基于改进容积卡尔曼滤波的奇异避免姿态估计

 利用矢量进行卫星姿态估计可以归结为非线性滤波问题。为了提高卫星姿态估计的精度,利用龙贝格-马尔塔(LM)迭代算法改进了容积卡尔曼滤波(CKF)。继而,提出改进容积卡尔曼滤波与四元数结合的容积四元数估计器(CQE),有效地避免了卫星大角度机动出现的奇异现象。进一步,给出了一种与影子修正罗德里格参数切换的容积修正罗德里格参数估计器(CME)。仿真对比表明,初始误差较大时容积修正罗德里格参数估计器具有更好的收敛速度和鲁棒性。     

基于加速度计和角速率陀螺的超小无人直升机姿态控制系统

设计了一种基于加速度计和角速率陀螺的超小型无人直升机姿态控制系统;由卡尔曼滤波算法融合加速度计和陀螺数据,实时估计最优的直升机姿态信号;根据最优的姿态反馈信号,飞行控制系统采用参数自整定的模糊PID控制方法得到舵机控制信号,从而实现了超小型无人直升机的姿态控制。     

主从式卫星编队相对轨道的自主确定

为实现主从式卫星编队飞行中心星与环绕星的自主定轨，采用微波雷达测量卫星间相对距离、距离速率、方位角和仰角。根据动力学方程给出了导航算法，并利用扩展卡尔曼滤波（EKF）提高微波雷达相对速度的测量精度。仿真结果表明，该导航算法对主从式卫星编队较有效，且能获得较佳的导航精度。     

基于GPS/IMU/太阳敏感器的空间飞行器组合姿态确定

GPS定姿是GPS在空间飞行器上应用的一个重要方向 ,本文在建立GPS 惯性组件 太阳敏感器组合定姿系统的非线性模型的基础上 ,采用扩展卡尔曼滤波实现了该组合定姿方案。通过理论分析和仿真结果均验证了方案的可行性。为GPS定姿在空间飞行器的实际应用提供一定的参考。     

一种重力测量卫星质心在轨标定改进算法

针对重力测量卫星质心在轨标定算法中存在的陀螺精度不高且易失效的问题,提出了一种应用星敏感器和静电加速度计的质心标定改进算法。在该算法中,将一个明显大于干扰力矩的周期性磁力矩,作用于卫星上;将星敏感器观测量代入预测滤波器中,估计卫星的角速度及角加速度;利用静电加速度计信息设计扩展卡尔曼滤波,从而实现卫星质心的标定。数学仿真结果表明:此算法能够对卫星的角速度及质心位置进行实时估计,卫星质心三轴最佳标定精度均优于0.05mm,可实现陀螺失效情况下卫星质心较为精确的标定。     

面向室内场景的惯性磁感应定位方法

针对卫星拒止的室内导航问题,在现有磁信标定位技术的基础上,通过分析低频旋转磁场的特点,建立了一种不受传感器姿态和磁信标磁矩信息影响的磁感应矢量夹角观测模型,并结合MEMS惯性导航的误差模型提出了一种以磁感应矢量夹角的正余弦值为量测信息的惯性磁感应动态定位方法,避免了磁传感器姿态误差和磁矩误差对定位结果的影响。利用实验室的双轴磁信标实验系统进行静态测试,验证了磁感应定位模型具有不受传感器姿态、环境中遮挡物以及磁矩影响的特点;通过数值仿真的方式对基于无迹卡尔曼滤波(UKF)的惯性磁感应定位方法进行验证,结果表明该方法能有效地抑制惯性导航的发散,且位置最大误差小于0.75 m,满足大多数室内场景下的高精度导航定位需求。     

基于联邦滤波的容错组合导航系统仿真分析

设计INS／GPS组合导航系统时,考虑到观测量GPS位置和速度是正相关的,可通过降低单个滤波器的维度形成两个局部滤波器,主滤波器融合局部滤波器的状态估计,得到整个组合导航系统的误差状态估计值。同时,根据各局部滤波器的故障情况选择输出,仅利用未失效系统的局部滤波器得到可靠的最优误差状态估计值,使得容错性能大大提高。结果表明,由于采用了并行运算,增加了系统的余度,有效提高了导航系统的精度和可靠性,有较好的容错性和环境适应性,具有较高的应用价值。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于变分贝叶斯的自适应鲁棒滤波算法

针对组合导航姿态估计中,观测同时受到野值与时变观测噪声影响的问题,构造一种基于变分贝叶斯的自适应鲁棒滤波算法。该算法可以有效地解决自适应与鲁棒滤波策略的矛盾,利用变分贝叶斯近似估计变换的观测噪声,在变分贝叶斯的滤波框架内,利用Huber滤波鲁棒化方法处理连续野值。在组合导航姿态估计试验中,验证了该算法具有良好的自适应与鲁棒性,并能够保持较高的估计精度。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。