惯导系统初始对准误差模型研究

论述了惯导系统（INS）误差模型的重要作用,介绍了惯导误差方程推导必须遵循的步骤以及误差方程所涉及的坐标系的关系。根据基本的运动学方程,推导了动基座条件下基于计算坐标系和基于真实坐标系的平台惯导系统速度误差方程及通用ψ、φ资态角误差模型。     

捷联惯导方位大失准角对准研究

在游动方位角坐标系下建立了方位大失准角条件下的SINS初始对准误差模型.在静基座下验证了该误差模型在方位大失准角情况下的滤波效果,比较分析了不同方位失准角的滤波收敛情况,并与线性模型进行滤波比较.最后,将该模型用于动基座的初始对准.静基座和动基座下的初始对准结果表明所提出的SINS误差模型是正确有效的.     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

岸舰导弹捷联惯导系统初始对准过程的研究

研究了岸舰导弹捷联惯导系统的初始对准过程中粗对准和精对准两个阶段的计算方法，并通过仿真分析了计算周期、低通数字滤波器和各种干扰等对对准精度的影响。分析结果表明，该方法有较高的精度，对岸舰导弹的技术准备过程具有一定的指导意义。     

纬度未知条件下捷联惯导系统初始对准分析

在捷联惯导系统静基座初始对准的传统方法中,一般要求准确知道当地的地理纬度,如果给定的纬度存在误差,将可能影响初始对准精度。在静基座条件下并且地理纬度未知时,研究捷联惯导系统的初始对准实现问题,并对初始对准精度作详细分析。研究结果表明,在静基座条件下,借助于捷联惯组中的陀螺和加速度计的测量值可以估计出对准点处的地理纬度,再利用估计纬度进行初始对准,如果选择初始对准算法适当,纬度估计误差将不会影响对准精度。     

Unscented卡尔曼滤波在SINS静基座大方位失准角初始对准中的应用研究

静基座大方位失准角的捷联惯导系统误差方程是非线性的，如何对静基座大方位失准角的捷联惯导系统进行初始对准是需要解决的问题。本文提出了基于Unscented转换的Unsented卡尔曼滤波进行捷联惯导系统对准的方法。分别通过扩展卡尔曼滤波和Unsented卡尔曼滤波进行仿真计算，结果验证了Unscented卡尔曼滤波的有效性与优越性。     

一种新的动基座快速传递对准方案及其仿真研究

针对捷联惯导系统的动基座初始对准问题,提出了一种新的动基座快速传递对准方案。该方案采用速度 姿态变化量匹配,直接对主、子惯导导航坐标系之间的失准角进行估计,可以使航向失准角快速收敛。通过仿真,研究了注入噪声和测量噪声水平、机动运动强度和幅度、复合机动运动、载机运动方向等六个因素对对准性能的影响。结果表明:其对准性能取决于水平失准角的估计精度和速度;失准角的估计精度和速度与注入噪声水平和测量噪声水平、机动运动的强度和幅度有关;复合机动运动对对准性能有正反两方面的影响。     

基于支持向量机的惯导初始对准系统

针对平台式惯导系统的初始对准 ,提出了基于支持向量机 (SVM)网络的滤波器 ,并将其用于惯导初始对准中 ,代替初始对准系统中的闭环Kalman滤波器 ,可以确保系统的误差状态始终为小量 ,实现了惯导初始对准中的滤波与校正功能 ,并将其与神经网络滤波器、闭环Kalman滤波器进行对比。仿真结果表明 ,采用SVM网络滤波器简化了系统运算的代数结构 ,提高了系统状态估值运算的实时性 ,而对准系统的精度又与采用闭环Kalman滤波器的精度相当 ,并且SVM网络克服了神经网络的不足。     

