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.     

卫星编队对空间非合作目标测距相对导航精度分析

针对单颗卫星对空间非合作目标测距不能估计全部相对运动状态的问题,提出利用编队中多颗卫星同时测距相对导航。建立了相对运动状态估计的系统模型;推导了系统可观测矩阵;通过计算系统可观测度和采用无迹卡尔曼滤波（UKF）对目标相对运动状态进行估计,研究了观测矢量方向和数量与相对导航精度的关系。结果表明双星测距能估计全部相对运动状态,观测矢量夹角越大,相对导航精度越高,在编队尺寸远小于目标距离的前提下,多于两颗的卫星测距并不能明显提高相对导航精度。     

鲁棒滤波技术在脉冲星导航中的应用

  提出将鲁棒扩展卡尔曼滤波(REKF)用于增强X射线脉冲星导航系统克服星表误差影响的能力。指出星表误差可以看作模型不确定性的一部分,采用鲁棒滤波技术进行处理。对REKF和传统扩展卡尔曼滤波(EKF)的性能进行对比。仿真结果表明,存在星表误差的情况下,采用REKF算法进行航天器导航,能够获得优于EKF的定位精度。     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

GPS/INS组合系统空中对准方法研究

针对单天线的GPS与捷联惯性导航组合系统,提出了一种空中对准方案,不同于传统的传递对准方法,仅依靠GPS测量信息进行速度匹配,完成空中初始对准。该方案采用扩展卡尔曼滤波方法解决对准过程中的非线性问题。仿真结果表明该方案的对准精度(1σ)可以达到水平姿态误差0.07,°方位误差0.3°。     

基于自适应卡尔曼滤波的机动目标自主轨道确定

用自适应卡尔曼滤波法对非合作机动目标进行轨道确定,通过实时计算观测星的状态转移矩阵,近似描述目标星的状态变化并获得两星体相对位置.算法中用自适应卡尔曼滤波辨识噪声,通过极大似然法选择噪声修正模型.仿真结果表明:该法可有效用于对椭圆轨道非合作机动目标的自主轨道确定.     

INS/SAR组合导航量测信息不同步的滤波算法

在惯性导航系统/合成孔径雷达(Inertial navigation system/synthetic aperture radar,INS/SAR)组合导航系统中,传统的SAR只提供位置和航向角信息,本文引入SAR图像测速系统,实现对INS速度信息的补偿修正。同时,建立了该组合导航滤波的数学模型。针对图像匹配耗时较大、产生信息不同步的现象,本文利用INS信息增量来对SAR导航信息延迟、非等间隔以及SAR量测不在INS滤波离散间隔上所带来的误差进行修正,并进行了仿真。经过1 500s后,本导航系统导航信息没有出现发散,在飞行器出现加速、爬升、转弯等机动时,位置误差绝对值不超过36.8m,高度误差绝对值不超过18.1m,航向角误差绝对值不超过5.3′,速度误差绝对值不超过0.5m/s,并与曲线拟合法作对比,仿真结果表明本文算法能够有效提高INS/SAR组合导航系统的精度,并为其他组合导航系统提供参考。     

星敏感器低频误差在轨校准方法研究

研究星敏感器低频误差在轨校准问题.星敏感器低频误差主要由周期性的空间热环境变化造成,会对卫星姿态确定精度造成显著影响.针对这一问题,提出一种星敏感器低频误差校准新方法,通过扩维卡尔曼滤波同时估计卫星姿态和低频误差参数.研究表明,采用所提低频误差校准方法能够显著提高姿态确定系统的性能.基于在轨卫星上的星敏感器遥测数据建立了用于数学仿真的星敏感器低频误差模型,数学仿真结果验证了低频误差校准方法的有效性.     

基于改进卡尔曼滤波的电池SOC估算

以研究电动汽车动力电池管理系统为背景,以电池荷电状态估算为关键技术,介绍了荷电状态与其主要影响因素的非线性动态关系,建立了二阶RC等效电池模型.在此基础上,考虑了温度对电池内阻的影响,采用卡尔曼滤波算法、改进的安时计量法和开路电压法,结合基于温度的电池模型参数在线辨识,对电池荷电状态进行估算,通过MATLAB仿真,并与基于经验公式的卡尔曼滤波算法进行了对比,平均误差为2.46%,提高了估算精度,验证了算法的可行性和可靠性.