纬度未知条件下捷联惯导系统初始对准分析

在捷联惯导系统静基座初始对准的传统方法中,一般要求准确知道当地的地理纬度,如果给定的纬度存在误差,将可能影响初始对准精度。在静基座条件下并且地理纬度未知时,研究捷联惯导系统的初始对准实现问题,并对初始对准精度作详细分析。研究结果表明,在静基座条件下,借助于捷联惯组中的陀螺和加速度计的测量值可以估计出对准点处的地理纬度,再利用估计纬度进行初始对准,如果选择初始对准算法适当,纬度估计误差将不会影响对准精度。     

捷联惯导系统粗对准方法比较

通过误差分析对三种捷联惯导系统解析粗对准方法进行了比较.指出在相同的传感器精度条件下,利用正交向量计算捷联矩阵比传统方法有更高的对准精度,直接计算法不仅精度高,而且计算简单,更适合工程应用.     

捷联惯导系统初始对准技术的研究

以舰空导弹捷联惯导为背景，研究了捷联系系统在舰船支基座情况下的初始对准问题。介绍了目前国内外正在使用与正在研究的各种初始对准方法。比较了它们的性质与使用局限性。这些方法可以作为确定初始对准方案的参考。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

捷联惯导方位大失准角对准研究

在游动方位角坐标系下建立了方位大失准角条件下的SINS初始对准误差模型.在静基座下验证了该误差模型在方位大失准角情况下的滤波效果,比较分析了不同方位失准角的滤波收敛情况,并与线性模型进行滤波比较.最后,将该模型用于动基座的初始对准.静基座和动基座下的初始对准结果表明所提出的SINS误差模型是正确有效的.     

微小型捷联惯导系统解析式对准方法研究

对静基座下微小型捷联惯导系统对准技术进行了研究。给出了6种解析式粗对准的对准方法,通过对这6种方法的理论对准误差进行推导,得出对应的理论对准误差结果,其中2种方法误差较小,同时进行仿真,仿真结果验证了理论对准误差推导的正确性。因此,在传感器精度相同的条件下,本文为静基座下微小型捷联惯导系统的粗对准的实现确定了效果较好的2种方法。最后采用了其中的4种方法对实测的微小型IMU数据分别进行了对准验证分析,获得了很好的效果。     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

运载器起竖过程中捷联惯组初始对准方法的研究

为了克服运载器在垂直发射时受阵风和振动等干扰产生的随机晃动,提出了一种新的自主式捷联惯测组合初始对准方法。该方法合理地利用了发射流程中捷联惯测组合所提供的信息,在不改变系统结构的条件下,改善了系统的可观测性。因此该方法缩短了初始对准时间,改善了方位对准精度。试验结果证明了该初始对准方法的正确性,具有较强的工程实用性。     

卡尔曼滤波初始条件对捷联惯导对准的影响

针对捷联惯导对准卡尔曼滤波器初始条件无法很准确给定的情况,研究了卡尔曼滤波器初始条件对捷联惯导对准精度的影响。分析了错误先验假设条件下卡尔曼滤波算法的误差,推导了滤波器计算均方误差与实际均方误差的关系。对于一般多元回归系数估计问题,比较了卡尔曼滤波算法与最小二乘算法,给出了当先验假设不准确时卡尔曼滤波算法优于最小二乘算法的一个充分条件。对捷联惯导静基座对准问题进行了仿真,仿真结果表明:合理选择初始均方误差矩阵能大大改善卡尔曼滤波启动阶段性能。初始均方误差矩阵选择为真实初始均方误差矩阵的一个较小上界是合理的。     

捷联惯导系统在运动基座上的建模及误差传播特性研究

捷联惯导系统（SINS）在导航制导领域占有愈来愈重要的地位，尤其在各类导弹武器系统中得到广泛应用。基于机载武器的特点，推导了SINS在动基座条件下系统及惯性元器件的误差传播方程，建立了SINS在运动基座上系统的误差状态模型。研究了SINS各主要误差因素对安装在运动基座上武器系统导航误差的传播特性，定量地得到了其对SINS导航精度的影响程度，并进行了仿真试验。研究结果可为机载武器SINS的工程设计提供理论参考作用。     

一种新的SINS动基座误差模型及其应用研究

研究了一种新的捷联惯导系统（SINS）动基座误差模型及载体动基座对准时的最优机动方式问题。提出利用李雅普诺夫变换建立了一种易于进行分析的SINS动基座误差模型，同时论证了SINS与平台式惯导系统（GINS）模型的等价关系。应用分段定常系统可观测性分析理论和奇异值分析法，深入研究和详细分析了载体的不同机动方式对SINS可观测性的影响，定量地得到了各种机动方式下系统状态的可观测度。研究结果表明，在SINS动基座对准过程中，同时改变俯仰角、横滚角和航向角的俯冲转弯横滚角变化是一种最佳的机动方式，计算机仿真结果验证了该机动方式的有效性。这为进行SINS动基座快速精确对准方法研究提供了理论参考。     

