一种SINS/CNS紧耦合组合导航信息融合方法

为了提高组合导航系统的定姿精度,介绍了一种松耦合组合模式的SINS/CNS组合导航信息融合方法的原理,提出了一种基于紧耦合组合模式的SINS/CNS组合导航信息融合方法,并对2种信息融合方法进行了仿真实验.仿真结果表明:和基于松耦合组合模式相比,基于深耦合组合模式的SINS/CNS组合导航信息融合方法的定姿精度有了明显提高.     

一种高超声速飞行器组合导航新方法

针对传统INS/CNS/GNSS组合导航3个异质传感器进行信息融合主滤波器易发散以及高超声速飞行器的特性,设计了由惯导与卫星导航深组合构成子滤波器1、惯导与间接敏感地平天文导航构成子滤波器2的SINS/CNS/GNSS组合导航新方法;详细推导了基于联邦滤波的位置、速度、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,该方法实现了精度和可靠性的有效一致,位置、速度和姿态精度较高,而且滤波器比较稳定.     

高动态环境下基于H_∞滤波的深组合导航技术

捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统是适用飞机和现代武器装备的高精度导航系统。针对高动态环境下GPS/SINS组合导航系统的定位精度问题,以炮射无人机为例提出基于H∞滤波技术的SINS/GPS伪距、伪距率深组合导航方案,用于提高高动态环境下组合导航系统的精度和鲁棒性。仿真结果表明,H∞滤波器不但比Kalman滤波器鲁棒性强,而且可用于带有强有色噪声的高动态系统中,并能保持较高的精度。     

基于SINS/DVL/GPS的AUV组合导航技术

为了提高自主水下航行器组合导航系统的精度,选择了捷联式惯性导航系统(SINS)和多普勒速度声纳(DVL)导航为主、GPS卫星导航系统为辅的组合导航方法.通过Kalman滤波技术对组合导航的误差状态进行了估计,并采用反馈校正的方法修正SINS的导航误差.仿真结果表明SINS/DVL/GPS的组合导航可以有效地提高水下航行器SINS/DVL组合导航系统的导航精度,满足AUV远距离航行的精度需求.     

北斗系统三频载波相位整周模糊度快速解算

北斗导航定位系统播发三个频率观测值,有助于载波相位整周模糊度的快速、准确固定。传统的几何无关模型三频载波相位模糊度固定算法通常采用遍历整数搜索的方法确定载波相位-伪距组合系数,组合后的噪声因子较大,模糊度固定成功率不高。在分析了北斗系统伪距测量误差特性的基础上,给出了加权组合噪声因子的定义及其约束下的最优组合系数的求解方法。采用Hatch滤波提高电离层延时误差实时估计精度,成功固定三组线性无关组合系数对应整周模糊度,进而确定基础整周模糊度。利用北斗系统短基线、长基线实测数据对算法性能进行了验证,实验表明:提出的算法可优化超宽巷、宽巷组合噪声因子20%以上,模糊度固定成功率提高10%~18%左右,30s历元平滑后的基础模糊度固定成功率可达90%以上。     

SINS/北斗/GPS组合导航系统研究

对SINS、北斗双星定位系统以及GPS全球定位系统三者的组合进行了研究.应用联邦自适应卡尔曼滤波技术实现了SINS、北斗和GPS的组合导航,建立了组合导航系统的数学模型,并针对系统产生的量测延时和异步问题给出了较好的解决方案.最后对系统进行了仿真试验,仿真结果表明该组合导航系统具有较高的精度和容错性能,此方案具有较好的工程应用价值.     

基于BP人工神经网络的GPS/SINS组合导航算法

基于扩展Kalman滤波的GPS/SINS组合导航算法,需要对原始的非线性连续系统模型进行线性化和离散化处理,要求系统噪声和测量噪声为零均值的高斯白噪声,且易于出现滤波器发散。BP人工神经网络无需对所求解的问题建模,能够很好地逼近系统非线性特性,获得较高精度的导航定位信息;还具有计算过程稳定,不涉及矩阵求逆,不需要迭代逼近,以及容易实现并行处理等优点。设计适用于GPS/SINS组合导航系统的BP网络模型,并在标准的BP算法基础上,采用共轭梯度法改进网络训练速度及精度。最后,通过仿真算例说明BP网络方法用于GPS/SINS组合导航计算的可行性。     

EKF在SINS/GNSS深组合导航中的应用

为了在卫星较少条件下也能提供连续稳定、精度高的导航,建立了一种基于扩展卡尔曼滤波器(extended Kalman filter,EKF)的捷联惯导系统(strapdown inertial navigation system,SINS)/全球导航卫星系统(global navigation satellite system,GNSS)深组合导航系统,并对该系统所采用的导航结构、状态估计算法等进行研究设计。最后,在战术级条件下,分别对单独的SINS,SINS/GNSS松组合导航系统和SINS/GNSS深组合导航系统进行仿真验证,并对导航结果进行对比分析。从仿真结果可以看出,深组合导航系统位置误差约为0.3 m,速度误差约为0.01 m/s,姿态误差约为0.005°。对比分析可知深组合导航精度更高,且不受卫星个数条件影响,具有很高的实用价值。     

