应用于MEMS_SINS/GPS组合导航系统的H_∞容错滤波算法

针对基于微机电系统(MEMS,micro electro mechanical system)的捷联惯性导航系统(SINS,strapdown inertial navigation system)与全球定位系统(GPS,global positioning system)组成的组合导航系统中存在不确定干扰并且GPS量测输出中经常含有故障信号的情况,提出一种H∞容错滤波算法,能够对不确定噪声干扰具有鲁棒性,并且能够在检测到故障信号后进行容错计算,使滤波精度始终保持在要求的范围内.基于H∞滤波器,在状态估计方程中加入加权因子,使滤波器具有容错的功能,并且适用于组合导航中量测分量的数量级相差很大的情况.仿真试验结果表明,该算法能有效降低GPS中故障信号的不利影响,使系统在故障存在期间仍能正常工作.     

基于调频高斯小波变换的导航传感器故障诊断

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力,在分析调频高斯小波特性的基础上,提出了一种基于调频高斯小波变换的导航传感器故障诊断算法.该算法仅利用传感器的观测量来直接诊断传感器工作是否正常.它可以对方差突变等软故障进行有效的在线检测.仿真结果证明了所提方法的有效性.     

卫星导航系统传感器故障识别

传感器是卫星导航系统中的重要部件,其故障的检测和识别对提高系统可靠性具有重要意义。给出了一种基于模糊逻辑的卫星导航系统传感器故障识别方法。首先采用T-S模糊模型描述卫星导航系统,然后应用全解耦奇偶方程的方法进行故障检测,并利用卡尔曼滤波器进行故障参数识别。仿真结果表明,针对导航系统中多个传感器同时发生故障的情况,此方法能有效检测故障,并能准确识别故障参数。     

一种多传感器组合导航系统的改进异步融合算法

针对多传感器组合导航系统中各子导航传感器数据采样率不同且呈有理数倍的这一特殊问题，提出了一种组合导航系统的信息融合算法。首先将多传感器组合导航系统的原始状态方程变换成状态数据块向量与当前状态向量之间的关系，进而构成新的状态方程，而原始量测方程表达为与状态数据块向量之间的关系，进而构成新的量测方程。然后基于具有尺度与小波特性的矩阵算子，给出了改进异步融合算法的具体实现步骤。最后将该算法应用于CNS/GNSS/SINS/高度表多传感器组合导航系统。仿真结果表明，相对于传统算法，位置、速度和姿态精度可分别提高约20%、15%和10%，验证了本算法的高精度特性和可行性。     

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

一种基于多虚拟观测量的组合导航自主完好性监测方法

完好性用于导航系统出现故障的情况下提供及时的告警，是生命安全类用户需要考虑的重要性能指标。基于惯性导航系统（INS）辅助的卫星导航自主完好性监测算法，提出了一种利用INS构造3颗虚拟卫星观测量的组合导航系统自主完好性监测方法，通过构造视线方向相互垂直的3颗卫星，最大限度利用组合导航中INS的导航信息，在2颗可见星条件下就能实现故障检测。相比传统接收机自主完好性监测(RAIM)方法，该方法提高了检测算法可用性。在GPS单星座且INS定位误差方差σ_s=1m条件下，加入35m单星故障幅值，传统加权RAIM故障检测概率为48.51%，本文算法检测概率为95.21%，检测性能提升47%；与INS辅助的卡尔曼滤波残差检测法相比，在相同INS精度等级条件下该方法也具有更高的检测概率。此外，仿真分析了不同INS精度等级对该方法故障检测性能的影响，结果表明INS精度越高，该方法检测性能越好。     

GPS/SINS全组合导航系统的姿态组合算法

利用卡尔曼滤波的GPS/SINS全组合导航系统中,将IMU量测的平台误差角简单的近似为姿态误差角,会带来较大的数学模型误差。文章通过分析姿态组合算法中平台误差角与姿态误差角物理意义的不同,得到了二者相互转换的关系式;从实际应用的角度出发,采用对观测向量预处理的方法,对姿态组合算法进行了改进,从而消除了数学模型误差,并且很容易进行工程实现。仿真结果表明使用改进后的姿态组合算法能够有效的提高全组合导航系统的精度。     

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。     

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

自适应卡尔曼滤波器在陆地车辆导航中的应用

建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.      

自旋稳定卫星姿态参数的容错Kalman滤波

Kalman滤波是一组用递推关系给出的动态 测量系统状态向量的最优线性无偏滤波 ,它在航天测控领域中有广泛应用。以自旋稳定型卫星姿态确定为研究对象 ,探讨Kalman滤波算法的实现途径 ,并对Kalman滤波算法本身进行适当改进 ,建立一组对测量数据野值点具有容错能力的修正型滤波算法 ;此外 ,还对滤波初值选取和测量数据误差协方差阵的估计等技术给出了有价值的建议     

高精度SINS/CCD/GPS组合导航系统研究与仿真

选取捷联惯导系统误差作为系统状态,利用捷联惯导系统(SINS)与电荷耦合器件(CCD)星敏感器各自的姿态矩阵输出构造量测,设计SINS/CCD组合导航算法;利用SINS与全球定位系统(GPS)各自的速度、位置输出构造量测,设计SINS/GPS组合导航算法。然后,利用联邦型卡尔曼滤波技术,将各子滤波器输出的系统状态局部最优估计值送入主滤波器,通过全局最优融合算法计算得到系统状态的全局最优估计值。仿真结果表明,基于SINS/CCD/GPS的组合导航系统具有很高的导航精度,达到了3.5m的定位精度和9″的航向精度,非常适用于飞行器的高精度导航定位。     

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

未知参数高阶线性系统基于特征模型的卡尔曼滤波

针对一类有量测噪声的未知参数高阶线性系统设计了基于特征模型的卡尔曼滤波器,改进了由于传统卡尔曼滤波器在未知系统状态转移阵时应用的难题.在对高阶线性系统的自适应控制中,利用建立系统的特征模型构造状态转移阵,结合卡尔曼滤波的思想对系统输出进行滤波,使系统输出以及控制量的性能得到极大的改善.通过对一个未知参数的高阶线性系统仿真实验验证了此方法的有效性.