共查询到20条相似文献,搜索用时 31 毫秒
1.
针对常规H∞滤波跟踪机动过程能力较弱的问题,提出了一种新的强跟踪H∞滤波算法,该滤波算法具有较好的姿态跟踪能力,并保持了H∞滤波模型简单、鲁棒性好的优点.文中通过研究基于强跟踪H∞滤波方法的GPS/INS对准,实现空中机动条件下的惯导系统初始对准.对该算法进行仿真验证,测试结果表明,采用基于H∞的强跟踪滤波可以较好地提... 相似文献
2.
本文针对SINS/DGPS/Magnetometer全组合系统进行了研究,建立了相应的误差模型和系统观测模型。应用扩展卡尔曼滤波算法将GPS测量方程和SINS动态线性化,进行SINS验前状态估计及其误差协方差时间更新。仿真结果表明:本文提出的组合导航系统能够给出载体的高精度姿态信息,位置误差和速度误差也较小。 相似文献
3.
4.
GPS/SINS组合导航系统状态的可观测度分析方法 总被引:6,自引:3,他引:6
线性时变系统状态的可观测度是检验所设计的Kalman滤波器的收敛精度和速度的重要指标。传统的可观测度分析方法存在着各种缺陷,难于满足实际工程应用需求。首先,本文论述了将线性时变系统状态转化为分段式定常系统(PWCS)的可观测性分析方法,并在对PWCS可观测性矩阵进行奇异值分解的基础上,定义系统状态的可观测度。然后,详细证明GPS/SINS组合导航系统满足PWCS分析定理要求,可以用条带化可观测性矩阵(SOM)代替总的可观测性矩阵(TOM)分析系统状态的可观测度。为了分析全弹道GPS/SINS系统状态的可观测度,进一步提出改进的可观测度分析方法。最后,从松耦合GPS/SINS系统仿真结果可以看到,可观测度指标能够很好地预见系统状态的Kalman滤波误差大小。可观测度高则滤波误差小,可观测度低则滤波误差大。这初步表明改进的可观测度分析方法是合理的和可行的。 相似文献
5.
一种改进的INS/GPS组合导航鲁棒H∞多重渐消容错滤波算法 总被引:2,自引:0,他引:2
在对适用于INS/GPS组合导航的H∞滤波方法进行了深入研究基础上,提出了一种改进的H∞多重渐消容错滤波算法.首先给出了H∞滤波算法,然后对渐消记忆滤波方法进行了有效的改进,提出了多重渐消因子矩阵对称加权的滤波算法和残差归一化的多重渐消滤波方法,有效避免了残差量级差别所导致的残差检测失效和修正作用失配,最后提出了一种双重故障检测的容错策略,构造了改进的鲁棒H∞容错滤波器.仿真结果表明,改进的H∞容错滤波方法较常规Kalman滤波对系统模型和噪声的不确定干扰具有很强的鲁棒性,在有色噪声情况下具有高于常规Kalman滤波的精度,对于故障具有较强的检测能力和较好的组合效果,更加贴近于工程应用需求. 相似文献
6.
Kalman滤波在组合导航中的应用已很广泛,但是,在系统不确定情况下,误差出现发散,精度下降,采用的基于Riccati方程的H∞滤波技术对系统噪声的不确定性则具有一定的鲁棒性,但性能参数选取仅能凭经验而无系统的方法,给工程实践带来一定困难.根据现代控制理论最优控制理论思想,使用凸优化技术设计鲁棒混合H2/H∞滤波器融合高精度的GPS和CNS量测信息,解决系统不确定性问题,通过在惯性/卫星/天文组合系统中的半物理数据仿真进一步对混合H2/H∞滤波和H∞滤波算法进行了比较.仿真结果表明,真实器件噪声情况下,鲁棒混合H2/H∞滤波算法明显具有良好的精度. 相似文献
7.
8.
