一种高精度角速率圆锥补偿算法

以角速率信号作为算法输入时,采用以往常用的圆锥补偿算法,算法误差明显增大.鉴于光纤陀螺角速率信号可以直接获取,提出了一种以角速率信号作为圆锥补偿算法输入的新补偿算法.在姿态更新周期内,以光纤陀螺角速率信号作为输入,求得陀螺角速率输出的表达式,结合旋转矢量微分方程,推导出新圆锥补偿算法表达式,然后以算法漂移误差最小对新算法进行优化.采用规则进动、典型的圆锥运动以及有噪声干扰的圆锥运动作为测试输入,通过与传统算法的对比,新算法计算量低、计算简单方便,算法精度高.新算法的提出为高动态环境下光纤陀螺捷联系统的姿态误差补偿提供了一个新的思路.     

一种改进的基于双矢量观测的姿态确定算法

为了提高飞行器姿态确定的精度和姿态矩阵的解算速度,提出了一种改进的双矢量定姿算法.这种算法利用测量系统的方差对两个观测矢量进行加权处理,求得一个新的矢量,以两观测矢量夹角为判断依据选取加权系数;以新矢量为基准矢量,利用双矢量定姿算法求解姿态矩阵,并对求得的姿态矩阵进行修正.仿真结果表明:这种算法所需时间为优化算法的50%,当两个传感器测量误差不同、两矢量为任意夹角时,这种算法比优化的双矢量算法精度高;当两个传感器测量误差相同时,除了两矢量夹角为90°外,这种算法均比优化的双矢量算法精度高.     

圆锥运动及其影响的3种描述方法

从旋转矢量方法、欧拉角方法及刚体有限转动方法出发对圆锥运动及其影响进行了阐述,得到了各方法下的等效陀螺漂移公式以及三者之间的关系;并对圆锥补偿算法在每种方法下的补偿效果进行了研究.结果表明: 刚体有限转动方法与旋转矢量方法是完全等价的,欧拉角方法仅在小角度振动情况下与它们等价;圆锥补偿算法在旋转矢量方法和欧拉角方法下均有效,并在振动角较小时补偿效果一致.旋转矢量方法和刚体有限转动方法重点在于圆锥补偿算法的开发,而欧拉角方法重点则在于指导圆锥运动转台实验设计以验证圆锥补偿算法.      

一种新的捷联惯导系统圆锥误差补偿算法

旋转矢量法应用在捷联惯导系统圆锥误差补偿中,通过增加子样数能有效提高补偿精度,但子样数的增加会增加导航计算机的计算量.由于导航计算机的硬件性能限制,不可能为了获得高精度补偿性能而大幅增加子样数.因此,提出一种在不增加导航计算机负担下能提高圆锥误差补偿精度的新算法,该算法利用已解算出的当前时刻之前2个周期的姿态信息对旋转矢量进行修正,通过理论推导和实例分析比较,在同子样数下,新算法能达到高出传统算法4阶的补偿精度而不多消耗导航计算机资源.      

捷联惯导系统圆锥补偿算法研究

为了提高高动态环境下捷联惯性导航系统的精度,消除圆锥效应带来的误差,对圆锥补偿算法的设计和圆锥补偿误差特性进行了研究.首先给出了旋转矢量方程和经典圆锥运动的角速度模型,进而推导出了经典圆锥运动的角增量公式、角增量叉乘公式,建立了圆锥补偿系数方程,给出了基于该方法的21种圆锥补偿算法.并对圆锥补偿误差特性进行了仿真研究,最后给出了计算机仿真结果.      

考虑陀螺频率特性的角速率输入圆锥补偿算法

针对陀螺直接输出角速率且通带内增益不一致(频率特性),而传统角速率输入圆锥补偿算法要求输入理想的角速率,提出了一种考虑陀螺频率特性的角速率输入圆锥补偿算法.推导了圆锥运动情况下姿态更新周期内理想旋转矢量增量和实际姿态算法计算的旋转矢量增量,以最小化理想旋转矢量增量和计算旋转矢量增量之间非周期项的差异为计算圆锥误差补偿系数的准则,最优补偿系数可以看成是采用理想角速率输入的圆锥补偿算法系数与考虑频率特性时对理想圆锥补偿算法系数修正的和.得到了公式化求解考虑频率特性的各子样算法最优系数的方法.仿真结果表明,所提出的算法比传统角速率输入圆锥补偿算法在精度上有明显提高.     

基于多矢量定姿的动基座最优化对准算法

针对车载捷联惯导系统（Strapdown Inertial Navigation System, SINS）的传统动基座粗对准方法精度低且环境适应性差的问题，提出了一种基于多矢量定姿的动基座最优化粗对准算法。在传统的基于重力矢量的初始对准方法基础上，将姿态矩阵求解问题转化为Wahba问题，实现对多个时刻重力矢量信息的充分利用，并通过SVD算法实现对Wahba问题的求解，结合全球导航卫星系统（Global Navigation Satellite System, GNSS）输出信息和SINS输出信息，构建状态方程和量测方程，采用Sage-Husa自适应滤波算法以解决量测噪声不准确问题，不断修正载体系变换矩阵以获得更加精确的姿态转换矩阵。仿真和半物理实验表明，改进算法能够明显提高惯导系统在动基座下的姿态精度，转台实验对准方位误差小于0.05°。     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

捷联惯性导航系统的姿态算法

非互易向量的确定与补偿是影响高动态、恶劣振动环境下捷联惯性导航系统姿态矩阵计算的重要问题.为了补偿由此引起的圆锥误差,对一些传统算法进行了分析和研究.由于以往各种算法过多过杂,不便于工程中选用,所以通过对传统的各种姿态算法的原理及数学形式进行归纳分析和研究,提出了通用的算法公式.另外,还提出将剩余误差表示为采样时间与角振动频率乘积的幂次,并根据此幂次来评定圆锥补偿算法的精度的方法.在此基础上,对所提出的通用姿态算法公式进行了误差分析,得到了关于算法精度和参数之间关系的一些结论,为其参数选择提供了选择标准,有工程实用价值.     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

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。     

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。     

角速率输入下圆锥补偿算法的一般形式

传统圆锥补偿算法直接应用于由速率陀螺组成的捷联惯导系统时,算法误差明显增大.为抑制算法误差,提出了一种以角速率为输入信号,任意子样数圆锥补偿算法(包括改进算法)的一般形式,并在典型圆锥运动条件下以算法漂移误差最小为优化准则,推导了相应的圆锥补偿系数方程和算法误差表达式.利用给出的公式,求解一个线性方程组即可得到圆锥补偿系数,可方便快捷的设计任意子样数的角速率圆锥补偿算法以及改进算法.仿真结果表明,所设计的改进算法比同子样数常规角速率圆锥补偿算法在精度上有明显提高.