综合导航系统自动驾驶功能的研究

主要介绍了综合导航系统对ＰＩＤ自动舵实现自动驾驶的一种可行方法。     

基于卫星导航数据在线拟合星光折射模型方法

基于星光折射的自主导航系统结构简单、成本低廉,理论上能够实现对飞行器的高精度导航.但由于测量模型受大气参数不确定性的影响,使得该导航方法的精度及可靠性严重降低.根据飞行器处于低轨段的卫星导航数据,通过神经网络在线拟合星光折射模型,避免了大气参数不确定性的影响,提高了星光折射导航精度.通过仿真重点研究了星光折射模型的特点...     

基于星上天线仰角约束的星间可视卫星集解析算法

星座自主导航需要对星间可视性规律做定量分析,可为进一步研究星间自主组网策略以及星间网络拓扑设计提供理论依据,同时星上自主建立星间链路需要卫星已知其可视卫星集合,因此有必要研究星间可视性解析算法.建立了基于星上环带天线仰角约束的星间可视性判定模型,结合星座几何特性以及卫星运动规律,以时间为变量,推导了卫星在运动过程中对同...     

舰载导弹垂直发射系统的综合测控系统

通过对舰载导弹垂直发射系统中贮运发射箱内环境监控、导弹综合测试、发射过程控制、射击参数装定以及应急状态自动处理等需求分析,提出建立综合测控系统方案,并探讨了以LONworks总线为核心的综合测控系统基本结构、组成和功用.     

数字磁阻磁场仪在自行式武器导航中的应用

介绍了以磁阻传感器为基础的数字磁阻磁场仪HMR2300的基本原理及其在自行式武器系统导航中的应用,重点叙述了在车体倾斜和有金属材料影响的情况下,对HMR2300输出结果的补偿和计算方法.     

关于潜艇装备劳兰C导航仪技术问题的研究

本文提出了一种改善潜艇现有天线接收性能的方法,从而解决了在潜艇上安装使用劳兰C导航仪的关键技术问题。     

联邦滤波器公共信息分配方法

目前的导航系统多采用以惯导为主的组合导航方案,其组合算法有集中卡尔曼滤波和联邦卡尔曼滤波两种.针对联邦滤波器公共信息分配的问题,分析了常规的固定分配系数的方法及其特点,之后详细讨论了动态分配方案,列出了几种分配模型.最后给出了INS/GPS/ADS组合导航系统公共信息动态分配的算例.     

通道失配对GNSS阵列抗干扰性能的影响分析

卫星导航接收机极易受到电磁干扰的影响,基于阵列接收机的空时(频)抗干扰技术被证明是目前最有效的抗干扰手段。在工程实现时,阵列通道存在通道失配,本文以统计性能的评估方法评估了通道失配对阵列抗干扰性能的影响。研究结果表明,通道间群时延偏差和幅度失配是导致阵列抗干扰性能下降的主要因素,前者可通过增加空时滤波器阶数来消除影响,而后者对空时滤波器阶数不敏感,需要进行必要的校正。     

基于矢量分配的组合导航容错联邦滤波算法

针对高动态环境下飞行器组合导航系统因不确定故障导致导航精度下降的问题,提出了一种基于矢量信息分配的容错联邦滤波算法。设计矢量形式的故障检测函数,对各观测量进行单独的故障程度划分,克服了将故障子系统所有观测量同时隔离的缺陷;根据观测量是否异常,重构时变量测噪声矩阵和信息分配矢量系数,对子滤波器的状态变量进行信息分配,在隔离故障子系统异常观测量的同时,最大限度地利用正确观测信息。仿真结果表明,采用该算法能够充分发挥各导航子系统的优势,极大提高了导航子系统信息利用率,具有较高的精确性和容错性。     

Robust adaptive UKF based on SVR for inertial based integrated navigation

Aiming at the problem that the traditional Unscented Kalman Filtering (UKF) algorithm can’t solve the problem that the measurement covariance matrix is unknown and the measured value contains outliers, this paper proposes a robust adaptive UKF algorithm based on Support Vector Regression (SVR). The algorithm combines the advantages of support vector regression with small samples, nonlinear learning ability and online estimation capability of adaptive algorithm based on innovation. Firstly, the SVR model is trained by using the innovation in the sliding window, and the new innovation is monitored. If the deviation between the estimated innovation and the measured innovation exceeds a given threshold, then measured innovation will be replaced by the predicted innovation, and then the processed innovation is used to calculate the measurement noise covariance matrix using the adaptive estimation algorithm. Simulation experiments and measured data experiments show that SVRUKF is significantly better than the traditional UKF, robust UKF and adaptive UKF algorithms for the case where the covariance matrix is unknown and the measured values have outliers.