基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ^2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法。通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ^2算法。最后,文章讨论了组合导航系统中两种故障检测算法的优缺点。     

基于Gauss-Newton和UKF结合的微小卫星姿态确定算法

为提高微型低成本姿态敏感器的姿态确定精度,文章基于磁强计/太阳敏感器/陀螺的姿态敏感器配置,设计了高斯牛顿（Gauss-Newton,GN）迭代算法和无迹卡尔曼滤波（Unscented Kalman Filter,UKF）有机结合的微小卫星姿态确定算法,先用Gauss-Newton算法融合磁强计和太阳敏感器的数据,迭代计算最优四元数,然后以最优四元数联合陀螺数据作为观测量,以姿态四元数和惯性系下的角速度为状态量进行UKF,降低观测维数,并将观测方程转化为线性方程,显著减小计算量,同时克服了测量误差对姿态确定精度的影响。     

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。      

基于电子密度同化的热层大气密度预报方法

采用热层电离层耦合模式TIEGCM和集合卡尔曼滤波同化方法,利用同化COSMIC电离层掩星电子密度数据优化热层电离层参量,并将模式预报的大气密度与CHAMP卫星大气密度数据进行对比,分别开展模拟和实测数据的同化预报实验.在模拟数据同化实验中,状态向量包含温度、风场和离子成分的实验结果表明,仅优化温度即可达到最优的热层大气密度预报效果.在实测数据同化实验中,将温度作为状态向量参数,优化结果表明,循环同化过程中模式预报的大气密度相对偏差的均方根误差在48h内从38%减小到27%,同化稳定时间至少需要30h.预报过程中大气密度预报效果的改善持续时间为34h.这表明电子密度同化能够改善热层大气密度的预报精度,设计的实验方案合理可行,可获得较长的预报时效.      

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。      

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

H∞滤波及其在惯导地面自对准中的应用

在理想条件下,卡尔曼滤波技术应用于惯性导航系统的地面初始对准可实现快速对准并且具有较精度,然而在系统模型和统计特存在不确定性的条件,Ｈ∞滤波可有效地解决卡尔曼滤波应用受到的限制,不仅估计精度高。     

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。      

结构输出响应概率密度估计中分数矩求解方法

鉴于概率不确定性背景下基于分数矩极大熵准则的结构可靠性分析方法具有较大的效率与精度优势,综合研究并给出了可以用于极大熵准则中约束条件输出响应分数矩求解的3种分数矩求解方法,包括降维积分(DRI)方法、稀疏网格积分(SGI)方法和无迹变换(UT)方法。阐述了分数矩求解原理及过程,给出了方法的计算效率,并分析了方法的适用性。3种分数矩求解方法在确保计算精度的同时可以很大程度减少结构输入-输出模型的调用次数,大幅提高统计分析效率。通过与Monte Carlo仿真分析法对比,验证了3种分数矩求解方法的正确性与高效性。      

卡尔曼滤波和自相关分析方法短期预报电离层f0F2的比较

电离层参数f₀F₂的预报是电离层研究的一个重要方向.本文选取2011年北京、长春、青岛和苏州四个常规观测站的f₀F₂数据,分别采用卡尔曼滤波、自相关分析法和国际参考电离层模型（IRI）对f₀F₂实施短期预报（提前1h预报）,并通过与实际观测数据的对比,对三种方法预报f₀F₂的性能进行了比较.研究结果表明,在磁平静时期,采用卡尔曼滤波方法进行f₀F₂预报的均方误差为0.532MHz,相对误差8.11%,比国际电离层参考模型的均方误差和相对误差分别降低1.47MHz和14.58%;采用自相关分析方法进行f₀F₂预报的均方根误差为0.967MHz,相对误差11.46%,比国际电离层参考模型的均方误差和相对误差分别降低1.035MHz和11.23%.比较结果说明二者对f₀F₂短期预报的精度相对于国际电离层参考模型均有大幅提升.对磁暴期间三种方法的预测性能做了进一步比较,试验结果表明卡尔曼滤波短期预报性能总体上优于自相关分析法,这为f₀F₂短期预报的方法选择提供了一定指导.