捷联惯导/星敏感器组合导航技术研究

针对在捷联惯导系统中陀螺的误差存在随着时间积累而逐渐增大的缺点,提出了捷联惯导系统+星敏感器的组合导航方案,并进行了仿真及结果分析。以Kalman滤波为基础,通过将捷联惯导系统和CCD光学传感器所测得的飞行器相关姿态信息进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角。详细推导了捷联惯导+星敏感器组合导航的算法,并通过对仿真结果的分析证实了该方案的可行性和算法的有效性。     

ABC优化BP神经网络算法在组合导航中的应用研究

针对北斗/捷联惯导组合导航,提出一种基于人工蜂群ABC(Artificial Bee Colony)算法的反向传播BP(Back Propagation)神经网络算法。首先,在北斗卫星导航系统接收机正常接收信号时,将捷联惯性导航解算信息(速度、位置)作为网络输入,卡尔曼滤波输出信息(速度、位置校正量)作为网络输出,对ABCBP神经网络进行在线训练,建立ABCBP神经网络的映射数学模型。然后,在北斗卫星导航系统接收机信号失效情况下,将惯性导航解算信息作为网络输入,利用建立好的ABCBP神经网络预测输出校正量信息,以此来校正捷联惯导系统SINS(Strapdown Inertial Navigation System)。最后,通过飞机飞行半物理仿真实验验证该算法的性能。仿真结果表明,ABCBP神经网络算法在定位精度方面具有更加优越的性能。     

长航时环境下高精度组合导航方法研究与仿真

研究了一种利用捷联惯导、星敏感器和北斗接收机进行长航时高精度组合导航的方法.对捷联惯导系统误差、星敏感器安装误差、北斗定位误差分别进行建模,将星敏感器输出的载体姿态角、北斗接收机输出的载体位置与捷联惯导输出的对应参数分别相减作为量测,推导获得组合导航量测方程.针对长航时环境下可能面临量测噪声统计特性的不确定问题,采用简化的Sage-Husa自适应滤波算法进行组合导航滤波设计.仿真结果表明,该组合导航方法的定位精度达到±11.86m,定姿精度达到±0.27′,并且对量测噪声统计特性的突变具有较强的鲁棒性.     

捷联惯导与星跟踪器组合导航算法研究

捷联惯导与小视场星跟踪器构成惯性/天文组合导航系统,核心思想是利用星体跟踪器的高精度测角信息设计滤波修正算法对捷联惯导的导航姿态、方位和位置误差进行滤波估计并修正,以限制捷联惯导系统导航误差随时间的发散,最终提高系统长航时导航的导航精度。在分析小视场星体跟踪器量测量与SINS导航误差之间关系的基础上,设计了两种不同的组合导航算法：位置+方位修正算法和误差角组合导航修正算法。在此基础上对两种算法的导航精度进行了理论分析,并通过长航时仿真飞行数据进行了仿真验证。结果表明：位置+方位修正算法不受载体的位置误差的影响,更适用于星体跟踪器间断工作的情况;误差角组合算法不受载体姿态误差的影响,更适用于SINS初始位置误差得到有效修正的情况。     

无源北斗/惯导组合导航模糊自适应算法

为了提高无源北斗卫导/惯导组合导航系统在各种情况下的定位精度,提出了一种组合导航算法模型,并引入模糊逻辑算法对这一模型进行改进,通过监控卡尔曼滤波新息实时调整其噪声方差参数,实现了导航算法模型的自适应性,使改进后组合导航算法的定位精度得到提高。最后,通过仿真验证了模糊逻辑自适应算法可以有效地提高组合导航系统的定位精度。     

基于北斗双星定位系统的组合导航滤波算法实现研究

捷联惯性导航系统的主要缺点是导航定位误差随时间增长。北斗双星定位系统是我国独立研制的一种区域性卫星导航定位系统,具有自主性强、定位精度较好的特点。因此捷联惯导与北斗双星定位的组合成为具有我国特殊意义的一种组合导航系统。论文针对北斗双星定位系统设计了一种低阶卡尔曼滤波器,建立了双星的量测噪声模型。首次提出了使用逐次逼近法来解决北斗双星系统中存在的位置滞后的问题,并且最后进行了实际的跑车验证。试验表明,该组合导航滤波算法实时性好,精度高,具有较好的工程应用价值。     

