高空长航时无人机SINS/CNS组合导航系统仿真研究

根据高空长航时无人机的特点研究了SINS/CNS组合导航系统并进行了仿真。研究了分段定常系统(PWCS)的可观测性分析方法和基于奇异值分解的系统状态可观测度分析问题,并提出了一种改进的状态可观测度分析方法,在求状态变量的可观测度时,抛开了观测量,只利用可观测矩阵进行分析,然后将该理论应用到SINS/CNS组合导航系统中,证明了其合理性与可行性,进一步根据可观测度分析的结果对系统进行反馈校正,通过仿真结果证明导航精度得到了提高。     

基于奇异值分解的组合导航可观测度计算

以捷联惯组为主惯导的组合导航系统具有短时定位精度高、可靠性强等优点,但其依然存在长时间导航精度不高、运算量大、组合效率不高等问题。为更好地完善组合导航系统的误差补偿和抑制技术,对SINS/DVL组合导航系统的可观测性能进行了研究。在分段定常系统(Piece-wise Constant System,PWCS)的可观测性分析方法及基于奇异值分解的系统状态可观测度分析方法基础上,结合可观测性矩阵的遗传特性,提出了一种简化的状态量可观测性分析方法,并对该方法进行了理论仿真。为方便比较状态量的可观测程度,对各状态的可观测度进行了归一化处理。最后,通过湖面跑船实验设计了不同的航迹机动方式,计算了关键导航参数的可观测性能。实验证明,该方法可以实时计算组合导航参数的可观测度,根据可观测度设计的航迹可以有效提高导航精度,定位精度可提高1个量级,收敛速度也获得了明显提高。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

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。     

一种常规机动下机载SINS/GPS组合导航系统的可观测性分析

为保证机载捷联惯组的导航精度能够达到要求,需要对惯组定期进行返厂标定,成本高、周期长,也影响载机的使用效率,故而机载惯组在线标校技术的研究一直在不断进行中。对大中型运输机的机载惯组而言,由于其机体较大、机动能力较差,很难完成诸如S机动等复杂的机动动作,故而需要对其常规飞行机动状态下机载SINS/GPS组合导航系统的可观测性进行分析。利用GPS提供的速度和位置信息作为外部观测量来设计Kalman滤波器,采用基于分段线性定常系统(PWCS)的奇异值分解法(SVD),对飞机静止、起降、匀速飞行、匀加减速飞行、转弯等一系列常规机动条件下系统的可观测性和可观测度进行研究。通过Matlab仿真和转台实验,验证了组合导航系统可观测性分析结论的有效性,可为机载惯组的在线标校提供一定参考。     

载波相位平滑伪距在GPS/SINS紧组合导航系统中的应用

针对GPS/SINS紧组合导航系统中伪距噪声大从而引起组合导航系统精度低的问题,提出了将载波相位平滑伪距方法引入到组合导航系统中,利用具有较高精度的载波相位对低精度伪距进行平滑滤波,在建立观测方程的同时,为了减小Kalman滤波器计算量,选用最佳4颗卫星的伪距与伪距率作为观测值,并提出了一种四面体选星法,该方法不需要进行矩阵求逆运算,减小了运算量。利用光纤陀螺捷联惯导系统与GPS接收机搭建了实验验证系统,通过车载实验对所提出的方法进行了验证,实验结果表明,经过载波相位平滑后的伪距噪声得到了降低,从而能够进一步提高GPS/SINS组合导航系统的定位精度,其位置误差均方根值相比无载波相位平滑减小近40%。     

SINS/BDS紧组合系统中自适应 两阶段扩展卡尔曼滤波

在实际应用中，以伪距/伪距率为观测量的SINS/BDS紧组合导航系统，存在量测噪声的统计特性与实际不相符的情况，传统扩展卡尔曼滤波（EKF）方法无法有效解决这一问题，从而引起滤波误差增大。提出了一种SINS/BDS紧组合导航系统的GDOP估算及在线估计量测噪声的自适应两阶段EKF（ATEKF）方法，该方法使用经过紧组合修正后的SINS输出的位置，并结合星历数据中提供的卫星位置求解GDOP。在此基础上，利用GDOP值以及新息，实现了紧组合导航系统的量测噪声方差阵（Rk）的在线实时估计，从而达到自适应滤波的效果，改善导航精度。     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。     

有色噪声作用下的机载INS/GPS组合导航方法

针对机载导航过程中有色噪声模型系数难以精确获取的问题,提出了一种基于滤波残差处理有色噪声的方法,并将其应用到INS/GPS组合导航系统中。首先分析了有色状态噪声和有色量测噪声对状态参数估值的影响,接着分别将状态残差和量测残差作为有色状态噪声和有色量测噪声的样本观测值,通过滤波所得的多个历元的残差序列获取拟合模型参数,然后计算有色噪声的预报值并将其进行补偿,从而得到有色噪声修正后的组合导航模型。最后设计了转台试验验证提出的有色噪声作用下的INS/GPS组合导航方法,结果表明该方法能有效地减小有色噪声对组合系统的影响,且当GPS暂时失效时,能显著提高系统的导航精度。     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

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...     

SINS/DVL水下组合导航系统的误差分析与改进技术

探讨了一种适用于SINS/DVL组合导航系统的滤波原理,通过分别建立捷联惯导系统误差模型和多普勒误差模型,利用间接卡尔曼滤波原理和反馈校正法,对系统进行仿真与分析,由惯性器件的误差方差通过导航系统的误差模型得出导航参数的误差方差,结果表明,该组合导航系统的定位精度要远远高于单纯捷联惯导系统。同时,针对SINS/DVL组合导航系统工作特点及特定情况下AUV的定位精度要求,提出了一种GPS辅助SINS/DVL组合导航系统导航定位的方案。     

SINS/ANS integration for augmented performance navigation solution using unscented Kalman filtering

The fundamental concept of the multisensor integrated navigation system is the utilization of a medium precision INS in conjunction with one or more auxiliary sensors which perform as error bounding sources. Strapdown inertial navigation system (SINS) integrated with astronavigation system (ANS) yields reliable mission capability and enhanced navigational accuracy for spacecrafts. The theory and characteristics of integrated system based on unscented Kalman filtering is investigated in this paper. This Kalman filter structure uses unscented transform to approximate the result of applying a specified nonlinear transformation to a given mean and covariance estimate. The filter implementation subsumed here is in a direct feedback mode. Axes misalignment angles of the SINS are observation to the filter. A simple approach for simulation of axes misalignments using stars observation is presented. The SINS error model required for the filtering algorithm is derived in space-stabilized mechanization. Simulation results of the integrated navigation system using a medium accuracy SINS demonstrates the validity of this method on improving the navigation system accuracy with the estimation and compensation for gyros drift, and the position and velocity errors that occur due to the axes misalignments.     

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

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.