基于HMDP的无人机三维路径规划

路径规划是UAV(Unmanned Aerial Vehicle)自主飞行的重要保障.初步建立了基于MDP(Markov Decision Processes)的全局路径规划模型,把UAV的路径规划看作是给定环境模型和奖惩原则的情况下,寻求最优策略的问题;为解决算法时空开销大、UAV航向改变频繁的缺点,提出一种基于状态聚类方法的HMDP(Hierarchical Markov Decision Processes)模型,并将其拓展到三维规划中.仿真实验证明:这种简单的规划模型可以有效解决UAV的三维全局路径规划问题,为其在实际飞行中的局部规划奠定了基础.     

基于多尺度多参量的硅MEMS陀螺仪漂移预测

针对硅MEMS陀螺仪误差因素多,输出为非线性非平稳的特点,采用传统方法难以对其建立精确的误差模型.在对小波神经网络方法改进的基础上,提出了多尺度去噪的平稳化方法及多参量非线性预测方法并将其用于硅MEMS陀螺仪漂移预测.试验结果表明,采用多尺度多参量校准方法,硅MEMS陀螺仪精度由1°/s提高到0.02°/s.     

地磁图制备方法及其有效性评估

高精度地磁图制备是地磁匹配导航关键技术之一.在简单介绍4种网格插值方法原理的基础上(反距离加权插值法、克里金插值法、改进的谢别德插值法以及径向基函数法),应用实测地磁数据,选取测点分布较均匀区域,根据上述插值方法分别制备地磁图,并通过交叉验证统计准则对地磁图制备方法的有效性进行评估.结果表明,径向基函数插值法制备的地磁图"鸭蛋"形分布较少,地磁图等值线较圆滑,其标准偏差远小于其它方法的标准偏差,且其标准误差以及平均偏差也最小,具有较高的插值精度,能更好地反映该区域地磁场分布情况.     

GPS失锁时基于神经网络预测的MEMS-SINS误差反馈校正方法研究

GPS信号失锁时,MEMS-SINS组合GPS导航误差会随着时间迅速积聚而无法导航.提出一种基于RBF神经网络预测的MEMS-SINS误差反馈校正方法,GPS有信号时对神经网络进行训练,GPS信号中断时用训练好的RBF神经网络预测MEMS-SINS的导航误差.地面车载跑车试验,证实了训练后的RBF神经网络能很高精度地逼近MEMS-SINS/GPS组合导航系统输入与输出间的关系,在4个50s以内的GPS人为失锁过程中,该方法导航结果与参考系统比较,平均位置误差为3.8m,平均速度误差为0.6m/s,平均姿态误差为0.5°.     

微小型飞行器的MIMU系统结构设计方法

针对微小型飞行器安装空间小、承载能力弱的特点,提出一种“T”型结构的微惯性测量单元（MIMU）系统设计方法,采用基于微机电系统（MEMS）技术的新一代微型惯性器件,在深入分析MIMU结构设计基本原则和方法的基础上,设计加工了“T”型支撑结构并组成了实际系统。该MIMU系统充分利用了空间,大大地减小了体积和重量。有限元分析表明：该MIMU力学性能较高,所研制的实际系统实现了微小型飞行器的自主飞行,各性能参数满足要求,是一款适用于微小型飞行器的MIMU。     

低成本多传感器组合导航系统在小型无人机自主飞行中的研究与应用

为了满足小型无人机自主控制系统对导航系统性能的要求,研究低成本的基于微机电系统的捷联惯性导航系统(MEMS-SINS)/全球定位系统(GPS)/磁强计组合导航系统。提出一种利用磁强计辅助MEMS-SINS的静基座初始姿态确定方法,采用四元数误差模型对MEMS-SINS/GPS/磁强计组合导航系统进行信息融合的建模,采用基于正交三角(QR)分解的平方根无色卡尔曼滤波(UKF)非线性估计方法对组合导航系统进行数据融合,克服由于计算机舍入误差引起的状态协方差阵的计算值失去非负定性甚至对称性,通过小型无人机的自主飞行试验,证实MEMS-SINS/GPS/磁强计组合导航算法满足小型无人机自主控制系统的要求。     

SINS快速传递对准建模与仿真

针对空间武器捷联惯性导航系统SINS(Strapdown Inertial Navigation System)动基座快速、精确初始对准问题,建立了空间环境下武器SINS的动基座误差模型,并考虑武器SINS的惯性器件误差.根据姿态传递对准原理,推导了姿态匹配方式下卫星与武器SINS姿态角之差的量测方程.在此基础上,建立了空间武器SINS传递对准的数学模型,设计一种快速对准卡尔曼滤波器.计算机仿真结果验证了该模型的有效性.在10s时间内,可获得与卫星姿态测量系统姿态精度相当的对准精度,同时还能实现武器SINS惯性器件误差的准确标定.      

基于预测滤波的捷联惯导任意双位置对准方法

针对捷联惯性导航系统(SINS,Strapdown Inertial Navigation System)在大失准角情况下的初始对准问题,建立基于加性四元数误差模型的非线性滤波方程,并提出一种基于模型预测滤波(MPF, Model Predictive Filter)与扩展卡尔曼滤波(EKF, Extended Kalman Filter)相结合的地面任意双位置初始对准方法.该方法将部分惯性器件误差作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性.半物理仿真结果表明,该方法有效提高了SINS姿态误差角的估计精度,而且也降低了系统状态变量的维数,提高了对准解算的实时性.      

高精度磁悬浮CMG框架测角的快速最优估计算法

为了提高磁悬浮控制力矩陀螺（MSCMG）框架系统的速率伺服精度,克服旋转变压器的测角精度有限的缺点,提出一种高精度MSCMG框架测角的快速最优估计算法。该算法根据旋变角位置信号对位置和速度信号进行实时滤波估计,从而抑制信号中的随机噪声,通过改进的滤波增益确定方法降低了算法复杂度。最后该方法在DSP上实现,实验证明其有效可行,提高了测角精度,实现了由低精度传感器获得高精度速率伺服的性能。
     

一种基于可观测度分析的SINS/GPS自适应-反馈校正滤波新方法

 针对机载捷联惯导系统(SINS)/全球定位系统（GPS）组合导航系统不完全可观测导致滤波器精度下降甚至发散的问题,提出了一种基于系统状态可观测度分析的自适应反馈校正滤波新方法。该滤波方法改进了系统可观测度的归一化处理方法,将归一化处理后的系统状态可观测度作为反馈因子,对SINS系统进行自适应反馈校正。最后,将该方法应用于机载合成孔径雷达(SAR)运动补偿用SINS/GPS组合导航系统中,飞行试验结果表明该方法在系统不完全可观测的情况下有效地提高了导航精度。