某型机载惯性/卫星/大气多信息融合MEMS航姿系统的设计与实现

针对机载MEMS航姿系统中器件精度低且易受干扰导致其姿态性能降低的问题,提出了一种基于大气/卫星信息辅助的航姿系统融合方案。构建了多源传感信息辅助下的综合航姿系统方案,所设计系统具有多种工作运行模式,可根据传感器可用状态实现滤波器的无缝切换,建立了组合导航系统状态和量测模型,采用Kalman滤波方法实现多源信息的融合与估计,并开展了原理样机的跑车试验。试验结果表明,所设计的融合方案能有效保障航姿系统的可靠性与精度,具有较高的工程应用价值。     

基于EKF的小型涵道式无人机航姿系统算法研究

针对小型涵道式无人机,设计了一种基于扩展Kalman滤波的航姿估计算法。采用四元数作为状态变量,利用陀螺仪的输出构成状态方程,通过加速度计与磁阻传感器构造观测方程来进行扩展Kalman滤波解算。相对于通常的航姿估计算法,这种算法减少了运算量,更适合于基于嵌入式微处理器的航姿估计。实验结果表明这种算法有效的抑制了航姿系统的各种噪声与干扰,同时保证了姿态输出的精度与实时性,可以为小型无人机提供准确的航姿信息。     

基于惯性/偏振光/光流的六足步行机器人自主导航方法研究

针对惯性/卫星组合导航系统易受干扰或自主性不足等问题，引入偏振光传感器和光流传感器，分别建立航向角和速度量测方程，以辅助惯性导航系统，提出了一种基于惯性/偏振光/光流的自主导航方法。同时，为实现惯性传感器、偏振光传感器和光流传感器等多传感器的融合，设计了无迹Kalman滤波器。为验证该方法的有效性，以六足步行机器人为对象开展仿真和实验验证。结果表明，在没有卫星信号源的情况下，仅依靠机器人自身感知，可实现较高精度的机器人位姿估计，实现了不依赖于卫星导航信号的自主导航，提升了导航系统的自主性。     

微小型飞行器惯性组合姿态确定与航路导航研究

构建了微小型飞行器(MAV)导航、制导与控制(GNC)系统。研究了微惯性导航测量单元零偏的温度建模及非正交误差的多位置标定补偿方法,提出微小型飞行器导航、制导与控制系统闭环条件下,利用导航、制导与控制回路的飞行状态特征信息的微惯性组合导航系统滤波算法,根据微小型飞行器飞行状态实时调整卡尔曼滤波器的观测噪声方差,有效提高了动态过程中姿态测量精度和微小型飞行器的飞行平稳度。完成了组合导航系统滤波算法验证飞行试验及自主姿态稳定和航路飞行试验。飞行试验表明:微小型飞行器实现了自主姿态稳定与长距离超视距航路点导航飞行,航路点导航误差小于30 m,惯性组合姿态确定与航路导航系统及算法满足微小型飞行器自主飞行对导航系统的需求。     

基于Newton迭代滚动时域估计的GPS/SINS紧组合导航技术

随着智能设备的普及，使用手机为汽车进行导航越来越普遍。目前，手机内置的惯性测量单元成本低廉、导航精度低，且常使用松组合，而应用GPS/SINS紧组合导航技术可提高导航的精度及可用性。通过将基于Newton迭代的梯度下降算法与滚动时域估计相结合，手机内置GPS与陀螺加速度计构成紧组合导航系统，可提高在复杂环境中的导航精度。传统Kalman滤波方法未能充分考虑到紧组合导航系统的非线性特性，而滚动时域估计通过参考多时刻导航信息，可更有效地排除非线性因素对系统的干扰，并通过实验验证了此方法。实验结果表明，相比采用扩展Kalman滤波，基于Newton迭代时域估计算法的紧组合导航系统的导航位置精度及速度精度均获得了较大提高。     

基于GPS/MEMS微惯性导航系统的 混合校正方法研究

针对GPS/MEMS 微惯性组合导航系统, 为了提高算法的可靠性和导航精 度, 研究了Kalman 滤波算法。分析了DSP 数字系统的运算能力、构建了优化的数学模 型, 提出了Kalman 滤波混合校正方法, 并将此方法应用于搭建的组合导航系统。通过 跑车试验对该方法进行了验证,试验结果表明,系统的导航精度,姿态误差在0.5°,航 向角误差2°,速度误差0.5m/s。     

基于Mahony算法的游泳运动姿态测量快速对准算法

在游泳运动姿态测量中,由于水对各种信号的吸收以及折射问题,依赖外部信息的传感器不能准确提供信息,而惯性技术由于不依赖外部信息,适合应用于游泳运动姿态测量领域.惯性姿态测量需要初始对准技术提供初值,从而计算得到游泳运动过程中的姿态.而游泳运动员起跳时间不确定,传统的初始对准算法需要较长时间才能得到一个较高精度的结果.针对这一问题,提出了采用Mahony算法进行快速对准的方法,使用MEMS九轴惯性测量单元进行信息采集,通过角速度信息计算姿态角,加速度信息修正水平姿态角,磁场强度信息修正偏航角,使用互补滤波方法对多源信息进行融合,从而快速得到惯性姿态测量的初值.实验室实验验证了姿态角水平精度可以在3s内达到角分级别,满足了游泳运动的需求,在实际运动场景下的测试也验证了算法的可行性.     