一种快速精确的惯导系统多位置初始对准方法研究

传播的多位置初始对准方法虽然使惯导系数静基座初始对准的精度得到明显提高，但是用卡尔曼滤波器对其状态变量进行估计时，方位失准角收敛很慢。本文通过对惯导系统误差模型的合理简化，提出了一种快速精确的多位置估计方位失准角的方法，直接利用水平失准角快速收敛的特性估计方位失准角，从而提高了整个惯导系统静基座对准的精度和速度，计算机仿真结果验证了该方法的有效性。     

运载器起竖过程中捷联惯组初始对准方法的研究

为了克服运载器在垂直发射时受阵风和振动等干扰产生的随机晃动,提出了一种新的自主式捷联惯测组合初始对准方法。该方法合理地利用了发射流程中捷联惯测组合所提供的信息,在不改变系统结构的条件下,改善了系统的可观测性。因此该方法缩短了初始对准时间,改善了方位对准精度。试验结果证明了该初始对准方法的正确性,具有较强的工程实用性。     

基于RBF网络的惯导系统初始对准

建立了惯导系统（ＩＮＳ）初始对准的线性和非线性误差模型。分析了径向基函数（ＲＢＦ）网络的结构和工作原理。研究了ＲＢＦ网代替初始对准中的卡尔曼滤波器的实现方法。通过仿真表明，用神经网络进行初始对准，既可获得与卡尔曼滤波相同的对准精度，又提高了系统的实时性。     

多分辨分布滤波在惯导系统初始对准中的应用

论述了初始对准在惯性导航系统中的重要作用 ,给出了惯导系统初始对准的线性模型。基于小波变换 ,运用多分辨分布滤波对该问题进行了仿真研究。仿真结果表明 ,该方法虽然计算量比卡尔曼滤波计算量要大 ,但是对于组合导航系统或具有冗余传感器的惯导系统 ,它能够充分利用测量信息 ,大大提高初始对准精度 ,也能够满足低阶系统实时对准的需要     

惯导系统可观性的全面分析研究

应用线性控制系统的结构分解理论及奇异值分解法对惯导系统 (INS)初始对准过程中的可观测性进行了全面分析 ,深入研究和详细分析了各种状态组合对系统可观测性的影响 ,定量地得出了惯导系统最佳观测状态组合时的结构分解过程及最佳可观测的子系统 ,为进一步研究INS的快速精确对准方法奠定了理论基础。     

初始对准误差对惯性制导误差影响的简化算法

惯性制导系统初始对准的主要任务是精确确定载体坐标系和制导坐标系之间的初始方向余弦矩阵和载体的初始速度。惯性制导的精度在很大程度上取决于系统初始对准的精度。本文基于初始对准误差引起的惯性导航误差模型,针对近程战术武器系统,在一定精度范围内,忽略引力变化和发射时载体的初始速度,推导出初始对准误差对惯性制导误差影响的简化算法。该算法具有模型清晰,计算简便,易于使用的特点,避免了繁琐的运动学建模和编程计算过程,并且为在项目论证阶段不具备完备的总体数据支持的条件下,进行初始对准精度指标分配提供了理论依据。并经仿真验证,简化算法具有一定的精度。     

一种快速传递对准的方法

传递对准是战术机载武器惯导系统初始对准的一种有效办法。本文采用了一种“速度 姿态匹配”的快速传递对准方法 ,推导了这种方法的数学模型。采用一种简单的飞行轨迹 ,对传递对准滤波器进行了仿真 ,结果表明在较短的时间内 ,子惯导系统不对准角的估计可达到要求的精度。     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

适于惯导系统初始对准的神经网络实时算法研究

通常卡尔曼滤波器被用于解决惯导系统的初始对准问题。由于卡尔曼滤波的运算时间与系统阶次的立方成正比 ,所以当系统阶次较高时 ,滤波器会失去实时性。而神经网络具有函数逼近性能 ,实时性又好。为此 ,本文研究了一种基于扩展卡尔曼滤波原理的权值更新多层神经网络学习算法 ,对此算法进行了详细的推证 ,并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性 ,既真正获得了与扩展卡尔曼滤波器相同的对准精度 ,又大大提高了系统的实时性