基于三级滤波的民用飞机组合导航融合算法研究

高精度导航系统是民用飞机必备的机载航电设备。针对民用飞机导航传感器冗余配置特点,设计了一种基于三级滤波的组合导航融合算法。首先根据民用飞机传感器配置特点设计三级滤波架构,然后通过第一级卡尔曼滤波器的局部估计、第二级联邦滤波器的全局估计和第三级全局滤波器的最优全局估计,最终实现导航参数的最优全局估计。最后,通过计算机仿真证明该方法具有很好的位置、速度和姿态估计精度,能够满足民用飞机导航系统的高精度测量要求。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检...     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

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。     

再论联邦滤波在组合导航中的应用可行性

在联邦滤波算法中，针对子滤波器存在私有状态从而导致全局状态信息融合估计为次优估计的问题，通过一个简单的3维状态、2维量测系统的数值仿真以及速度+姿态传递对准组合导航仿真，验证了联邦滤波的次优估计结果误差太大，难以满足实际系统的高精度滤波需求。联邦滤波估计的次优程度没有经过严格证明，且难以证明，因而存在应用风险。对于以精度为主要性能指标的组合导航系统，不建议采用联邦滤波算法，否则其精度损失不足以弥补其带来的计算量降低和容错性提高的优势。     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

基于自适应联邦滤波的相对导航信息融合

针对基于GPS/MV组合导航方式的无人机空中加油问题,分析了对接阶段GPS及视觉传感器存在的条件约束。在建立导航传感器非线性相对位置测量模型的基础上,设计了基于扩展卡尔曼滤波的自适应联邦滤波器,并与集中式滤波进行了对比仿真。结果表明,提出的算法保证了部分传感器失效时导航数据输出的平稳性和容错性,滤波精度完全满足无人机空中加油相对导航系统要求。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大，进而导致联邦滤波估计出现偏差的问题，为了改进联邦滤波融合方法，将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合，应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器，使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度，进而得到联邦滤波器的置信度，再由得到的置信度对各子滤波器及联邦滤波器输出进行加权，得到最终的全局输出。对车载组合导航系统的仿真结果表明，这种算法对量测噪声具有较强的自适应性，能够抑制置信度低的子滤波器在融合系统中所占的权重，提高联邦滤波融合算法的精度，是一种可行的车载组合导航数据融合算法。     

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。     

基于扩维QLEKF的脉冲星/星间定向组合导航

面向星座卫星高精度自主导航技术需求,设计了一种融合X射线脉冲星和星间定向观测信息的组合导航方法。通过X射线探测器获得脉冲到达时间观测量,照相观测星相机和星间链路设备获得星间相对位置矢量观测量,设计导航滤波器对观测量进行处理,估计参与导航的星座卫星的运动状态。针对地球星历误差影响组合导航性能的问题,将地球相对于太阳系质心的位置扩充为状态向量,设计了扩维扩展卡尔曼滤波器,利用敏感器观测量对导航所需的地球位置矢量进行实时估计,从而削弱地球星历误差的影响。进而,针对滤波器参数选取影响状态估计精度的问题,设计了一种Q学习扩展卡尔曼滤波器（QLEKF）,主要思路是利用Q学习方法的决策能力,自适应地选择适当的滤波器参数以改善估计性能。数学仿真结果表明,所提方法能够有效减小地球星历误差对星座自主导航的影响,取得优于传统滤波算法的定位精度。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

一种基于逆向导航的双轴旋转惯导系统自标定方法

针对惯导系统高精度自标定的需求,提出了一种基于逆向导航的双轴旋转惯导系统自标定方法。通过转位运动对系统误差进行激励,利用Kalman滤波器进行误差估计,同时存储标定数据,待正向导航滤波结束后,利用逆向导航算法对存储数据二次利用,继续进行误差估计,直到所有状态量收敛到一定精度,实现了对数据的充分挖掘。仿真和试验结果表明,该方法可以实现对双轴旋转惯导系统的全参数自标定,提高了标定精度。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

绕月探测器的自主光学导航研究

提出了一种利用高斯-马尔科夫过程和Unscented卡尔曼滤波的绕月探测器自主光学导航算法。针对很难事先确定精确地绕月探测器轨道动力学模型问题,提出利用高斯-马尔科夫过程来近似轨道动力学中的无模型加速度,进而提高了轨道动力学模型的精度;考虑到基于扩展卡尔曼滤波的轨道确定存在的问题,提出利用基于Unscented卡尔曼滤波来估计探测器的位置、速度及无模型加速度,提高了轨道估计精度和保证了算法的稳定性。最后,通过数学仿真验证了自主光学导航算法的有效性。     