多分辨分布滤波在惯导系统初始对准中的应用

论述了初始对准在惯性导航系统中的重要作用 ,给出了惯导系统初始对准的线性模型。基于小波变换 ,运用多分辨分布滤波对该问题进行了仿真研究。仿真结果表明 ,该方法虽然计算量比卡尔曼滤波计算量要大 ,但是对于组合导航系统或具有冗余传感器的惯导系统 ,它能够充分利用测量信息 ,大大提高初始对准精度 ,也能够满足低阶系统实时对准的需要     

惯导系统初始对准误差模型研究

论述了惯导系统（INS）误差模型的重要作用,介绍了惯导误差方程推导必须遵循的步骤以及误差方程所涉及的坐标系的关系。根据基本的运动学方程,推导了动基座条件下基于计算坐标系和基于真实坐标系的平台惯导系统速度误差方程及通用ψ、φ资态角误差模型。     

基于支持向量机的惯导初始对准系统

针对平台式惯导系统的初始对准 ,提出了基于支持向量机 (SVM)网络的滤波器 ,并将其用于惯导初始对准中 ,代替初始对准系统中的闭环Kalman滤波器 ,可以确保系统的误差状态始终为小量 ,实现了惯导初始对准中的滤波与校正功能 ,并将其与神经网络滤波器、闭环Kalman滤波器进行对比。仿真结果表明 ,采用SVM网络滤波器简化了系统运算的代数结构 ,提高了系统状态估值运算的实时性 ,而对准系统的精度又与采用闭环Kalman滤波器的精度相当 ,并且SVM网络克服了神经网络的不足。     

基于RBF网络的惯导系统初始对准

建立了惯导系统（ＩＮＳ）初始对准的线性和非线性误差模型。分析了径向基函数（ＲＢＦ）网络的结构和工作原理。研究了ＲＢＦ网代替初始对准中的卡尔曼滤波器的实现方法。通过仿真表明，用神经网络进行初始对准，既可获得与卡尔曼滤波相同的对准精度，又提高了系统的实时性。     

捷联惯性导航系统姿态算法研究

用四元数和旋转矢量在捷联惯导系统中表示姿态矩阵,在圆锥运动的条件下,对旋转矢量算法进行了优化。对四元数、旋转矢量优化算法进行了仿真比较。仿真结果表明:等效旋转矢量算法明显优于四元数算法。     

适于惯导系统初始对准的神经网络实时算法研究

通常卡尔曼滤波器被用于解决惯导系统的初始对准问题。由于卡尔曼滤波的运算时间与系统阶次的立方成正比 ,所以当系统阶次较高时 ,滤波器会失去实时性。而神经网络具有函数逼近性能 ,实时性又好。为此 ,本文研究了一种基于扩展卡尔曼滤波原理的权值更新多层神经网络学习算法 ,对此算法进行了详细的推证 ,并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性 ,既真正获得了与扩展卡尔曼滤波器相同的对准精度 ,又大大提高了系统的实时性     

一种新的惯导平台静基座快速初始对准方法

提出了一种新的惯导平台静基座快速初始对准方法。用两步卡尔曼滤波算法替代常规算法估计水平误差角,根据水平误差角快速收敛的估计结果估计收敛较慢的方位误差角。给出了算法模型。理论分析和仿真结果表明:该算法对水平误差角的估计收敛速度可提高1倍,对方位误差角的收敛速度也相应提高,精度与常规方法一致,是一种有效的快速初始对准方法。     

初始对准误差对惯性制导误差影响的简化算法

惯性制导系统初始对准的主要任务是精确确定载体坐标系和制导坐标系之间的初始方向余弦矩阵和载体的初始速度。惯性制导的精度在很大程度上取决于系统初始对准的精度。本文基于初始对准误差引起的惯性导航误差模型,针对近程战术武器系统,在一定精度范围内,忽略引力变化和发射时载体的初始速度,推导出初始对准误差对惯性制导误差影响的简化算法。该算法具有模型清晰,计算简便,易于使用的特点,避免了繁琐的运动学建模和编程计算过程,并且为在项目论证阶段不具备完备的总体数据支持的条件下,进行初始对准精度指标分配提供了理论依据。并经仿真验证,简化算法具有一定的精度。