基于北斗双星定位辅助的SAR/INS组合导航系统研究

由于SAR/INS/北斗组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，而现有的北斗定位系统输出也具有一定的延时，因此，SAR／INS／北斗组合导航系统中的量测信息输出具有不同步和滞后的特点。针对上述问题，采用常规的联邦滤波算法将难以获得高精度滤波结果。为此，本文在分析SAR／INS／北斗组合导航系统工作过程的基础上，结合卡尔曼滤波的具体原理，设计了针对不同步量测信息的基于联邦滤波理论的组合滤波方案，并进一步提出了解决量测信息滞后问题的算法，从而可以有效处理SAR／INS／北斗组合导航系统中的信息融合问题。协方差分析结果表明提出的组合滤波方案可行，该方案对SAR／INS／北斗组合导航系统的实际应用具有重要的理论参考价值。     

空间转移飞行器自主导航系统的信息融合方法

针对空间转移飞行器的工作环境和特点,分析了捷联惯性导航系统(SINS)、GPS和星敏感器(SS)的优缺点,提出了基于SINS/GPS/SS的空间转移飞行器自主导航系统的信息融合方法,该方法可取长补短,将GPS定位和星敏感器定姿精度高的优势辅助于捷联惯导系统,建立了组合导航滤波模型,利用联邦滤波组合导航中各子滤波器没有私有状态变量的特点,改进了联邦Kalman滤波器,可动态地选取并优化信息分配因子,便于实时处理。仿真结果表明,改进的联邦滤波算法能充分运用各导航系统的信息进行信息互补和信息融合,比传统的联邦滤波算法有更高的估计精度,可满足空间转移飞行器长时间的自主导航要求,是一种较理想的自主导航方案,具有重要的工程应用价值。     

捷联惯导/星敏感器组合系统的在轨自标定方法研究

研究了捷联惯导/星敏感器组合系统中对陀螺仪和星敏感器进行在轨自标定的方法。分析捷联惯导系统和星敏感器的误差源,对陀螺仪随机漂移和星敏感器安装误差进行建模并列入系统状态,建立系统状态方程;利用捷联惯导输出的载体位置、姿态与星敏感器输出的姿态矩阵来构造量测,建立量测方程。设计卡尔曼滤波算法,经过滤波计算获得陀螺仪随机常值漂移和星敏感器安装误差的估计值,从而实现组合系统的在轨自标定。仿真结果表明,基于卡尔曼滤波的在轨自标定方法能够标定出85%以上的陀螺仪随机常值漂移和95%以上的星敏感器安装误差。     

深空自主着陆导航技术研究与展望

随着深空探测活动范围的快速扩大,探测器需要在天体实施着陆与返回,因此对导航技术的自主性和精度要求越来越高。提出一种基于视觉/惯性的组合导航系统,该系统的计算机视觉模块采用SURF算法,不仅可以实时地确定探测器的位置,而且能够确定探测器的姿态;惯性导航模块实时获取探测器的位置、速度和姿态信息;组合导航系统采用Kalman滤波技术,将计算机视觉模块和惯性导航模块获取的位置、姿态信息进行组合。该组合导航系统将惯导系统与视觉系统信息融合,通过引入计算机视觉系统所获得的位置和姿态信息,可以有效减小惯导系统误差。仿真结果证明,这种组合导航系统能够有效提高系统导航精度。文中还展望了深空探测器天体着陆导航技术未来的发展趋势。     

卫星/INS组合导航仿真平台结构与仿真模型研究

建立卫星/INS组合导航仿真平台可以先行对结构设计、相关算法和精度分析验证提供支持,是优化设计指标和加快开发周期的有效途径。本文根据卫星/INS组合导航系统的特点,利用面向对象技术进行模块分解,设计了一种扩展性好的卫星/INS组合导航仿真平台结构。并提出了与此平台构建相关的关键仿真模型。另外,还提出了一种从数值上对卫星轨道根数进行仿真的方法,避免了直接由动力学模型来计算卫星轨道根数的复杂性,简化了卫星轨道根数的仿真。     

