适应于极区的惯导系统传递对准技术研究

针对飞机、舰艇全球航行的需求,以及由地球经线在极区收敛而导致的以真北向作为航向参考时的导航算法失效问题,在传统的“速度+姿态”匹配对准及修正算法的基础上,提出了格网导航系下的“速度+姿态”传递对准方法。基于格网导航系下惯性导航算法的编排,建立了格网坐标系的惯导误差模型,推导了格网导航系“速度+姿态”匹配的量测方程,利用卡尔曼滤波器对子惯导的速度、失准角、陀螺漂移、加速度计零偏、主子惯导间的安装误差角等进行了估计与修正。数学仿真及基于极区航行试验数据的半实物仿真结果表明,采用本文提出的格网导航系下的“速度+姿态”匹配传递对准算法,可实现中低精度惯导系统在高纬度地区时间为30s、水平对准精度优于1角分、方位对准精度优于6角分的快速、高精度对准。     

基于状态量扩维的旋转式捷联惯导系统精对准方法

初始对准是旋转式捷联惯导系统（SINS）的关键技术之一。传统旋转式捷联惯导精对准方法多采用10维模型,该模型的精对准精度不能满足导航精度要求。针对此问题,提出了一种基于状态量扩维的旋转式捷联惯导系统精对准方法。首先,将陀螺和加速度计标度因数误差、安装误差扩展为状态变量,建立了28维的精对准模型;然后,对旋转过程中各状态量的可观测度进行分析,根据分析结果将模型优化为13维;最后,采用卡尔曼滤波实现了旋转式捷联惯导系统的精对准。仿真结果表明,与传统初始对准方法相比,该方法能有效提高姿态对准精度,并估计出更多陀螺误差项。      

初始定位误差对SINS动基座对准的影响分析

初始定位误差对捷联式惯导系统水下初始对准有着重要影响。针对此问题,基于捷联式惯导系统非线性误差模型利用无迹卡尔曼滤波方法进行载体系测速辅助捷联式惯导系统精对准。首先在水下单应答器定位技术已有研究成果的基础上,对初始定位误差对捷联式惯导系统水下动基座初始对准结果的影响进行理论分析;而后基于船载实测数据对理论分析结果进行水下动基座对准半物理仿真试验验证。试验结果表明,当水下初始位置的定位误差在200m以内时,初始定位误差对捷联式惯导系统动基座精对准的姿态对准结果基本没有影响;会给精对准过程中的位置误差估计带来与初始定位误差相同大小的常值误差。     

一种新的惯导系统静基座快速初始对准方法

惯导系统中的一个十分重要的问题是其初始对准问题,提高其初始对准的速度和精度无论对军用或民用领域都具有十分重要的意义.由于惯导系统静基座对准时的可观测性很差,将卡尔曼滤波器用于解决惯导系统的初始对准问题时,方位失准角收敛很慢.提出一种快速估计方位失准角的方法,直接利用两水平失准角快速收敛的估计结果估计方位失准角,从而大大提高了整个惯导系统静基座对准的速度,计算机仿真结果验证了该方法的快速性和有效性.      

混合式惯导系统姿态四元数连续自标定模型

混合式惯导系统作为一种新型惯导系统,具有三轴全姿态物理平台、捷联姿态算法和系统装机自标定等特点。针对以上特点,为提高其导航定位精度,在混合式惯导系统框架角约束方程的基础上,利用姿态四元数代替欧拉角描述混合式惯导系统中三轴物理平台的转动,建立了一种混合式惯导系统姿态四元数连续自标定模型对其进行误差系数标定。针对该模型的特点,对传统的无迹卡尔曼滤波（UKF）算法进行改进,提出了一种基于奇异值分解的四元数无迹卡尔曼滤波（SVD-QUKF）算法进行模型误差系数辨识。仿真和试验结果表明,基于SVD-QUKF算法,四元数连续自标定模型能够以低于1%的相对误差标定出混合式惯导系统所有的误差系数,在标定精度和计算速度上相比基于传统UKF算法的框架角自标定模型都具有一定优势。      

捷联惯导与星敏感器组合导航算法研究

以Kalman滤波为基础,通过将捷联惯导系统和星敏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与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。     

新型快速传递对准方法

针对惯性导航系统的动基座传递对准问题,提出了速度加姿态加角速率组合匹配法.用来自主、子惯导的3组参数信息作观测量,通过卡尔曼滤波法迅速准确地估计出失准角及安装误差角等状态量,以便精确地对子惯导系统进行初始化.根据传递对准的基本原理,设计了载体结构挠曲运动统计模型,建立了状态方程及量测方程.同条件仿真结果表明:这种方法与速度加姿态匹配和速度加角速率匹配的对准精度相当,但估计速度约为这两种方法的2倍.可用于机载或舰载战术导弹武器系统,有效减小导航误差和制导误差.     

