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。     

基于频域分离算子的SINS抗晃动干扰初始对准算法

在基于惯性参考系的捷联惯导系统（SINS）初始对准算法中,使用一次积分抑制线晃动干扰作用有限。通过分析惯性系重力矢量和晃动干扰加速度的频率特点,引入频率分离算子概念,特别是使用频率特性精心设计的无限冲击响应（IIR）滤波算子时,能够有效抑制线晃动干扰,同时对反映重力信息的比力和惯性系重力参考矢量实施同步滤波,使它们都能顺利通过,即使在滤波器输出没有稳定的情况下也可给出可靠的初始对准结果,从而实现快速精确初始对准。车载试验验证表明所提算法可直接用于SINS抗晃动干扰精对准。     

末制导雷达/惯性复合导航算法

研究了末制导雷达/惯导的复合导航算法,当导弹攻击慢速移动目标时,可以根据惯导输出和雷达信息,采用Calson滤波算法估计出目标的位置信息和惯导误差,从而修正目标运动和惯导误差。仿真表明,Calson滤波算法能较好地提高制导精度。     

基于捷联惯导的四旋翼无人机的研究与实现

与传统无人机相比,四旋翼无人机具有轻便、集成度高、系统灵活性强等诸多优势,非常适合用于车流监控、火灾预警等领域。针对四旋翼无人机的非线性、高度不稳定、强耦合,捷联惯导系统累积误差大等问题,本文研究了一种基于捷联惯导系统的四旋翼无人机导航的方法,即根据Inven Sense TM公司提供的DMP算法,实时解析MPU6050集成传感器和HMC5883L三轴磁阻式传感器测量的无人机姿态数据,并利用PID控制算法对无人机姿态进行闭环调节。测试结果表明,无人机可在空中稳定飞行,设计提出的方案有效可行。     

基于激光测距和惯导的非合作目标远程交会相对导航算法研究

对非合作目标的远程交会,研究了一种基于激光测距和惯导的相对导航方法。给出了由激光测距仪和惯性传感器组成的相对导航系统。设计了相对导航算法:用激光测距获得的相对距离和相对方位、俯仰角度与惯导获得的姿态和位置信息,确定目标飞行器与追踪飞行器相对轨道动力学方程并进行递推,输出相对位置与速度;用激光测距输出的相对距离和相对方位、俯仰角度与惯导获得的姿态、位置信息,由卡尔曼滤波得到相对位置与速度的误差并对递推结果进行修正,修正的结果作为相对导航最终的输出。算例表明:该相对导航方法适于非合作目标远程交会,在远程交会结束时刻,相对位置误差小于1m,相对速度误差小于0.05m/s;相对导航滤波器的加速度计常值偏差估计误差明显小于绝对导航滤波器。     

卡尔曼滤波在无陀螺捷联惯导系统中的应用

无陀螺捷联惯导系统仅利用加速度计就可以完成惯性测量与导航任务,应用前景广阔,然而角速度解算精度不高一直是其难以实现工程化的瓶颈问题.本文基于一种9加速度计配置方案,设计了一种削弱三轴耦合的卡尔曼滤波器,将仿真结果与其他角速度解算方法进行了比较,实验表明,该滤波法具有较高的解算精度.     

空间转移飞行器自主导航系统的信息融合方法

针对空间转移飞行器的工作环境和特点,分析了捷联惯性导航系统(SINS)、GPS和星敏感器(SS)的优缺点,提出了基于SINS/GPS/SS的空间转移飞行器自主导航系统的信息融合方法,该方法可取长补短,将GPS定位和星敏感器定姿精度高的优势辅助于捷联惯导系统,建立了组合导航滤波模型,利用联邦滤波组合导航中各子滤波器没有私有状态变量的特点,改进了联邦Kalman滤波器,可动态地选取并优化信息分配因子,便于实时处理。仿真结果表明,改进的联邦滤波算法能充分运用各导航系统的信息进行信息互补和信息融合,比传统的联邦滤波算法有更高的估计精度,可满足空间转移飞行器长时间的自主导航要求,是一种较理想的自主导航方案,具有重要的工程应用价值。     

耦合位置误差的机载惯性/星光组合算法研究

针对星敏测量输出的是惯性系下姿态信息,无法直接应用于实际的机载地理系下姿态组合导航,提出了地理系下耦合位置误差的机载惯性/星光组合滤波算法。该算法分析了
惯性姿态到地理系姿态之间的相互转换关系,在建立的地理系下姿态线性化量测方程基础上,通过引入导航位置误差转换矩阵,建立了星敏测量的惯性姿态到惯性导航计算输出的地理系姿态之间的耦合误差模型;同时针对姿态观测时高度通道不可观的特点,增加了气压高度输出为系统的观测量;实现了基于星敏测量的惯性系下姿态对地理系下惯性导航误差的直接修正。姿态耦合误差仿真结果表明该组合导航算法设计成功可行,为星敏在机载环境下的组合导航应用提供了新的思路。
     

基于Sigma-point卡尔曼滤波的INS/Vision相对导航方法研究

针对无人机编队常用的leader-follower(领航-跟随)飞行模式,提出了一种考虑视觉导航设备输出时间延迟问题的INS/Vision相对导航方法,给出了leader与follower之间的相对惯导方程以及相对视线矢量测量原理.由于INS/Vision相对导航系统是一个强非线性系统,采用Unscented卡尔曼滤波融合相时惯导信息和相对视线矢量信息,从而估计出leader与follower之间的相对位置、相对速度和相对姿态,受姿态四元数的归一化限制,在滤波中采用罗德里格斯参数作为姿态误差状念,对于视觉导航系统量测量存在时间延迟的问题,给出了延迟后的量测量与当前惯导信息融合的方法,最后通过仿真研究证明了方法的有效性.     

