正过程中的加减速机动后,对准精度达到0.7＇以内。     

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。     

一种改进的类高斯和粒子滤波在大失准角传递对准中的应用

 在小失准角传递对准模型基础上提出了一种大失准角下的速度加姿态匹配的传递对准模型;针对模型中存在的非线性和非高斯性问题,根据二阶马尔可夫过程的时域特性,提出了一种改进的采用类高斯和重采样的粒子滤波算法。理论分析证明了大失准角下传递对准模型和小失准角下传递对准模型的统一性。小失准角下的仿真验证了大失准角传递对准模型的正确性;大失准角下的仿真结果表明在大失准角的非线性、非高斯状态下,相比传统粒子滤波算法只稍微增加了计算量,而传递对准的精度提高了大约40%。     

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。     

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

 为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75％。     

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。     

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。     

一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用

针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

一种改进的强跟踪 UKF 算法及其在 SINS 大方位失准角初始对准中的应用郭泽,缪玲娟,赵洪松简

 针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

基于边缘采样的简化高阶CKF在非线性快速传递对准中的应用

针对舰载机惯导系统非线性传递对准问题中误差模型不完善的问题，同时考虑了挠曲运动和动态杆臂的影响，提出了一种新的适用于大方位失准角情形下的挠曲变形和杆臂效应加速度一体化误差模型。采用高阶容积卡尔曼滤波（HCKF）算法对状态进行滤波估计，考虑到HCKF具有较大的计算量，分析了传递对准模型的状态方程与量测方程结构，设计了一种基于边缘采样的简化高阶容积卡尔曼滤波（M-RHCKF）算法，其在时间更新中使用边缘采样算法，在量测更新过程中使用简化量测更新过程，并给出了该算法的证明过程。采用"速度+姿态"组合匹配方式，对提出的误差模型进行仿真实验。结果表明，该模型可以满足对准精度和对准时间的要求，相比于未考虑动态杆臂的传递对准模型具有更高的对准精度。     

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。     

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。