为了提高组合导航的精度和抗干扰性,采用了直接利用GPS接收机原始测量信息(伪距、伪距率)的紧组合方式,详细推导了该组合导航系统的模型,根据全球定位系统(GPS)的误差模型及惯性导航系统(INS)在地固系中的误差方程,以伪距差为量测输入,设计了GPS/INS组合导航系统的卡尔曼滤波器。仿真结果表明,该组合方法可以充分利用GPS的信息修正INS的导航误差,与此同时,INS可以辅助GPS重新快速捕获卫星信号,满足一定的导航精度需求。提高了组合导航系统的容错性,对各种载体的精确导航与制导具有一定的现实意义。 相似文献
9.
针对平流层飞艇的飞行特点,提出SINS/GPS/陆标组合导航方法,给出SINS/陆标组合导航的观测模型,并将状态与偏差分离的估计算法与联邦滤波相结合,应用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统可以有效改善平台误差角的估计精度,同时,提出的简化状态与偏差分离联邦滤波算法能在保持滤波精度基本不变的前提下减少计算量. 相似文献
10.
附加速度先验信息的车载GPS/INS/Odometer组合导航算法 总被引:1,自引:0,他引:1
在GPS/INS车辆组合导航中,GPS信号易受外界干扰而失锁。针对INS单独导航误差迅速累积的问题,在利用速度先验信息辅助INS导航的基础上,加入Odometer观测信息,提高了系统的可观测性和导航精度;另外提出了改进的位置修正法,即不直接利用状态估值修正位置,而是用修正后的速度推算位置。实测算例结果表明,与INS单独导航相比较,采用速度先验信息,提高了载体速度精度,采用改进的位置修正方法,位置精度有大幅度提高;在此基础上加入Odometer观测信息,位置和速度精度得到进一步改善。 相似文献
11.
基于天文角度观测的机载惯性/天文组合滤波算法研究 总被引:2,自引:0,他引:2
针对采用天文/惯性位置组合时对导航选星有特殊要求,提出了基于天文角度观测信息的机载惯性/天文组合滤波方案及算法.对基于天文角度观测的INS/CNS组合导航系统的原理进行了充分阐述,分析并建立了基于单星或多星观测条件下的组合导航系统线性化量测方程,并针对角度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,并在此基础上设计了组合滤波器算法.最后进行了组合导航系统仿真,并通过协方差分析的方法对比分析了单星和双星观测条件下的滤波性能.仿真结果表明,即使是在单星观测条件下,组合导航系统也能获得较好的定位精度;若观测星数增多,则可以大大提高系统性能,表明该组合导航系统设计方案是成功可行的. 相似文献
12.
13.
14.
INS辅助高动态下GPS快速捕获半实物仿真研究 总被引:1,自引:0,他引:1
在INS/GPS组合导航系统中,当使用环境对GPS信号捕获的快速性有特殊要求时,运用外部信息辅助可以有效提高GPS信号的捕获速度。虽然GPS捕获算法在理论上已经比较成熟,但是在具体的工程实现中却存在诸多问题。本文针对实际应用需求,分析并建立了基于INS辅助的GPS快速捕获仿真模型,设计了相应的半实物仿真系统,并对该系统进行了多次动态仿真试验。对试验结果的分析表明,本文所采用的GPS捕获方法在实际的硬件环境中仍然有效,GPS在INS的辅助下不损失精度,而捕获速度可以提高两个数量级,满足实际系统需要。 相似文献
15.
针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
相似文献
相似文献
16.
17.
GPS/INS组合导航算法对比性研究 总被引:2,自引:0,他引:2
详细介绍了GPS/INS组合导航系统在导弹制导中的应用;通过运动系统建模、分析以及合理的假设,最后仿真实现;通过两种组合仿真结果比较得到结论,与惯导定位相比提供更为精确的位置、速度及姿态信息,以及两种方案之间对比性分析。 相似文献
18.
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。 相似文献
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。 相似文献
19.