基于改进Elman神经网络的SINS动基座传递对准研究

在运用Kalman滤波进行SINS动基座传递对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于改进Elman神经网络的SINS动基座传递对准方法.首先通过增加输出层节点的反馈来改进普通的Elman神经网络模型,其次采用强跟踪滤波器对改进Elman神经网络进行训练.利用仿真数据对该算法进行验证,结果表明,该算法能够克服Kalman滤波的缺陷,提高传递对准精度达100%～150%.     

基于UKF算法的SINS/GPS全组合导航系统研究

将UKF算法用于低成本的SINS/GPS全姿态组合导航系统中,提出了一种GPS测量姿态角的方法,推导了姿态角误差与平台失准角的关系,建立了系统的非线性误差模型,设计了UKF滤波器。仿真结果表明,通过将UKF算法用于SINS/GPS全姿态组合导航系统中,系统的可观测性得到了改善,提高了导航精度。     

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。     

捷联惯导惯性系动基座对准算法研究

针对船载等晃动基座环境,利用多级低通FIR数字滤波器和过渡的惯性坐标系,实现了惯性系动基座对准。分析表明,对准精度取决于等效的东向陀螺漂移大小以及FIR滤波器组的特性,该方法的对准时间长短取决于FIR滤波器组的阶次,并从原理上解决了大失准角问题。实验结果表明:惯性系对准新方案的对准精度与传统罗经方法精度相当,但新方法收敛更快,而且适用于任意失准角。     

车辆运动数学模型辅助的动基座对准方法

针对车载捷联惯导(SINS)在外部传感器失效时无法实现动基座对准的问题,提出了基于车辆运动模型辅助的动基座对准方法。与传统方法不同的是,该方法利用车辆在路面上的运动特性,利用车辆运动模型测得的虚拟观测量来提供辅助信息,从而实现SINS的动基座对准,仿真结果表明:对于中等精度惯导,在外部传感器失效时,利用车辆运动模型提供的辅助信息,水平对准精度为0.37°,方位对准精度为5.86°,对准时间小于150 s,依然能够快速有效地实现动基座对准。     

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。     

重力扰动对SINS水平姿态的影响

为研究动基座下捷联惯导系统(Strapdown Inertial Navigation System, SINS)水平姿态误差角与水平重力扰动间的关系,推导了南北方向、东西方向匀速直线运动时,SINS纯惯性解算的水平姿态误差与水平重力扰动间的传递函数,并分析了传递函数的零极点分布;推导了组合导航模式下,水平姿态误差角与水平重力扰动间的传递函数;通过仿真分析了纯惯性解算和组合导航模式下传递函数的幅频特性。组合导航相对于纯惯性解算模式,截止频率更大,SINS姿态误差角受更多高频重力扰动信号的影响,因此,组合导航模式需要更高分辨率的重力扰动数据来进行重力扰动补偿。此外,在对高精度SINS进行重力扰动补偿时,对于重力扰动分辨率的需求是有限度的,过于精细的重力扰动数据只会带来测量和存储压力,不能提高SINS的姿态精度。     

恒速偏频激光陀螺系统航向敏感误差的在线标定与补偿

以单轴恒速偏频激光陀螺系统为研究对象,建立了静基座初始对准时系统中标定参数变化误差对航向敏感误差影响的数学模型。为克服外场测试环境下难以分别精确估计各标定参数的限制,提出将安装关系矩阵参数误差对航向敏感误差的作用视为一个整体进行标定;不需要外部基准,即可基于最小二乘算法实现航向敏感误差系数的在线标定。采用标定得到的航向敏感误差系数,利用原理样机进行了在线补偿精度实验测试。实验结果表明,所提出的在线标定与补偿方法能够有效消除航向敏感误差,提高初始对准航向角精度。     

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.     

惯性航向姿态系统初始对准仿真

惯性导航系统在使用前要进行初始对准,即建立导航坐标系.分别对粗对准和精对准进行了研究.粗对准就是由三个姿态角来得到初始姿态矩阵的过程.精对准就是卡尔曼滤波法.在静基座下对陀螺和磁罗盘组合的系统建立了十一维状态的模型,采用改进卡尔曼滤波方法进行精对准仿真研究,采取渐消记忆卡尔曼滤波以克服滤波发散.仿真结果表明,该滤波方法用于航向姿态系统对准具有较好效果.     

GPS姿态测量系统对惯性导航系统误差修正能力分析

针对惯性导航系统(INS)存在积累误差的缺陷,运用GPS姿态测量辅助修正方法对INS误差进行补偿来进一步提高INS的定位精度.通过对INS系统可观测性进行分析,得出增加不同种类的外部导航信息观测量将有效提高INS误差修正能力的结论.研究了船用INS与GPS姿态测量系统组合的组合导航系统,并对GPS姿态测量系统信息对惯性导航系统的误差修正能力进行了仿真.仿真结果证实上述方法可有效提高INS的定位精度.     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

组合导航系统的神经元信息融合模型

提出了一种基于神经元状态融合的组合导航系统信息融合模型 ,给出了神经元融合权重在线自适应学习算法。将该模型应用于车载SINS/GPS组合导航系统 ,通过仿真计算和实验室静态组合导航实验 ,验证了该信息融合模型及融合权重在线自适应学习算法在实际应用中的有效性和可行性。     

基于SINS/GPS组合导航的AUV半实物仿真系统设计(英文)

为了满足水下航行远航程和长时间的要求,远航程自主水下航行器(AUV)采用的是以SINS导航为主、卫星导航定期修正的方式,以提高导航的精度和可靠性.设计一种采用GPS卫星定位导航模拟器、GPS接收机、惯性测量器件(IMU)和实时仿真计算机构成的采用SINS/GPS组合导航方式的AUV导航半实物仿真系统,并对该系统的硬件接口设计、算法和软件开发进行了论述.所开发的系统通过外部的线运动补偿实现了惯性导航系统的完整计算,通过时间同步策略解决了各导航子系统的并行同步问题.部分仿真试验的结果表明,所设计的半实物仿真系统方案可行,可用于更高置信度的AUV组合导航仿真实验.     

高超声速巡航飞行器中制导研究

通过分析目前应用较为普遍的几种组合导航方式,针对高超声速巡航飞行器,提出了采用捷联惯性导航系统(SINS)/GPS/天文导航系统(CNS)组合导航作为其中段制导方案,并利用四元数法进行捷联惯性导航计算,运用联邦滤波方法对组合导航进行了仿真,仿真结果表明该方案行之有效。     

STK北斗导航系统对GPS导航性能增强研究

为了进一步增强我国GPS用户的定位精度,提出了将北斗导航系统与GPS导航系统进行组合应用的方法,在此基础上,基于STK完成了PDOP数据的仿真.仿真结果表明,组合系统的性能得到增强、系统的定位精度得到提高.     

联邦滤波器在INS/GPS/DVS组合导航系统中的新应用

针对某机载导航系统不能满足高精度导航定位需要的问题,采用了动态信息分配系数方法,提出了一种新的基于联邦滤波器的INS/GPS/DVS组合导航方案,通过对各子滤波器的信息分配系数进行优化,增强了组合系统的导航性能.仿真结果表明,该方案充分提取了导航传感器的信息,有效地提高了组合导航系统的精度和故障检测能力.     

激光捷联惯导在某雷达导航系统中的应用

介绍了法国 SAGEM公司生产的激光陀螺捷联惯导系统 - Sigma30的基本结构和导航原理 ,研究了由 JupiterGPS接收机与 Sigma30构成的组合导航系统的组合方案 ,并从工程的角度讨论了其在某雷达组合定位定向导航系统中的应用