一种光学陀螺随机误差在线补偿方法

光学陀螺随机误差在线补偿方法通常先离线建立随机误差模型,再利用Kalman滤波在线补偿随机误差。受陀螺仪自身性能稳定性以及外界环境的影响,离线建立的随机误差模型应用于在线补偿时会出现偏差;外界环境变化导致量测噪声统计特性具有时变性,不满足Kalman滤波必须已知噪声先验统计的要求,这2个因素均会降低随机误差的在线估计精度。提出一种基于自适应滤波的随机误差在线补偿方法。通过引入虚拟噪声,将随机误差模型偏差的影响归结为时变虚拟系统噪声;进而利用渐消记忆时变噪声估值器,对虚拟系统噪声和量测噪声的统计特性进行估计与修正,消除随机误差模型偏差及量测噪声时变的影响。试验结果表明,所提方法可以实现对随机误差的高精度在线补偿,具有一定工程应用价值。

重力插值重构在重力匹配导航中的应用研究

重力匹配导航的定位精度与重力基准图分辨率紧密相关,重力基准图可以通过插值算法细化重构,提高分辨率。为了验证重力基准图的细化重构是否可以有效提高定位精度,对多面函数插值法、Shepard插值法及综合Shepard插值法的插值效果进行了比较分析,并采用这3种插值算法对重力基准图进行细化重构,选用地形轮廓匹配(TERCOM)算法和迭代最近等值线点(ICCP)算法作为重力匹配算法,通过海上船测数据的离线仿真验证了插值处理后重力基准图的重力匹配导航效果。试验结果表明,使用3种插值算法将重力图分辨率由1′×1′提高到0.5′×0.5′后,TERCOM算法和ICCP算法的定位精度分别提升了约30%和20%,但分辨率提高到0.25′×0.25′后,定位精度不再有明显提升。此外,3种插值算法的插值效果虽不尽相同,但导航结果却具有一致性,试验结果也表明,当基准图分辨率提升仅为1倍时,插值算法的选择对导航结果影响甚微。

基于多传感器融合的无人舰载机舰面定位研究

无人舰载机在航母舰面的自主定位是实现自主转运、提高驶入/驶出效率的重要前提.其中,如何依靠机载传感设备实现GPS拒止环境下的舰载机自主舰面定位是亟待解决的关键技术.为此,提出了一种基于视觉和激光雷达融合的无人舰载机舰面自主定位算法.该算法通过结合手眼标定和互信息标定方法进行多传感器在线标定,使无人舰载机在面对风浪及航母运行等情况下机身摇晃导致传感器外参标定结果变化后仍能保持稳定运行;引入因子图用于无人舰载机的多传感器位姿联合优化并基于自主转运过程中的运动模型建立了简单高效的传感器失效标准,从而有效地融合了激光雷达和视觉定位结果,使该算法在单个传感器失效的情况下依然可以进行精确的自主定位;最后建立了基于多传感器的舰载机舰面仿真系统对本文算法进行验证,实验结果表明,本文算法在单个传感器失效的情况下定位误差仍维持在0.2m以内,满足实际应用要求.

基于EKF/PI滤波的小推力轨控期间自主导航算法

研究了以电推小推力作为主要的轨控推力来源的高轨卫星在轨控期间的自主导航算法。针对GNSS接收机在高轨的测速精度相对较差,以及轨控期间电推产生的推力较小,常规加速度计无法准确测量,从而导致在轨控期间自主导航精度下降的问题,提出了基于EKF+PI滤波的一体化自主导航算法。通过结合EKF滤波和PI滤波算法,经EKF滤波抑制GNSS接收机定位数据的测量白噪声,然后通过PI滤波估计电推加速度并反馈给EKF滤波算法,提高电推工作期间EKF算法的导航精度。仿真结果表明,基于EKF+PI滤波的一体化自主导航算法可以准确估计出电推加速度大小,同时可有效提高连续小推力轨控期间的自主导航精度。

