卡尔曼滤波在弹道组合导航仿真中的应用

根据捷联惯性导航(INS)和GPS导航两个系统不同的特点,通过卡尔曼滤波方法实现了INS/GPS组合导航,以速度差和位置差作为卡尔曼滤波的量测量信息,建立了组合导航的简化滤波方程.在实际陀螺器件含有零偏的情况下,通过在角速度上引入定量的零位偏置来进行弹体模拟投放过程.将仿真导航结果和弹道参数比较,引入的陀螺偏置引起姿态角误差,而速度误差和位置误差比较小,导航计算参数误差在允许范围之内.     

小型无人机水平导航控制研究

在考虑小型无人机特点和多种导航方法的基础上,研究了利用ＧＰＳ／航路推算组合导航方法针对无人机进行水平导航控制的方案,并针对一种小型无尾无人机进行了导航控制规律设计,仿真结果表明,这种组合导航方法即简单又经济,精度高、实时性强,可靠性好,可以构成具有较强实用性的自主式导航系统。     

基于GPS／DR的车辆导航系统研究

本文研究了GPS和航位推算系统的组合导航技术，给出了GPS／DR组合导航系统的设计方案。由GPS接收机、压电陀螺仪和车载里程仪组成的多传感器系统通过卡尔曼滤波器实现信息融合，以提高GPS／DR组合系统导航精度。同时也对GPS／DR系统的MAP图像处理、软件流程和工程实现做了简要说明。     

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

一种无人机推测导航(DR)抗侧风控制策略

随着无人机应用领域的不断扩大，要求无人机在GPS信号失效时仍然能够保证一定的航迹跟随性能。在不给现役无人机增加其他的硬件配置的前提下，本文采用推测导航作为唯一的导航手段，并针对影响推测导航 精度的侧风扰动，研究了一种对抗侧风的控制策略。该策略的实质就是将普通的PID控制律改为一种容错控制律。仿真结果表明，这种控制策略在无人机作直线航迹跟踪时，效果十分理想。     

DR/GPS组合导航系统滤波技术研究

陆用航位推算系统（DR）的精度主要受到里程系数和航向误差的制约,其误差模型本质具有非线性,因此采用非线性滤波算法能显著提高里程系数和航向误差的估计精度。本文将粒子滤波应用到航位推算（DR）/GPS组合导航系统数据融合过程中,对航位推算 (DR) 与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。粒子滤波存在的主要问题是粒子的退化现象严重,本文将量子粒子群优化 (PSO) 算法与粒子滤波相结合,提出了量子PSO粒子滤波算法,该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过量子PSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了粒子滤波的精度。跑车实验结果表明,该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

民用飞机组合导航实际导航性能计算方法

提出了一种民用飞机组合导航实际导航性能计算方法,通过提取组合导航卡尔曼滤波器的误差协方差 矩阵,并对水平位置误差进行近似拟合,获得95% 的概率误差圆半径,即为组合导航实际导航性能。该方法 计算过程简单,易于实现,具有较强实用价值。     

多无人机协同导航技术研究现状及进展

UAV是无人驾驶飞机(Unmanned Aerial Vehicle)的简称,无人机相较于有人驾驶飞机具有用途广泛、成本低和生存能力强等特点,在军事民用领域都有着广阔的前景,受到了国内外研究者的关注。协同导航技术极大地扩展了无人机的应用范围,提高了多无人机定位的精度以及无人机编队的稳定性、安全性和可靠性。现阶段协同导航技术在编队导航、目标监测与跟踪等诸多方面都得到了研究与应用。从四个层次对协同导航的研究现状和进展进行探讨:首先是对多无人机协同导航的概念、基本原理、国内外发展现状和必要性进行阐述;其次对协同导航中相对导航方式进行了分类分析,并分别介绍了无线电导航与视觉导航的原理、优缺点和应用场景;然后从导航目的、协同导航优化算法、滤波方法、协同导航信息融合容错策略几个方面对协同导航进行分析归纳;最后,讨论了基于多无人机协同导航未来的发展趋势。     

单兵自主导航技术发展综述

在卫星受限情况下的单兵自主导航技术是近年来研究的热点。首先介绍了单兵自主导航技术的发展概况,然后重点分析了基于MIMU的单兵惯性导航技术的主要原理和方法,之后针对纯惯性导航存在的问题,介绍了地磁、场景、视觉等常用的单兵辅助导航方法,并阐述了单兵协同导航技术。最后,简要介绍了单兵自主导航技术的未来发展趋势。     

