晃动基座捷联惯导系统初始对准迭代方法

由于受风力或发动机启动等因素的影响,惯导系统载体(如导弹、飞机、舰船和车辆)经常遇到低频晃动的情况。晃动干扰使得陀螺测量到的地球自转角速度信噪比大幅下降,从而导致常用的对准方法无法满足高精度初始对准要求。针对这一问题,提出了一种基于晃动基座的捷联惯导系统迭代初始对准方法。本方法由惯性导航计算出水平速度误差,利用最小二乘法估算出水平角速度误差、姿态误差和航向误差,然后进行迭代计算,从而算出导航初始时刻的姿态和航向。车载(发动机启动)试验结果表明,该算法既提高了晃动基座条件下的初始对准精度,航向角误差的方差采用静态对准时为0.39244°,摇摆对准为0.03331°,本文采用的迭代对准为0.00883°,缩短了对准时间,迭代对准2min的航向角精度等效于静态对准和摇摆对准5min的精度。     

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。     

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。     

三种传递对准方法的对比研究

传递对准是动基座对准的一种方法,其有多种匹配方案。文章对比了＂速度＂匹配和＂姿态＂匹配、＂速度＋姿态角＂匹配3种传递对准方案。运用卡尔曼滤波算法,对失准角进行估计,并对估计结果进行比较,分析了3种匹配方案的对准精度及适用性。     

捷联惯导系统初始四元数提取的新算法

给出了捷联惯导系统初始四元数提取的两种新算法。其中算法1的推导是基于方向余弦矩阵和四元数的代数关系式，而算法2则利用了姿态转动的几何特点。与经典的四元数提取算法相比，所给出的算法具有简单、可靠、无奇异的特点，而且所得四元数的归一化程度也优于传统方法。利用数值仿真对所提算法的优越性进行了验证，结果表明，方法是合理的、可行的。     

一种基于最大修正峰度的ISAR距离对准算法

距离对准是逆合成孔径雷达(ISAR)运动补偿的关键。本文提出了一种基于修正峰度的ISAR距离对准算法。首先对应用于离散信号序列的峰度定义进行了修正,然后以修正峰度衡量回波包络之间的对准程度,对距离偏移量进行搜索。当两回波和包络的修正峰度达到最大时,以此时的距离偏移量进行补偿,就可将回波对齐。分析表明该算法具有良好的抗闪烁性能和抗噪性能。实测ISAR数据验证了算法的有效性。结果表明,基于最大修正峰度的距离对准算法可以准确地估计出回波的距离偏移量,实现距离对准。     

采用BP神经网络的惯导初始对准系统

针对随机系统，提出了基于多层神经网络的滤波器，并将其用于惯导初始对准中。采用ＢＰ网络替代初始对准系统中的闭环卡尔曼滤波器，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。仿真结果表明，这种方法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原来采用滤波器的精度相当。     

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°。     

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。     

大失准角下MIMU空中快速对准技术

 为了提高微小型无人机空中的反应速度和作业精度,提出将基于模型误差预测的扩展卡尔曼滤波(MEP-EKF)方法应用在大失准角下微惯性测量单元(MIMU)的空中对准中,通过不同机动飞行策略的仿真结果,证实MEP-EKF算法不仅能够实时估计出系统的模型误差,而且将其与扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF)方法进行了仿真比较,结果表明MEP-EKF算法在方位误差角的估计上,取得了比EKF和UKF精度高的仿真结果,使得方位失准角由30°快速下降到1°左右,而且MEP-EKF所需时间仅是UKF的17%。