基于递阶联合滤波器的故障检测与重构方法

随着现代航天器等高精度飞行系统的日益复杂，飞行控制系统的安全运行问题愈来愈突出地表现出来。故障检测、隔离和重构（FDIR）技术是航天器可靠性的重要保证。文章在卡尔曼滤波估计算法的基础上，提出 了基于递阶联合滤波器族的故障检测、隔离和重构方法。该方法根据备份滤波器的概念，构造了一种融合滤波器的树状递阶联合结构，在此基础上，可以设计并实现多级故障检测和隔离措施，进而有效地完成系统的重构功能。通过一个INS／GPS／Doppler组合导航系统的仿真实例， 说明了该方法的可行性和有效性。基于递阶联合滤波器结构的多传感器信息处理技术克服了集中卡尔曼滤波器和普通联合滤波器的缺陷，对提高多传感器系统的容错性能具有重要意义。     

高度辅助的INS／SAR组合导航系统研究

对基于SAR图像匹配定位的地形辅助惯性导航系统的原理进行了充分阐述；同时针对SAR图像匹配定位高度通道不可观的特点，增加了高度输出为系统的观测量，从而构成了高度辅助的INS／SAR组合导航系统，并给出了系统实现原理图。依据对SAR图像匹配定位和气压高度表输出的分析，建立了组合导航系统的量测方程，在此基础上设计了线性卡尔曼滤波器，并完成了组合导航系统仿真。仿真结果表明，组合导航系统的定位精度可大大提高，该组合导航系统设计方案是成功可行的。     

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

高精度SINS/CCD/GPS组合导航系统研究与仿真

选取捷联惯导系统误差作为系统状态,利用捷联惯导系统(SINS)与电荷耦合器件(CCD)星敏感器各自的姿态矩阵输出构造量测,设计SINS/CCD组合导航算法;利用SINS与全球定位系统(GPS)各自的速度、位置输出构造量测,设计SINS/GPS组合导航算法。然后,利用联邦型卡尔曼滤波技术,将各子滤波器输出的系统状态局部最优估计值送入主滤波器,通过全局最优融合算法计算得到系统状态的全局最优估计值。仿真结果表明,基于SINS/CCD/GPS的组合导航系统具有很高的导航精度,达到了3.5m的定位精度和9″的航向精度,非常适用于飞行器的高精度导航定位。     

发射系下SINS/GPS/CNS多组合导航系统算法及实现

首先建立了发射惯性系下的组合导航系统模型,据此设计了基于联邦滤波器的SINS/GPS/CNS组合导航算法,最后研制了基于PC104硬件平台的组合导航算法验证样机。通过实时半物理仿真测试得出,三组合导航系统的姿态误差小于15″,位置误差小于10m,速度误差小于0.2m/s,表明所设计的组合导航系统算法正确,实现合理。     

基于自由软件的GPS／INS组合导航系统设计

自由软件运动的兴起，带给导航系统一个全新的设计模式，即根据所设计的导航系统定制实时内核，将应用层的设计和内核层的设计融合在一起。文章将自由软件应用到导航系统设计中，提出了基于自由软件的导航系统设计方法，并给出了基于自由软件uC／OS的GPS／INS组合导航系统的实现，经实验验证，本系统具有良好的性能。     

GPS/INS组合导航系统半实物仿真研究

为了研究ＧＰＳ组合导航系统的性能,利用跑车实验实时采集的惯性导航系统和ＧＰＳ的数据进行了测后仿真研究。分别进行了ＧＰＳ／ＩＮＳ位置、速度组合和伪距、伪距率组合仿真,仿真中组合Ｋａｌｍａｎ滤波器采用数值稳定性较好的Ｕ－Ｄ分解算法。最后给出了纯惯导及组合后系统的位置、速度误差仿真曲线,结果分析及相关结论。     

基于RT-LAB的组合导航仿真平台设计

设计了一种基于RT-LAB的SINS/GPS/CNS（Strapdown Inertial Navigation System/Global Positioning System/Celestial Navigation System）组合导航系统仿真平台方案,建立具有故障检测、隔离和系统重构能力的基于联邦卡尔曼滤波器的姿态、位置、速度组合导航系统方案和结构.将SINS与GPS的位置之差和速度之差作为SINS/GPS子滤波器的观测量,通过CNS给出的载体惯性姿态信息获得SINS的姿态误差角测量信息.仿真结果表明,该系统方案具有较强的容错性能、较高的导航精度和很强的实时性能,为组合导航技术的研究提供了有益的参考.     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

车载GPS/DR组合导航系统的研究

介绍了车载GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统的设计,在对GPS/DR组合导航系统中主要误差来源分析的基础上,建立了表示这些误差的数学模型.根据组合系统的数据融合原理,提出一种基于对观测量进行误差补偿的迭代扩展组合卡尔曼滤波算法.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该算法在提高GPS定位精度的情况下,能很好地修正DR系统的积累误差,大大提高了组合系统的完整性、可靠性.      