卡尔曼滤波在某型组合导航系统模拟器中的应用

为提高某型GPS／INS组合导航系统模拟器模拟数据的真实性和飞行软件包、GPS模拟器、组合导航系统模拟器三者交联的有效性,在该模拟器中设计了卡尔曼滤波器。文中在介绍模拟器工作原理的基础上,建立了GPS／INS位置与速度组合方式下的卡尔曼滤波器的状态方程和量测方程,用U-D分解法建立了卡尔曼滤波方程,给出了纯惯导及组合后系统的位置与速度误差仿真曲线,并对仿真结果进行了系统测试,最后与其它模拟器进行了组网导航训练测试。     

信息融合技术在组合导航系统中的应用

提出了无线电近程导航系统(RSRN S)与IN S/GPS的综合过程,探讨了RSRN S和IN S/GPS综合应用过程中的信息融合技术问题。采用GPS伪距、伪距率以及无线电近程导航定位与IN S组合,建立了卡尔曼滤波方程,设计了飞行轨迹,对相关的信息融合技术进行了初步讨论,并给出了惯性元件精度较低时组合系统的仿真输出。这种组合导航方案可以充分利用各种导航传感器的信息,有效提高导航系统的精度。     

基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

传统组合导航中的实用Kalman滤波技术评述

在随机线性系统建模准确的情况下,Kalman滤波是线性最小方差无偏估计。针对传统惯导/卫导组合导航的实际应用,难以精确建模,给出了常用的建模方法、状态量选取原则、离散化方法及滤波快速计算方法。讨论了平方根滤波、自适应滤波、联邦滤波和非线性滤波等技术的适用场合,并给出了使用建议。针对前人研究可观测度中未考虑随机系统噪声的缺陷,提出了更加合理的以初始状态均方误差阵为参考的可观测度定义和分析方法。提出了均方误差阵边界限制方法,可有效抑制滤波器的过度收敛和滤波发散。该讨论可为工程技术人员提供一些有实用价值的参考。     

基于联邦滤波的容错组合导航系统仿真分析

设计INS／GPS组合导航系统时,考虑到观测量GPS位置和速度是正相关的,可通过降低单个滤波器的维度形成两个局部滤波器,主滤波器融合局部滤波器的状态估计,得到整个组合导航系统的误差状态估计值。同时,根据各局部滤波器的故障情况选择输出,仅利用未失效系统的局部滤波器得到可靠的最优误差状态估计值,使得容错性能大大提高。结果表明,由于采用了并行运算,增加了系统的余度,有效提高了导航系统的精度和可靠性,有较好的容错性和环境适应性,具有较高的应用价值。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

SINS／GPS／CNS组合导航中的鲁棒滤波算法研究

组合导航系统难以精确建模、噪声统计特性难以获得等问题逐渐突出,严重影响了组合导航系统滤波器的稳定性。为提高SINS／GPS／CNS组合导航系统的鲁棒性,设计了基于H∞滤波理论的鲁棒滤波算法,提高了导航系统对系统模型参数变化的适应能力。通过仿真与线性卡尔曼滤波器进行对比,验证了在系统模型参数变化的情况下,H∞滤波器精度几乎不发生改变,有更好的鲁棒性;提高了组合导航系统在噪声统计特性和模型参数不易确定情况下的导航性能。     

基于MEMS-INS/GNSS组合导航抗差自适应Kalman滤波算法

标准的Kalman滤波器在组合导航领域得到了广泛的应用,然而在实际运动过程中,载体的运动模型是复杂多变的,无法准确掌握系统的动态特性。针对高动态环境下载体动态复杂多变特性带来的动力学模型难以精确构建问题,以及卫星跟踪环路信号易受扰动导致的观测信息出现异常粗差问题,设计了一种基于MEMS-INS/GNSS组合导航系统抗差自适应Kalman滤波算法,研究了优化自适应因子的求解方法。通过跑车试验证明了该算法能够有效地抑制误差发散,提供更加精确的导航定位结果,更好地控制观测信息误差以及动力学模型异常所带来的影响。