GPS/SINS组合导航系统的故障检测与识别

针对GPS/SINS组合导航系统的故障检测与识别,提出一种层次滤波器结构,该结构包含主、子滤波器两个层次,使用不同的卫星量测信息.通过监测主、子滤波器的故障检测结果,识别出具体的故障卫星,利用未包含故障星的滤波器可进行不中断导航.完成了基于层次滤波器结构的GPS/SINS滤波算法和故障检测算法设计,将该方案应用于伪距组合的GPS/SINS紧耦合系统,仿真结果表明当只存在4颗可见星时,该方案仍能有效地检测和识别单颗卫星故障,增强了系统的完好性;同时仿真验证了该结构具备检测两颗以上卫星故障的能力,但不能识别具体的故障星.     

高超声速飞行器组合导航系统研究

为提高高超声速飞行器的导航精度,在SINS/GPS位置、速度组合导航模型基础上增加了GPS姿态信息,推导了姿态算法中姿态角误差与平台误差角的关系。通过理论分析说明了其可消除数学模型误差,提高系统的姿态精度,并以此建立了SINS/GPS组合导航系统姿态、位置、速度观测方程。通过仿真验证了该算法的有效性,结果表明SINS/GPS姿态、位置、速度组合导航可以有效提高高超声速飞行器导航定位精度。     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航；能够满足水下组合导航系统对容错性和鲁棒性的要求。     

无缝GPS／INS组合导航系统的设计与实现

针对GPS卫星信号失锁条件下GPS/INS组合导航性能大幅度下降的缺点,设计了一种基于ANFIS的无缝组合导航方法,当卫星数目不低于4颗时采用伪距,伪距率的卡尔曼滤波算法,一旦卫星数目少于4颗时采用ANFIS系统估计导航误差,抑制INS的误差积累,从而实现无缝导航.动态车载实验表明,该方法切实可行,相对于传统的紧组合方法,有效地提高了组合导航系统的定位精度和抗干扰能力.     

粒子滤波GPS/SINS组合导航系统动基座传递对准

在SINS(捷联式惯性导航系统)与GPS(全球定位系统)组合传递对准时,航向角的可观测性较弱,经过卡尔曼滤波后,航向角误差虽有所改善,但仍呈发散趋势,针对GPS/SINS组合系统特点,提出了一种动基座传递对准方案,依靠GPS测量信息进行速度匹配,完成动基座传递对准.该方案采用粒子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)可以达到东向失准角误差为5角分,北向失准角误差为2角分,方位失准角误差为6角分.     

联邦滤波器的SINS/GNS/DVS水下组合导航

针对现有的水下导航系统不能全面满足AUV导航的需要,为了提高水下航行器组合导航系统长时间远航程的隐蔽性,可靠性及精度,提出了一种基于联邦滤波器的惯性导航系统、地磁导航、多普勒速度声纳的组合导航方案,并采用简化自适应卡尔曼算法对水下航行器组合导航系统进行误差估计,解决了传统卡尔曼滤波容易发散的问题.仿真结果表明,在SINS/GNS/DVS组合导航中采用该算法,提高了定位精度,保证了滤波的快速性,验证了该算法的可行性和正确性.     

一种模糊自适应INS/GPS组合导航方法

提出了一种基于模糊逻辑的自适应卡尔曼滤波新算法,即基于滤波数据残差构造一种模糊算法,以自适应控制卡尔曼滤波器的增益系数。从而可以消除异常的测量数据带来的影响,使滤波器的残差始终保持零均值,且使估计误差的协方差阵收敛,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真结果表明,该算法具有比常规卡尔曼滤波算法更高的导航精度。     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合.并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性.     

基于单GPS观测的SINS姿态校正方法

针对车(船)载惯性和GPS组合导航系统(INS/GPS),研究单天线GPS对INS的姿态校正方法。提出一种基于单天线GPS进行捷联惯导(SINS)机动中对准和姿态校正方法,该方法以GPS两个不同时刻的不共线速度向量为参考向量,利用TRIAD算法进行姿态确定,并设计了Kalman滤波器估计姿态四元数。仿真试验表明该方案能较好地校正惯导系统的初始对准误差,并通过实时校正保持长期的姿态精度。     

改进的联合Kalman滤波及其在组合导航中的应用

以组合导航为应用背景,对联合Kalman滤波进行了改进,每循环Ⅳ次,就用主滤波器的估计值来修正子滤波器的值,以改善滤波器的性能,提高组合导航系统精度,并且大大减小收敛时间,提高其效率.最后将该方法应用于GPS/INS/LORAN-C组合导航系统中,仿真结果表明该方法是有效的.     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。