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

BP/GA混合算法在简易组合导航系统中的应用

Kalman滤波器是组合导航中最常用的最优滤波工具,但是在组合导航系统中有一些应用的局限性,尤其在低成本的GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统中,存在着使用的GPS接收机和惯导测量元件的精度不够高的问题,要提高系统的测量精度,只能提高算法软件的先进性.为补偿卡尔曼滤波发散的缺陷,将神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到GPS/DRS组合导航系统中,该算法不仅具有普通神经网络的自主学习能力、好的实时性,还克服了传统算法收敛速度慢、对学习参数敏感、局部有极小点等缺点,同时兼具卡尔曼滤波的最优估计性能.仿真结果验证了这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性,经过对仿真数据进行统计分析,纬度误差的最大值降低了一个数量级.     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

一种新的SINS/GPS深组合导航系统设计

为了提高GPS在高动态、强干扰条件下的跟踪性能和导航精度,提出了一种新的SINS/GPS深组合导航方案.利用卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪回路,能够同时完成所有可视卫星信号和组合导航信息处理的任务;利用矢量跟踪算法加强各跟踪通道相互关联,增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在信号中断条件下的导航性能;利用相关器输出的I和Q路测量值直接作为导航滤波器的观测量,减小滤波过程残差,可以提高组合导航系统的导航精度和跟踪性能.仿真验证表明,这种基于矢量跟踪的深组合导航方案不仅在GPS信号中断期间能够保证系统的导航精度和可靠性,而且在低载噪比条件下可以增强导航系统的跟踪性能以及抗干扰能力.     

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.     

Optical/radio/pulsars integrated navigation for Mars orbiter

In this paper, we address the issue of the integrated navigation algorithm with different combination of measurements for Mars orbiter. First, system dynamic model and navigation measurement models using optical measurement information, radio measurement information and X-ray pulsars measurement information are respectively established. Second, optical/radio/pulsars integrated navigation algorithm is proposed, and observability analysis of the integrated navigation system is also conducted. Third, adaptive extended Kalman filter is adopted to fuse measurement information and suppress measurement and process noise to optimally estimate the state of Mars orbiter. Monte Carlo simulation results show that optical/radio/pulsars integrated navigation can effectively improve the navigation accuracy and satisfy the navigation requirements of Mars orbiter.     

抗差自适应滤波在低轨飞行器INS/CNS/GNSS 组合导航中的应用

低轨飞行器对导航系统的稳定性要求较高,采用标准卡尔曼滤波的组合导航系统在异常扰动情况下会产生较大误差,严重影响低轨飞行器导航精度.在此前提下提出将抗差自适应滤波用于低轨飞行器导航系统,并基于该滤波器设计INS/CNS/GNSS组合导航.通过仿真实验对比验证抗差自适应滤波的有效性.     

卫星不足情况下低成本MEMS-INS/GPS伪松组合导航

为了解决GPS可观测卫星不足情况下低成本微电子机械-惯性导航系统/全球定位系统（MEMS-INS/GPS）组合导航精度维持问题,提出基于灰色模型和自适应卡尔曼滤波的MEMS-INS/GPS伪松组合导航方法。以MEMS-INS/GPS松组合导航模式为框架,建立了伪松组合导航系统的状态空间模型。基于MEMS-INS/GPS的历史观测数据,使用灰色模型对MEMSINS/GPS观测差值进行预测,称为系统伪观测量。当GPS可观测卫星充分时,使用噪声自适应估计卡尔曼滤波对MEMS-INS/GPS进行松组合导航;当GPS可观测卫星不足时,使用噪声自适应估计卡尔曼滤波依据系统伪观测量,将MEMS-INS/GPS进行伪松组合导航。以车载低成本MEMSINS/GPS组合导航系统为例进行仿真和实验验证,结果表明：当GPS可观测卫星不足时,传统的MEMS-INS/GPS松组合导航精度迅速下降并发散,而MEMS-INS/GPS伪松组合导航精度与GPS正常工作时的导航精度相差不大,维持了较高精度的导航状态。