超流体陀螺相位波动噪声自适应抵消系统分析

针对超流体陀螺相位波动噪声影响陀螺角速度检测精度的问题,提出了一种基于递推最小二乘（RLS）算法的陀螺自适应噪声抵消系统。首先,建立了超流体陀螺的相位检测模型,得到了陀螺输出薄膜幅值和相位的关系。其次,考虑热运动的影响,建立了相位波动噪声的等效输入角速度模型,探索了陀螺参数对角速度噪声的影响,得到了陀螺角速度噪声幅值范围。在此基础上,考虑该角速度噪声与输入角速度的互不相关性,将超流体陀螺薄膜幅值解算输出的混合角速度信息作为抵消系统的期望输入,将相位波动噪声引起的角速度噪声作为RLS自适应滤波器的参考输入,通过自适应调节参数使得RLS自适应滤波器的输出与混合角速度信息的噪声部分相抵消。通过与最小均方（LMS）算法仿真对比表明,在大角速度、大噪声情况下,该抵消系统能够有效消除陀螺混合角速度信息中的噪声成分,且具有较快的收敛速度和较好的稳定性。      

自主姿态测量最优算法研究

针对利用地球重力场和磁场矢量观测进行自主姿态测量的应用问题,提出了一种新的最优递推估计算法。该算法采用卡尔曼滤波框架,利用加权统计线性回归并结合自适应滤波技术进行测量更新,与现有方法相比,在提高测量精度的同时,增加了同步提供姿态速率信息的功能。仿真结果表明,新算法的姿态估计精度比目前常用的直接计算方法提高近两倍。     

MEMS陀螺随机漂移在线补偿技术

为了提高微机电系统(MEMS,Micro Electro Mechanical System)陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressive Moving Average)模型,并针对随机漂移模型随时间慢变的特性,引入虚拟噪声补偿技术加以补偿.针对载体运动状况的未知性,建立机动角速率模型.在此基础上采用自适应卡尔曼滤波技术对随机漂移和角速率进行实时估计.通过试验表明:随机漂移模型、角速率模型以及滤波算法能够满足姿态测量系统的动态应用需要,且姿态测量精度较补偿前有了显著的提高.     

卡尔曼滤波初始条件对捷联惯导对准的影响

针对捷联惯导对准卡尔曼滤波器初始条件无法很准确给定的情况,研究了卡尔曼滤波器初始条件对捷联惯导对准精度的影响。分析了错误先验假设条件下卡尔曼滤波算法的误差,推导了滤波器计算均方误差与实际均方误差的关系。对于一般多元回归系数估计问题,比较了卡尔曼滤波算法与最小二乘算法,给出了当先验假设不准确时卡尔曼滤波算法优于最小二乘算法的一个充分条件。对捷联惯导静基座对准问题进行了仿真,仿真结果表明:合理选择初始均方误差矩阵能大大改善卡尔曼滤波启动阶段性能。初始均方误差矩阵选择为真实初始均方误差矩阵的一个较小上界是合理的。     

耦合位置误差的机载惯性/星光组合算法研究

针对星敏测量输出的是惯性系下姿态信息,无法直接应用于实际的机载地理系下姿态组合导航,提出了地理系下耦合位置误差的机载惯性/星光组合滤波算法。该算法分析了
惯性姿态到地理系姿态之间的相互转换关系,在建立的地理系下姿态线性化量测方程基础上,通过引入导航位置误差转换矩阵,建立了星敏测量的惯性姿态到惯性导航计算输出的地理系姿态之间的耦合误差模型;同时针对姿态观测时高度通道不可观的特点,增加了气压高度输出为系统的观测量;实现了基于星敏测量的惯性系下姿态对地理系下惯性导航误差的直接修正。姿态耦合误差仿真结果表明该组合导航算法设计成功可行,为星敏在机载环境下的组合导航应用提供了新的思路。
     

基于特征模型的高超声速飞行器的自适应姿态控制

研究了基于特征模型的自适应控制方法在高超声速飞行器姿态控制中的应用。对一类非线性强耦合以及大范围参数不确定性的类X-20高超声速飞行器无动力滑翔段六自由度动力学模型,建立含耦合的多输入多输出(MIMO)特征模型,并设计基于特征模型的黄金分割控制器。控制律设计中通过对非对角元控制量强制一步滞后,使得各通道控制量可以计算简单。最后通过飞行高度和速度大范围变化的长时间飞行过程中姿态角的跟踪控制仿真,验证了控制器的鲁棒性和适应性。     

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

基于FD的微小型姿态系统的姿态估计算法

分别利用微惯性测量单元(MIMU,Micro Inertial Measurement Unit)中的3个加速度计与3个陀螺仪对载体的姿态角进行估计,同时,搭建捷联惯性导航系统,建立姿态误差方程,使用卡尔曼滤波估计载体姿态误差角.构造残差及统计量,利用状态残差检验的故障检测方法,对载体的运动状态进行分离,判断加速度计估计出的姿态角的可用性,对姿态角进行融合.既保证了姿态估计系统的动态性能,又提高了估计精度.由于使用微电子机械系统(MEMS,Micro Electro Mechanical System)惯性器件,使得姿态估计系统的体积小、重量轻、造价低,特别适于微小型载体使用.