惯导/测距/测速相结合的安全软着陆自主导航方法

针对地外天体软着陆中惯导误差随时间增大,无法提供准确的高度和三维速度信息的问题,提出了一种惯导、测距和测速相结合的安全软着陆导航方法。该方法以惯导为基础,利用测距仪修正惯导的高度信息,利用测速敏感器修正惯导的速度信息。详细介绍了惯性导航的基本原理及测距、测速组合修正的策略,对软着陆过程的动力学模型、敏感器测量模型、滤波方程、地形对修正的影响,以及组合使用的策略和算法等问题进行了论述。数学仿真结果表明惯导、测距和测速相结合的方法能够满足安全软着陆的需要。     

斜装冗余传感器的分布式导航系统研究

为了满足低成本、高性能惯性导航要求,解决传统单一主惯导系统的成本高、体积大等问题,利用低成本MEMS惯性传感器,采用传感器斜装冗余配置,在最优卡尔曼滤波的基础上提出了一种基于虚拟传感器的最优信息融合技术,简化了测量系统的动态模型,减小计算的同时提高了测量精度。将斜装冗余惯性测量节点安装在载体的不同位置构成基于斜装冗余传感器的分布式导航系统,分析了分布式结构,利用基于虚拟传感器的等效模型,设计了分布式导航系统的测量融合系统。通过仿真试验,校验了基于虚拟传感器的最优信息融合有效地提高了测量精度,基于斜装冗余传感器的分布式导航具有较高的导航精度,同时证明此方法具有一定的抗干扰能力,能够抑制载体局部随机扰动对导航性能的影响。     

一种小型弹载混合式光纤惯导系统设计

为解决混合式惯导在小型弹载惯导系统的应用问题，在论述混合式惯导技术特点的基础上，提出小型弹载混合式惯导系统所涉及的三项关键技术：小型化设计技术，抗振动高可靠锁紧技术和基于降维Kalman滤波的抗扰动自标定技术。重点对第三项技术提出具体的技术方案和实现途径。在建立惯导误差模型的基础上，根据姿态精度因子(ADOP)可观测度设计出混合式惯导系统的自标定流程，进行了卡尔曼滤波的降维处理和抗干扰观测量设计。开展了原理样机的标定试验、力学环境试验和导航精度试验工作，试验结果校验了技术方案的可行性和自标定算法的正确性，为其在小型战术导弹中的应用提供了工程借鉴。     

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     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

双天线GPS/MEMS-INS深组合导航方法研究

针对低成本惯性/卫星组合导航系统在复杂环境中易受环境干扰、航向精度较差等问题,对双天线GPS/MEMS-INS深组合导航方法开展研究。考虑不同信号强度下的跟踪特性,基于矢量延迟锁定环(VDLL)、二阶锁相环(PLL)、速度辅助的一阶锁相环,设计了分别适应强信号、弱信号、失锁状态的跟踪环路结构。同时提出一种实用的信号强度判别方法,防止失准通道参与导航滤波器计算,提高导航精度。为保证航向精度,使用双天线接收卫星信号,将双天线载波相位差加入到导航滤波器的量测量中。采用视线矢量水平投影变换,构造了隔离俯仰信息的相位差量测方程,在不对俯仰角造成干扰的条件下修正航向角误差。车载导航试验表明,所设计的导航系统可以在城市环境中提供连续、高精度的导航输出。     

一种用于SINS行进间对准的模糊抗野值滤波算法

针对观测存在野值的非线性系统滤波问题，本文综合运用多高斯和近似算法(GSA)、贝叶斯公式、马尔科夫链蒙特卡洛算法(MCMC)以及集合卡尔曼滤波算法(EnKF)设计了一种能从状态后验分布中抽取粒子的改进粒子滤波算法，并根据模糊理论为此改进算法设计了模糊抗野值功能，从而提出了模糊抗野值集合粒子滤波算法，命名为REnPF。GPS辅助SINS行进间对准的仿真实验表明，REnPF能够很好地避免虚警、漏检问题，并能提供良好的滤波精度。     

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     

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。     

GPS/INS 组合导航系统降阶滤波器设计

本文研究了某型号飞机上ＧＰＳ／平台惯性组合导航系统中降阶卡尔曼滤波的设计方法。文中提出了一种降阶滤波器结构，并讨论了模型误差的伪随机噪声补偿方法。采用蒙特——卡洛分析法对降阶滤波器的实际误差进行了数字仿真，结果表明：本文提出的这种降阶滤波器能保证组合系统的导航精度，是一种具有实际使用价值的滤波器     

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。