基于Starlink机会信号/INS的组合导航方法

针对全球卫星导航系统(GNSS)因频点单一、落地功率低、易受电磁干扰以及存在覆盖较差区域等潜在的被拒止或被干扰导致的导航系统性能降低甚至失效的问题,提出了一种基于星链(Starlink)机会信号融合惯性导航系统(INS)的飞行器动态组合导航方法。首先分析了星链信号体制,建立了基于星链星座卫星下行机会信号的瞬时多普勒定位观测模型,设计了一种基于频率细分的快速最大似然多普勒频率估计方法,然后建立了基于扩展卡尔曼滤波(EKF)的Starlink机会信号/INS的组合导航模型,并对该导航方法进行了实验及分析。结果表明,该方法可为飞行器提供长航时、连续、高精度的导航。动态飞行情况下,该方法可实现平均优于25 m的三维定位精度和平均优于0.1 m/s的速度估计精度,比相同观测时间下的惯导精度提高了1～2个数量级,显著提高了飞行器的导航精度,可为战略导航提供方法和技术支撑。     

高空长航时无人机高精度自主定位方法

针对传统基于轨道动力学模型及非线性滤波进行间接敏感地平天文导航定位方法在实际应用中的局限性,提出了一种适用于高空长航时无人机自主导航定位的快速间接敏感地平天文解析定位新方法。分析了星光折射视高度天文量测的机理,导出天文三维定位的解析表达式,详细阐述了利用最小二乘微分校正法代替非线性滤波的天文定位方法,通过直接求解非线性量测方程组即可得到飞行器的精确位置信息,并对这种定位方法的定位精度进行了理论分析。该天文定位方法利用了星光折射间接敏感地平精度高的特点,又不需要飞行器动力学模型也不需要任何先验知识,算法简单可靠,计算量小,而定位精度与传统方法相当。最后,通过计算机仿真,验证了这种天文定位方法的有效性。     

Enhanced motion and sizing of bank in moving-bank MMAE

The focus of this research is to provide methods for generating precise parameter estimates in the face of potentially significant parameter variations such as system component failures. The standard multiple model adaptive estimation (MMAE) algorithm uses a bank of Kalman filters, each based on a different model of the system. Parameter discretization within the MMAE refers to selection of the parameter values assumed by the elemental Kalman filters, and dynamically redeclaring such discretization yields a moving-bank MMAE. A new online parameter discretization method is developed based on the probabilities associated with the generalized chi-squared random variables formed by residual information from the elemental Kalman filters within the MMAE. This new algorithm is validated through computer simulation of an aircraft navigation system subjected to interference/jamming while attempting a successful precision landing of the aircraft.     

基于边缘采样的简化高阶CKF在非线性快速传递对准中的应用

针对舰载机惯导系统非线性传递对准问题中误差模型不完善的问题，同时考虑了挠曲运动和动态杆臂的影响，提出了一种新的适用于大方位失准角情形下的挠曲变形和杆臂效应加速度一体化误差模型。采用高阶容积卡尔曼滤波（HCKF）算法对状态进行滤波估计，考虑到HCKF具有较大的计算量，分析了传递对准模型的状态方程与量测方程结构，设计了一种基于边缘采样的简化高阶容积卡尔曼滤波（M-RHCKF）算法，其在时间更新中使用边缘采样算法，在量测更新过程中使用简化量测更新过程，并给出了该算法的证明过程。采用"速度+姿态"组合匹配方式，对提出的误差模型进行仿真实验。结果表明，该模型可以满足对准精度和对准时间的要求，相比于未考虑动态杆臂的传递对准模型具有更高的对准精度。     

大失准角下MIMU空中快速对准技术

 为了提高微小型无人机空中的反应速度和作业精度，提出将基于模型误差预测的扩展卡尔曼滤波(MEP-EKF)方法应用在大失准角下微惯性测量单元(MIMU)的空中对准中，通过不同机动飞行策略的仿真结果，证实MEP-EKF算法不仅能够实时估计出系统的模型误差，而且将其与扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF)方法进行了仿真比较，结果表明MEP-EKF算法在方位误差角的估计上，取得了比EKF和UKF精度高的仿真结果，使得方位失准角由30°快速下降到1°左右，而且MEP-EKF所需时间仅是UKF的17%。     

航空制导炸弹挠性SINS/GPS组合导航系统研究

针对航空制导炸弹对低成本、高精度、高可靠性导航系统的需求,利用小型化挠性惯性测量组合(IMU)与高精度、高数据更新率的GPS-OEM板组成高精度、低成本的SINS/GPS组合导航系统。SINS和GPS采用速度、位置综合模式,利用Kalman滤波进行数据融合。最后对该组合导航系统进行了数学仿真试验和车载试验。研究表明,此低成本的组合导航系统具有精度高、成本低、可靠性好、体积小等优良指标。