BP神经网络在惯导系统传递对准中的应用

针对系统阶次较高时卡尔曼滤波实时性较差的特点,将多层BP神经网络替代卡尔曼滤波应用于舰载机惯导系统的传递对准。利用卡尔曼滤波的输入、输出作为BP神经网络滤波的样本对值进行训练,得到了神经网络的输出值,实现了惯导传递对准中的滤波功能。仿真结果表明,将BP神经网络用于传递对准,既获得了与卡尔曼滤波相当的精度,又有效地降低了系统的解算时间,提高了系统的实时性。     

初始方位信息辅助下潜航器快速传递对准算法

针对多潜航器连续快速布放需求,提出基于初始方位信息辅助下快速传递对准算法.潜航器惯导系统只在对准初始时刻由移动基准惯导提供准确的方位信息和概略的水平姿态信息,布放入水后以初始时刻水平姿态误差和当前速度误差为滤波状态,以水下多普勒测速仪的速度为观测量,通过卡尔曼滤波进行惯性系下的航行中对准.实验验证以优于0.01(°)/h的激光陀螺惯导系统/卫星组合导航的姿态解算值为参考基准,基于实际数据的仿真计算表明,在50s内即可实现快速对准,方位精度达到1密位(1σ).     

一种新型的伪卫星辅助下的惯导初始对准方法

静基座且已知载体位置的情况下,INS可以快速地完成初始对准,但是在野外环境下通常无法快速地给出初始位置。伪卫星具有铺设简单快捷,不易受到破坏的特点,适合在未知环境下作为GNSS系统的补充来辅助定位。但是在GNSS拒止的情况下,如果单独使用伪卫星(PL)来进行定位会存在定位结果误差较大等问题,难以辅助INS系统完成初始对准。为了解决GNSS拒止情况下伪卫星辅助惯性导航系统进行初始对准存在的问题,提出了以高度传感器辅助下的PL定位算法,利用该算法得到准确的位置信息进而实现GNSS拒止条件下INS系统的初始对准,满足高精度的INS系统在复杂环境下的使用需求。     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

基于地图匹配的车载惯导行进间精对准算法

针对车载惯性导航系统快速初始对准问题,以相似性原理为基础,提出了基于地图匹配辅助的车载惯导行进间精对准算法。首先,该算法研究并改进了基于移动相关的最小二乘地图匹配算法,通过跑车实验验证了改进的匹配算法的应用能够获得高精度的位置点群。然后以相似性原理为基础,提出了以地图匹配结果作为虚拟路标点的车载惯导系统行进间迭代精对准算法,从而摆脱对预置路标点的依赖。仿真结果表明,该算法能够获得与基于预置路标点的行进间对准算法精度相当的对准结果。     

船舶柔性推进轴系校中特性研究

为研究柔性支撑方式对轴系校中状态的影响,综合考虑油膜刚度、轴承支点、筏架柔性及气囊隔振器的弹性形变、动刚度等因素,建立柔性支撑结构刚度模型.基于灵敏度分析,计算各参数对柔性支撑下轴承等效变位的影响,使用Kirging响应面法解决各气囊、筏架、轴承等效变位关于轴承负荷参数的耦合,最终以艉轴承负荷和筏架调平量为目标变量完成...     

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°。     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。     

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。