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。     

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。     

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。     

捷联惯导系统初始对准技术的研究

以舰空导弹捷联惯导为背景，研究了捷联系系统在舰船支基座情况下的初始对准问题。介绍了目前国内外正在使用与正在研究的各种初始对准方法。比较了它们的性质与使用局限性。这些方法可以作为确定初始对准方案的参考。     

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。     

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。     

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。     

捷联惯导系统大方位失准角下的非线性对准

采用欧拉角描述平台坐标系与导航坐标系间的失准角,推导了适用于捷联惯导系统的非线性误差方程,证明了该方法仅适用于方位误差角为大角度,而水平误差角为小量的情况。数学仿真表明:在方位误差角为大角度情况下,采用所推导的误差方程和非线性滤波技术能获得更高的估计精度。     

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     

惯导系统大方位失准角下的初始对准探讨

从惯导系统任意方位失准角度下的ψ角误差方程出发,详细推导了静基座条件下惯导系统大方位失准角度的Ф角误差方程.利用此Ф角误差方程,分析了大方位失准角度情况下与小方位失准角度情况下初始对准过程的异同,指出了这两种情况下水平回路的误差传播过程类似,因而其水平对准方法也一样;而方位对准回路则区别较大,北向和东向速度误差均能够与大方位失准角耦合.由此提出了一种改进的方位罗经自对准方案,此方案对于任意的方位失准角度均能正确收敛到零.改进后的方案已经在某四频激光陀螺惯性导航系统上得到实际的验证和应用,有效保证了恶劣环境下惯导系统方位对准的可靠性.     

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。     

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。     

一种新的SINS动基座误差模型及其应用研究

研究了一种新的捷联惯导系统（SINS）动基座误差模型及载体动基座对准时的最优机动方式问题。提出利用李雅普诺夫变换建立了一种易于进行分析的SINS动基座误差模型，同时论证了SINS与平台式惯导系统（GINS）模型的等价关系。应用分段定常系统可观测性分析理论和奇异值分析法，深入研究和详细分析了载体的不同机动方式对SINS可观测性的影响，定量地得到了各种机动方式下系统状态的可观测度。研究结果表明，在SINS动基座对准过程中，同时改变俯仰角、横滚角和航向角的俯冲转弯横滚角变化是一种最佳的机动方式，计算机仿真结果验证了该机动方式的有效性。这为进行SINS动基座快速精确对准方法研究提供了理论参考。     

一种新的惯导平台静基座快速初始对准方法

提出了一种新的惯导平台静基座快速初始对准方法。用两步卡尔曼滤波算法替代常规算法估计水平误差角,根据水平误差角快速收敛的估计结果估计收敛较慢的方位误差角。给出了算法模型。理论分析和仿真结果表明:该算法对水平误差角的估计收敛速度可提高1倍,对方位误差角的收敛速度也相应提高,精度与常规方法一致,是一种有效的快速初始对准方法。     

惯导系统可观测性及最佳可观测子空间的定量研究

应用结构分解理论及奇异值分解法对惯导系统（INS）误差模型的可观测性进行了全面分析。研究了一种基于可观测性定义及奇异值分解法结合的定量确定惯导系统可观测性及可观测度的方法，明确了惯导系统的三个最佳不可观测状态组合；应用线性控制系统的Kalman典范结构分解定理，确定了惯导系统的最佳观测子系统。此项研究成果，为进一步研究INS的快速精确对准及标定技术奠定了理论基础。     

SINS基于非线性量测的大失准角初始对准算法

针对陆用捷联惯导系统(SINS)大失准角初始对准问题,提出一种基于二阶非线性量测的二阶泰勒级数展开的初始对准算法。首先,将大失准角非线性对准问题,转化为具有线性系统方程和二阶非线性量测方程的滤波问题。然后,设计基于二阶非线性量测方程的二阶泰勒级数展开的滤波算法,可以在任意姿态和无初值条件下进行初始对准和参数估计。最后进行车载对准试验,结果表明,新算法可以在300s内完成实现大失准角初始对准,对准精度与传统分段对准算法相当。