一种无源双星与多普勒导航系统组合的实现方法

提出了一种双星定位系统(RDSS)无源测距信息与多普勒导航系统(DNS)组合导航的方法。首先对多普勒导航系统的定位误差进行了计算机仿真分析,得到了航姿系统(AHS)的航向角误差是系统主要误差源的结论。随后讨论了在气压高度信息辅助下无源双星和多普勒导航系统组合消除航向角误差影响的可行性,并且给出了利用卡尔曼滤波进行无源双星与多普勒导航系统组合的实现方法。计算机仿真和直升机搭载试飞的组合定位结果表明:无源双星与多普勒导航系统组合仅通过对多普勒导航系统的地速数据和两颗卫星无源测距差进行处理即可完成平面导航定位,从而摆脱了对航姿系统中航向角信息的依赖,抑制了平面定位误差的增长,获得较高导航定位精度的同时能够满足高动态导航定位的要求,为双星系统的无源应用提供了一条新的途径。     

一种导弹捷联惯导/地磁/雷达高度表组合导航方法

基于雷达高度表和磁强计的测量信息,提出一种弹道导弹捷联惯导/地磁/雷达高度表组合导航方法。以磁强计测量值与磁场模型的磁场强度值之差和高度表与惯导解算高度之差作为量测,只用一个观测表达式即可同时包含载体的姿态及位置信息。引入状态反馈,利用混合校正的Kalman滤波得到系统导航信息的最优估计。仿真结果表明,该算法能有效抑制捷联解算误差的发散,当磁强计精度为100nT,雷达高度表精度为50m时,仿真1000s后姿态精度优于20′,定位精度为2.68 km。该导航方法自主性高,精度较高,具有一定工程应用价值。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

基于UKF的GPS/SINS组合导航直接式滤波算法

基于无迹卡尔曼滤波(UKF)方法,使用姿态、速度、位置等9个导航参数组成状态向量,以GPS系统输出的速度、位置组成6维观测向量,构建直接式结构的UKF滤波器。该滤波器能够直接反映系统导航参数的动态过程,准确显示运动状态演变。针对GPS/SINS组合导航系统的特点,构建了GPS/SINS组合导航直接式卡尔曼滤波仿真验证系统,仿真结果验证了基于UKF的GPS/SINS组合导航直接式滤波算法的有效性,该直接式非线性滤波算法可使惯性组合导航系统的导航精度得到提高。     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

前后向迭代滤波算法在高精度姿态测量中的应用

为了满足航空物探对于高精度姿态基准的需求,对前后向迭代滤波算法进行了研究.在前向捷联惯导算法的基础上,推导了后向捷联惯导算法,基于SINS/GPS组合导航方案构建了15状态Kalman滤波器,提出了前后向迭代滤波算法,通过仿真实验和转台实验对比了前后向迭代滤波算法与R -T -S平滑的估计效果.实验结果表明:经过前后向...     

空天飞行器星敏感器安装误差在线标定方法

空天飞行器高动态、长航时的运动特性可能导致一体化安装的惯性/天文组合导航系统中星敏感器与惯导间产生安装误差角。设计了一种星敏感器安装误差角动态辨识方法,建立了星敏感器安装误差角模型,设计了基于天文角度观测的星敏感器安装误差角动态辨识方案,分析了不同机动飞行方式下星敏感器安装误差角的可观测度。仿真结果表明,所设计的基于卡尔曼滤波的动态辨识方法能够在飞行器机动过程中快速地对星敏感器安装误差角进行在线标定,对安装误差角的标定值可以达到实际误差值的85%以上,有效地提高了组合导航系统的精度。     

空天飞行器星敏感器安装误差在线标定方法

空天飞行器高动态、长航时的运动特性可能导致一体化安装的惯性/天文组合导航系统中星敏感器与惯导间产生安装误差角。设计了一种星敏感器安装误差角动态辨识方法,建立了星敏感器安装误差角模型,设计了基于天文角度观测的星敏感器安装误差角动态辨识方案,分析了不同机动飞行方式下星敏感器安装误差角的可观测度。仿真结果表明,所设计的基于卡尔曼滤波的动态辨识方法能够在飞行器机动过程中快速地对星敏感器安装误差角进行在线标定,对安装误差角的标定值可以达到实际误差值的85%以上,有效地提高了组合导航系统的精度。     

SINS辅助的星敏感器在线标定方法

航天器在飞行过程中,星敏感器受到外界温度、地面标定精度等因素影响存在较大的安装误差,这将严重影响星敏感器的定姿精度。为提高星敏感器精度,对其安装误差进行严格的在轨实时标定与修正是确保星敏感器测量精度的关键。提出了一种SINS辅助的在线标定方法,将SINS/星敏感器输出的姿态信息进行配准,构建了组合导航系统的Kalman滤波模型。该方法只需航天器在飞行过程中做简单的机动,即可对星敏感器的安装误差角进行实时在线标定。仿真结果表明,采用该标定方法可使星敏感器和惯导的安装误差角的总体估计率达到95%以上,具有较高的工程应用价值。     

DR/GPS组合导航系统滤波技术研究

陆用航位推算系统（DR）的精度主要受到里程系数和航向误差的制约,其误差模型本质具有非线性,因此采用非线性滤波算法能显著提高里程系数和航向误差的估计精度。本文将粒子滤波应用到航位推算（DR）/GPS组合导航系统数据融合过程中,对航位推算 (DR) 与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。粒子滤波存在的主要问题是粒子的退化现象严重,本文将量子粒子群优化 (PSO) 算法与粒子滤波相结合,提出了量子PSO粒子滤波算法,该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过量子PSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了粒子滤波的精度。跑车实验结果表明,该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。