陀螺仪随机误差的渐进遗忘多新息Kalman滤波

MEMS陀螺仪由于小体积、低价格等优点在民用领域得到了广泛应用,但是由于工艺水平限制,MEMS陀螺仪测量数据中存在大量的随机误差。为了减小MEMS陀螺仪测量的随机误差、提高测量精度,提出了基于渐进遗忘多新息Kalman滤波的随机误差滤波方法。建立了MEMS陀螺仪随机误差的AR模型,在经典Kalman滤波中引入了多新息修正方法,并使用渐进遗忘因子削弱历史数据的积累干扰作用,从而给出了随机误差的渐进遗忘多新息Kalman滤波方法。同时,使用经典Kalman滤波和渐进遗忘多新息Kalman滤波对MEMS陀螺仪输出数据进行处理,并使用Allan方差分析各噪声含量,可知：渐进遗忘多新息Kalman滤波后的数据其QN噪声比经典Kalman滤波减小了2个数量级,ARW噪声减小了1个数量级,BI噪声减小了2个数量级,RRW噪声和RR噪声减小为原来的约1/5,实验结果验证了渐进遗忘多新息Kalman滤波在陀螺仪随机误差滤波中的先进性。     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

递推阻尼最小二乘法及其在火控系统中的应用

由于火控系统误差模型未知且稳定性较差,采用Kalman滤波实现滤波时,其滤波特性较差;而此时最小二乘法是实际工程应用中的常用方法,但是容易产生参数爆发现象。文中提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,将其应用到火控滤波系统中。仿真结果表明,利用递推阻尼最小二乘法能达到递推最小二乘法同样的精度,且能明显抑制参数爆发现象,达到良好的滤波效果。     

MEMS陀螺静态误差补偿方法研究

针对典型MEMS陀螺静态误差大、 影响工程上使用的难题,提出基于时间序列模型的Kalman滤波方法.通过对典型MEMS陀螺数据进行分析,提取其趋势项,进行周期检验与相关性分析,建立时间序列模型;针对建立的时间序列模型,提出利用Kalman滤波方法,消除零位不稳定性.仿真及试验结果表明,该解算方法能够有效补偿MEMS陀螺静态误差,显著提升其静态指标.     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。     

MEMS冗余惯组小幅值故障检测的PCA算法设计和优化

当组成冗余惯组的陀螺为MEMS陀螺,而故障又为幅值比较小的阶跃故障时(仿真发现,阶跃故障幅值为陀螺噪声方差的10倍左右大小时),使用以往的PCA故障检验方法,陀螺噪声会造成故障检测的困难.针对这种情况,提出了MEMS冗余惯组小幅值故障检测的PCA(Principal Component Analysis)算法设计和优化的方法,在以往PCA算法的基础上结合假设检验算法,考虑了陀螺噪声的影响,降低了MEMS陀螺噪声对故障检测的影响.通过仿真验证,证实了本文算法比以往PCA算法具有更高的检测准确性和灵敏度,这对于提高整个系统的可靠性具有重要意义.     

自校准Kalman滤波方法

提出一种自校准Kalman滤波方法(SKF),建立SKF模型及其滤波递推算法.在深空探测、发动机故障诊断等许多工程实际中,由于未知输入(如突风、故障、未知的系统误差等)的影响,传统的Kalman滤波方法在滤波递推过程中会产生较大误差.文中提出的自校准Kalman滤波方法能够自动补偿这种未知输入的影响,提高滤波精度.从某飞行器仿真中可以看到,SKF的滤波误差均值和方差分别比传统的Kalman滤波方法降低了400%和300%以上,有效地改善了滤波效果.并且该方法计算简单,便于工程应用.     

MEMS陀螺零偏温度补偿模型研究

针对MEMS陀螺工作易受温度变化影响、角速度测量输出误差大、预热时间长的问题,通过大量实验数据分析、总结规律,建立了零偏温度补偿模型,并结合最小二乘法利用多元线性回归技术对模型参数进行了辨识。对比零偏温度补偿前后的试验结果表明,经过补偿后的MEMS陀螺不但测量精度得到提高,其工程应用稳定性也得到增强。     

铣削过程在线辨识与极点配置自适应控制

 研究了铣削加工过程的建模、参数在线辨识及自适应控制问题,为铣削过程建立了二阶离散传递函数模型,提出了一种修正的带遗忘因子递推最小二乘参数辨识算法,从而解决了普通递推最小二乘辨识算法中由于递推计算协方差矩阵衰退或膨胀引起辨识结果失真的问题,采用极点配置设计原理,为铣削过程推导了自适应控制的控制律。仿真和实验表明,修正的最小二乘辨识算法和极点配置自适应控制律是正确和可靠的,自适应控制器可获得所需的响应性能。     

基于自回归与最小均方理论的振动环境下 光纤陀螺仪滤波方法

针对振动应力下光纤陀螺产生测量误差增大的问题,从振动对光纤环的影响机理出发,分析了振动应力下光纤陀螺干涉信号的表现形式,提出了基于自回归最小均方滤波理论的光纤陀螺滤波方法,将AR模型的平稳性和最小均方根滤波的自适应性相结合,提取平稳数据的特性参数,对高频信号进行滤波,降低非互易相移产生陀螺角速度误差值的干扰.试验表明,该方法简单可行,有效地降低了振动应力下光纤陀螺输出信息的噪声,抑制了由振动引起的陀螺漂移.     