伴飞卫星自主相对导航衰减记忆滤波算法

为实现伴飞卫星的自主相对导航,基于C-W方程提出了一种在伴飞卫星轨道系中建立简化的相对运动方程构成星上轨道递推、根据导航敏感器输出进行量测更新的导航滤波器,并利用衰减记忆滤波算法抑制系统模型误差对相对导航结果的影响。仿真结果表明,该滤波算法可实现伴飞星的自主相对导航。它不仅较C-W方程更简单,而且适于模型不准确时的相对导航,工程实现易。     

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。
     

高超声速飞行器发射坐标系导航算法

针对高超声速飞行器弹道特点和导航参数的需求,提出基于发射坐标系(LCEF)的高超声速飞行器导航算法。首先,介绍发射坐标系下捷联惯导(SINS)算法编排,推导发射坐标系下姿态、速度和位置离散递推方程。然后,介绍地心地固系(ECEF)下的卫星位置和速度转换到发射坐标系的方法,推导发射坐标系的SINS/BDS组合导航滤波器状态方程和量测方程。最后,以助推-滑翔飞行器为对象,进行了发射坐标系下组合导航仿真,位置精度小于10 m,速度精度小于0.2 m/s。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

惯导/测距/测速相结合的安全软着陆自主导航方法

针对地外天体软着陆中惯导误差随时间增大,无法提供准确的高度和三维速度信息的问题,提出了一种惯导、测距和测速相结合的安全软着陆导航方法。该方法以惯导为基础,利用测距仪修正惯导的高度信息,利用测速敏感器修正惯导的速度信息。详细介绍了惯性导航的基本原理及测距、测速组合修正的策略,对软着陆过程的动力学模型、敏感器测量模型、滤波方程、地形对修正的影响,以及组合使用的策略和算法等问题进行了论述。数学仿真结果表明惯导、测距和测速相结合的方法能够满足安全软着陆的需要。     

基于Sigma-point卡尔曼滤波的INS/Vision相对导航方法研究

针对无人机编队常用的leader-follower(领航-跟随)飞行模式,提出了一种考虑视觉导航设备输出时间延迟问题的INS/Vision相对导航方法,给出了leader与follower之间的相对惯导方程以及相对视线矢量测量原理.由于INS/Vision相对导航系统是一个强非线性系统,采用Unscented卡尔曼滤波融合相时惯导信息和相对视线矢量信息,从而估计出leader与follower之间的相对位置、相对速度和相对姿态,受姿态四元数的归一化限制,在滤波中采用罗德里格斯参数作为姿态误差状念,对于视觉导航系统量测量存在时间延迟的问题,给出了延迟后的量测量与当前惯导信息融合的方法,最后通过仿真研究证明了方法的有效性.     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统,针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题,提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数,以提高SINS单独工作时的定位精度;此外,提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验,结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差,相比于速度约束与卡尔曼滤波相结合的常规算法,有效地提高了GNSS失效时的车载SINS定位精度。     

一种利用地球敏感器的星光导航方法

针对直接敏感地平的红外地平仪-星光导航系统精度低的问题,提出通过建立扁率误差补偿函数,研究扁率引起的姿态角测量误差;建立地心矢量的姿态角误差模型,通过修正地球扁率误差来补偿姿态角,对卫星施加姿态偏转指令调整地心矢量偏移。同时基于SODERN地球红外辐射模型,考虑红外辐射强度随纬度和季节的变化建立真实红外辐射曲线,通过滤波算法获得精确的地球切线边缘的量测信息,提高红外地平仪测量精度。仿真结果表明,该方法有效提高了基于红外地平仪的星光导航定位方法的可靠性和精度,导航位置误差能达到500m左右,较原有系统提高3倍以上。