H∞滤波在惯导系统地面快速对准中的应用

阐述了H_∞滤波器的设计过程,并将H_∞滤波方法应用于惯导系统地面初始对准.文中建立了惯导系统的误差模型,并对其进行了可观性分析,利用H_∞滤波方法对可观子系统进行了滤波计算,给出了在噪声统计特性未知方差有界情况下惯导系统初始对准的仿真曲线,仿真结果表明该方法克服了卡尔曼滤波对噪声的苛刻要求,滤波效果能够满足工程需要,进一步说明H_∞滤波应用于惯导系统初始对准是有效的.为提高对准速度,文中给出了方位误差角的一种快速估计方法,结果表明该方法是可行的.     

基于多矢量定姿的动基座最优化对准算法

针对车载捷联惯导系统（Strapdown Inertial Navigation System, SINS）的传统动基座粗对准方法精度低且环境适应性差的问题,提出了一种基于多矢量定姿的动基座最优化粗对准算法。在传统的基于重力矢量的初始对准方法基础上,将姿态矩阵求解问题转化为Wahba问题,实现对多个时刻重力矢量信息的充分利用,并通过SVD算法实现对Wahba问题的求解,结合全球导航卫星系统（Global Navigation Satellite System, GNSS）输出信息和SINS输出信息,构建状态方程和量测方程,采用Sage-Husa自适应滤波算法以解决量测噪声不准确问题,不断修正载体系变换矩阵以获得更加精确的姿态转换矩阵。仿真和半物理实验表明,改进算法能够明显提高惯导系统在动基座下的姿态精度,转台实验对准方位误差小于0.05°。     

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。     

Iridium/ORBCOMM机会信号融合定位技术

在全球导航卫星系统(GNSS)不可用情况下，低地球轨道(LEO)卫星机会信号(SOP)定位技术是一种有效的导航定位解决方案。单LEO星座机会信号定位技术面临星座构型不足或可见卫星偏少等问题，多LEO星座机会信号融合定位技术可有效解决该问题。通过分析瞬时多普勒定位原理，建立了Iridium/ORBCOMM机会信号融合定位模型，引入基于Helmert方差估计的加权最小二乘算法进一步提高定位精度。实测数据表明:基于Helmert方差估计的Iridium/ORBCOMM机会信号融合定位精度优于70 m，验证了多LEO星座机会信号融合定位的可行性和有效性。      

捷联惯导/里程计组合导航方法

针对车载自主导航需求,基于卡尔曼滤波器,实现捷联惯导与里程计量测信息的组合导航.推导了里程计误差模型,结合捷联惯组误差模型与捷联系统误差模型,建立了捷联惯导/里程计自主组合导航系统误差状态模型.建立了捷联惯导/里程计组合导航量测模型,阐述了估计误差修正方法.采用仿真计算对此方法进行了验证,仿真结果表明:组合导航过程中,初始姿态误差能得到有效估计,姿态误差和位置误差均能控制在一定精度范围内,应用此组合导航方法相对于传统的航位推算方法能得到更高的导航精度,能有效实现自主高精度定位定向.     

基于支持度的MEMS陀螺信息融合方法

为了解决微机械电子系统(MEMS, micro electronic mechanical system) 惯性器件测量准确度低、噪声大、长时间单独使用导航误差积累大等缺点,提出了一种MEMS陀螺阵列结构设计,在完成微型惯性测量单元(MIMU, micro inertial measurement unit)的标定后,采用基于支持度的信息融合方法对陀螺阵列输出进行信息融合。试验结果表明：该结构设计和信息融合方法能够有效的提高MIMU的测量准确度,具有一定的工程应用价值。     

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.      

一种顾及厄特沃思效应的水下重力辅助导航方法

水下相对于水面环境,准确估计厄特沃思效应更为困难,进而影响重力测量精度。由于传统重力匹配算法未考虑水下厄特沃思估计误差对重力辅助导航定位性能的影响,根据不同导航参数对厄特沃思估计误差的影响程度,构建了水下惯导系统/计程仪/重力仪组合导航框架,采用UKF非线性滤波算法,分析了不同导航模式下厄特沃思估计误差特性,并评估了有无厄特沃思估计误差时重力辅助导航性能的差异。半物理仿真结果表明采用DVL的辅助导航方式可有效抑制惯导误差积累,INS/DVL/Gravimeter三者信息融合导航模式定位性能得到了进一步提高,即使在考虑厄特沃思估计误差的情况下,与仅采用DVL作为辅助信息源相比,水平径向误差定位精度依然提升了17.02%。     

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。