低成本捷联惯导不对称动态误差的神经网络补偿

 针对低成本捷联惯导系统(SINS)中陀螺动态误差的不对称性在角振动条件下造成姿态漂移的问题,设计了多层前向神经网络的补偿模型。在标定模型参数时,为降低对外部参考信号测量精度的要求,提出用姿态解算的最终误差作为网络优化目标的训练方法。由于最终的姿态误差不是网络的期望输出,无法采用有导师的训练方法,为此采用了微粒群优化算法。仿真实验结果表明:补偿后的陀螺动态误差的不对称度减小了一个数量级。     

基于捷联惯导高保真误差模型的非线性滤波算法

针对捷联惯导系统在大姿态误差条件的对准问题,推导了高保真非线性误差模型。该模型采用欧拉角表示姿态误差,并用与导航解算相同的姿态更新算法准确描述了姿态误差的传播规律。利用该模型设计了扩展卡尔曼滤波器,并以二位置对准为例,比较该模型与线性模型和大方位误差模型的滤波效果。仿真实验结果表明在小角度误差和大方位误差条件下,基于高保真模型的滤波器估计精度都优于其它两种模型,且在大水平姿态误差条件下滤波精度也很高。