弹性机翼对机载导弹子惯导系统导航精度的影响分析

弹性机翼的振动及杆臂效应会引起机载导弹加速度计输出中的附加干扰加速度，从而引起导弹子惯导系统的导航参数误差。本文通过建立机翼弹性振动模型及惯导误差传播模型，从理论上分析了机翼弹性振动及杆臂效应对子惯导系统导航精度的影响，并进行了计算机仿真研究。     

惯性平台框架类结构件的试验模态分析

为了更好的设计和改善结构的动态特性，从而提高产品及工程的质量，应用结构动态分析和计算方法，针对某型号惯性平台框架类结构件进行了模态试验分析，得出了各结构件在0～2000Hz内的各阶固有频率和振型，并通过将试验模态分析的结果和有限元分析结果进行对比，对有限元建模和分析结果的正确性给予了验证。最后，文中提出了各框架结构件设计中存在的薄弱点和相应的优化措施，为今后结构的设计改进和动力学分析奠定了基础。     

基于RBF网络的惯导系统初始对准

建立了惯导系统（ＩＮＳ）初始对准的线性和非线性误差模型。分析了径向基函数（ＲＢＦ）网络的结构和工作原理。研究了ＲＢＦ网代替初始对准中的卡尔曼滤波器的实现方法。通过仿真表明，用神经网络进行初始对准，既可获得与卡尔曼滤波相同的对准精度，又提高了系统的实时性。     

惯导测试设备及其检测

阐述了惯导测试设备的作用、种类,介绍了其典型结构及基本精度指标的概念。说明了惯导测试设备的发展趋势;总体布局向卧式发展;轴系结构向有源磁悬浮发展;台体向复合材料球形壳体发展;输电装置向滚环发展;分度元件采用高精度的感应同步器。列举了检定技术的实例,说明了其发展方向:不断提高检定精度;开展动态检定;改善测量设备对三轴空间位置的适应性。此外,管理上要制度化,名词术语与数据处理要标准化,设计与检定要相协调。     

SINS／GPS组合系统的蒙特卡洛仿真

以考虑位置误差相关项的伪距率观测模型，对遥感中使用的SINS/GPS为距、伪距率组合系统进行了蒙特卡洛仿真。结果表明，组合系统的长期位置精度能达到5m以内；GPS数据更新率低于SINS，在GPS测量时间间隔内，组合系统的性能仅由SINS决定，虽然SINS的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性仪表，其相对位置精度可达到厘米级（这里相对位置精度指组合系统在GPS测量时间间隔内位置误差的变化范围）。     

2020年国外惯性技术发展与回顾

通过对IEEE惯性传感器与系统会议、MEMS国际会议、圣彼得堡组合导航会议、PLANS会议和DGON ISS会议等惯性技术相关会议文献,以及惯性技术相关机构发布的一些动态信息进行梳理,总结分析了惯性技术领域的最新发展动态,并重点介绍了光学陀螺、微机电(MEMS)陀螺和加速度计等惯性器件的发展现状,以及美国为增强定位、导...     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

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。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

A dimension reduced INS/VNS integrated navigation method for planetary rovers

Inertial navigation system/visual navigation system (INS/VNS) integrated navigation is a commonly used autonomous navigation method for planetary rovers. Since visual measurements are related to the previous and current state vectors (position and attitude) of planetary rovers, the performance of the Kalman filter (KF) will be challenged by the time-correlation problem. A state augmentation method, which augments the previous state value to the state vector, is commonly used when dealing with this problem. However, the augmenting of state dimensions will result in an increase in computation load. In this paper, a state dimension reduced INS/VNS integrated nav-igation method based on coordinates of feature points is presented that utilizes the information obtained through INS/VNS integrated navigation at a previous moment to overcome the time rel-evance problem and reduce the dimensions of the state vector. Equations of extended Kalman filter (EKF) are used to demonstrate the equivalence of calculated results between the proposed method and traditional state augmented methods. Results of simulation and experimentation indicate that this method has less computational load but similar accuracy when compared with traditional methods.