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。     

低成本SINS/GPS组合导航系统仿真

捷联惯导系统(SINS)由于受到自身传感器性能和惯性导航原理的影响,导航定位误差较大。随着GPS导航系统性能的不断完善以及GPS固有的一些不足之处,将SINS和GPS两者进行组合形成组合导航系统,以此来完成载体的导航任务成为目前的研究热点。针对一种适合于工程应用的低成本SINS/GPS组合导航系统进行了仿真研究,并对该组合导航系统建立了一种工程化的系统模型。利用自适应卡尔曼滤波器对系统误差进行估计,获得了良好的效果。通过仿真实验验证了所建立的系统模型能够满足组合导航系统的功能要求并具有良好的稳定性。     

SINS/DR组合导航系统可观测性研究

对SINS/DR组合导航系统的误差方程进行了介绍。将陀螺漂移、加速度计零偏和里程仪刻度系数误差扩展为卡尔曼滤波器的状态,建立了19维状态的组合导航滤波模型。采用分段线性定常系统(PWCS)分析了载车在各个不同运动特性下SINS/DR组合导航系统的可观测矩阵;利用奇异值分解(SVD)分析法定量地分析了SINS/DR导航系统的可观测度。通过系统仿真预测了位置误差、姿态误差和速度误差的滤波效果,仿真结果表明,位置误差、姿态误差和速度误差的估计效果较好。     

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。     

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.     

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。     

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。     

级联SINS/GPS系统的相关卡尔曼滤波

针对级联式 SINS/ GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题 ,提出了一种相关程度未知条件下的估计量最优融合算法 ,并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法。通过对一套 SINS/ GPS数据的计算 ,证明了新算法是成功的     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。     

自适应联邦卡尔曼滤波的时间配准方法

针对现有组合导航信息融合时间配准方法存在的算法实时性不高、配准精度不高等缺陷,对组合导航系统时间误差进行了分析,提出了一种基于自适应联邦卡尔曼滤波的重叠分段时间配准算法。通过对传感器量测信息进行重叠分区处理,将不同起始时刻、不同采样频率的量测量统一至同一时刻处理,有效提高了采样率与配准精度。将其应用到SINS/GPS组合导航系统,实验结果表明,该算法能显著减小组合导航系统误差,提升了系统平稳性。