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。     

用渐消卡尔曼滤波器防止捷联惯导系统滤波发散

为有效防止捷联惯导系统滤波发散,根据卡尔曼滤波原理研究了滤波发散的原因,引入了渐消卡尔曼滤波和遗忘因子。对常规卡尔曼滤波器和渐消卡尔曼滤波器的滤波进行的仿真结果表明,采用渐消卡尔曼滤波器在工程上可解决捷联惯导系统滤波发散。     

Unscented卡尔曼滤波在SINS静基座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，如何对静基座大方位失准角的捷联惯导系统进行初始对准是需要解决的问题。本文提出了基于Unscented转换的Unsented卡尔曼滤波进行捷联惯导系统对准的方法。分别通过扩展卡尔曼滤波和Unsented卡尔曼滤波进行仿真计算，结果验证了Unscented卡尔曼滤波的有效性与优越性。     

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。     

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。
     

基于捷联惯导高保真误差模型的非线性滤波算法

针对捷联惯导系统在大姿态误差条件的对准问题,推导了高保真非线性误差模型。该模型采用欧拉角表示姿态误差,并用与导航解算相同的姿态更新算法准确描述了姿态误差的传播规律。利用该模型设计了扩展卡尔曼滤波器,并以二位置对准为例,比较该模型与线性模型和大方位误差模型的滤波效果。仿真实验结果表明在小角度误差和大方位误差条件下,基于高保真模型的滤波器估计精度都优于其它两种模型,且在大水平姿态误差条件下滤波精度也很高。     

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。     

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。     

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。     

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。     

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。     

SINS/DGPS/Magnetometer组合导航研究

本文针对SINS/DGPS/Magnetometer全组合系统进行了研究,建立了相应的误差模型和系统观测模型。应用扩展卡尔曼滤波算法将GPS测量方程和SINS动态线性化,进行SINS验前状态估计及其误差协方差时间更新。仿真结果表明:本文提出的组合导航系统能够给出载体的高精度姿态信息,位置误差和速度误差也较小。     

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。     

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。     

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。