基于Allan方差的激光陀螺噪声估计方法研究

激光陀螺的噪声影响其使用精度,为提高精度需要对噪声进行估计。研究几种基于Allan方差的激光陀螺噪声估计方法。首先,介绍了Allan方差的基本定义,以及运用Allan方差理论估计陀螺仪随机噪声系数的基本原理。详细叙述了三种典型噪声系数估计方法,即最小二乘法、分段估计法与规范化最小平方回归算法,指出各方法原理上的优缺点。最后通过对多组环形激光陀螺实测信号的定量分析,详细比较了三种噪声系数估计方法。结果表明,规范化最小平方回归算法计算简便,耗时短,拟合曲线平滑,拟合精度高,且具有较好的重复性,与其它两种估计方法相比,是一种更有效、科学,更适用于环形激光陀螺随机噪声特性分析的系数估计方法。     

基于舰船运动时间序列预报的直升机着舰时机判断

为解决舰载直升机在海上返航着舰的安全问题,开展了直升机着舰时机判断研究。首先,基于时间序列预报方法,采用AR自回归模型,模型参数估计使用递推最小二乘算法进行在线辨识,对于存在的数据饱和问题引入了遗忘因子加以解决,实现了对舰船运动的短期预报。然后,根据舰船横摇运动的实时预报结果和周期性特点,选取横摇角度及角速度满足安全阈值的时间段,确定直升机安全着舰的时机。研究结果表明：该方法有效提高了直升机着舰的安全性。     

目标运动要素解算方法的探讨

提出了适用于水下目标运动要素估算数据融合、最小二乘估计和Kalman滤波估计模型,本模型被用于航空反潜作战中目标运动要素估算,具有良好的效果。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.      

一种适用于MEMS惯组的低维传递对准方法

为适应惯导系统低成本、轻量化的发展方向,使用MEMS惯组作为敏感器逐渐成为惯导系统采用的主要方案.但是,该方案存在MEMS惯组内陀螺和加速度计常漂大、重复性差、安装误差难以标定的问题,需要使用高精度惯导作为基准对上述误差进行估计.通过构建导航速度、姿态阵的误差模型,使用Kalman滤波算法对误差参数进行估计,实现了对陀...     

基于MEMS陀螺的风洞模型水平姿态动态测量与精度评估

风洞实验对模型的水平姿态实时动态测量精度的要求不断提高,微小型飞行器模型、高精度的激光陀螺、光纤陀螺惯性测量单元往往在体积、质量方面受到限制,而单一的MEMS系统在水平姿态测量精度方面通常难以达到要求。采用高精度石英挠性加速度计替代MEMS加速度计,与MEMS陀螺进行组合测量。针对加速度计I/F转换脉冲量化及陀螺漂移对动态测量精度的影响,提出了一种基于速度观测Kalman滤波的水平姿态动态测量算法,以提高风洞实验中模型水平姿态的测量精度。提出了在三轴飞行模拟转台上,利用高精度激光陀螺捷联惯导系统的测量结果作为基准进行动态精度评估的方法,解决了安装误差、时间同步等因素对评估精度的影响。通过与其他几种惯性水平姿态测量方法进行精度对比,验证了该算法的技术优势。     

卡尔曼滤波中模型噪声方差阵的自适应最大似然递推估计

本文运用最大似然(ML)估计方法给出滤波模型中噪声方差阵的递推自适应估计。仿真结果表明,本文所提供的方法改进了滤波性能,防止了滤波的发散。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

考虑非高斯相关噪声的视线角速率提取算法

针对捷联导引头敏感信息存在非高斯噪声且状态噪声与观测噪声相关的问题,提出了修正球面坐标系下带有相关噪声解耦的扩展椭球集员滤波（ESMF）算法。首先,通过对弹目相对距离及其变化率的规范化处理,得到修正球面坐标系下的视线角速率提取模型;然后,利用相关噪声解耦方法去除观测方程中耦合的状态噪声项,基于泰勒级数展开推导了相关噪声解耦后的模型线性化表达式,得到包含线性化误差的虚拟噪声椭球集合,并根据最小迹和最小化尺度因子上界的优化方法得到状态更新与观测更新椭球,形成非高斯相关噪声解耦的扩展椭球集员滤波算法。仿真结果表明,所提算法能够在考虑非高斯相关噪声的情况下,实现捷联导引头视线角速率的高精度提取。