GNSS/SINS紧耦合选星算法研究

通过分析全球导航卫星系统(Global Navigation Satellite System,GNSS)和捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)紧耦合导航系统中最小GDOP法的现有问题,提出一种改进的GNSS/SINS紧耦合选星算法。该算法的主要步骤包括:首先将可见卫星进行伪距异常值检测,并剔除异常值卫星;然后根据卫星的分布特点,利用卫星仰角信息选取最大的一颗作为天顶星,最后将剩余可见卫星随机组合选取三颗卫星和天顶星组成四颗星,得到最终的选星方案。经过与最小GDOP法仿真对比,该算法计算量明显减小,且在保证定位精度的前提下,减少了计算的卫星数目,降低了运算量,具有较好的选星效果。

一种针对组合导航滤波发散问题的改进算法

为解决车载组合导航系统中卡尔曼滤波器发散、无法准确跟踪误差变化等问题,设计了一种改进的自适应滤波算法。算法从原理上推导了滤波发散判断依据,结合了Sage-Husa滤波与渐消因子算法,在滤波过程中引入了新息衰减因子,通过对新息协方差进行判断,切换滤波器均方误差阵的更新策略,当出现滤波发散时采用多重渐消因子算法使滤波状态回归正常。对改进后的算法进行了捷联惯导/里程计组合导航仿真试验及实际跑车试验,试验结果表明改进后的自适应滤波算法可以抑制组合导航滤波发散,滤波器适应能力与稳定性得到增强。

信息非完备下多航天器轨道博弈强化学习方法

针对信息非完备约束下航天器轨道博弈难以自主决策的问题,基于多智能体强化学习提出一种多航天器轨道博弈决策方法。首先建立轨道博弈动力学和信息非完备约束。其次建立用于训练和决策的神经网络模型,依据分布式系统架构对网络的输入输出结构进行设计,并引入具有记忆功能的长短期记忆网络(LSTM),根据航天器轨道运动在时间、空间连续的属性,补偿位置、速度测量信息的非完备性。然后采用近端策略优化(PPO)算法开展红蓝左右互搏式学习训练。最后通过三组对比训练实验,验证了所提出的方法在信息非完备约束下能够有效增强学习训练过程的稳定性,并提升任务完成率和降低燃料消耗。

面向集群协同的两点相对定位技术

无人集群节点间精确位置获取是集群协同的基础,但在复杂多变的应用环境中,全球导航卫星系统(GNSS)难以提供稳定准确的位置信息;难以部署辅助锚点;传统相对定位方法大多存在节点数量限制。针对上述3个问题,提出了一种GNSS拒止条件下的集群节点相对定位的新方法。以搭载惯性测量单元(IMU)和超宽带传感器的两个节点为例建立了相对定位模型,采用扩展卡尔曼滤波算法,融合机载IMU和机间距离信息,实现了相对位置的最优估计。仿真实验结果表明:在无人机相距200 m的范围内,所提方法可达到约1.3 m的相对定位精度,与现有多节点相对定位算法相比,提高了约4倍;在无需GNSS和辅助锚点的支持下,即可实现两个节点之间的高精度相对定位,能够为无人集群在复杂应用环境下的协同定位提供有效可行的解决方案。

基于SE(3)-EKF的旋翼无人机GNSS/SINS空中快速对准方法

针对旋翼无人机GNSS/SINS组合导航系统采用传统对准方法难以在大失准角下实现空中快速对准的问题,提出了一种基于SE(3)-EKF的旋翼无人机GNSS/SINS空中快速对准方法。将姿态和速度状态误差量构造为李群元素,并考虑陀螺仪和加速度计零偏误差,构建了群-矢量混合误差模型,推导了基于SE(3)-EKF的GNSS速度量测方程。实验结果表明:当失准角为[3°, 4°, 95°]时,所提方法在200 s内实现了约为0.1°的水平姿态对准精度,较传统的扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)分别提高了50%以上和20%以上;航向角误差约为0.4°,相较于EKF、UKF分别降低了45%以上和43%以上。当失准角为[20°, 20°, 175°]时,EKF和UKF已无法收敛,而所提方法水平姿态误差可收敛到约0.1°,方位误差可收敛到约0.5°,验证了所提方法适用于不同场景下的初始失准角,具备一定的工程应用价值。

基于MEMS振动陀螺的旋翼无人机组合导航算法设计

旋翼无人机需要惯导提供准确的角速度和加速度测量信息,而由于无人机的振动会对陀螺输出噪声产生影响,进而影响无人机的飞行平稳性。因此,该文提出了一种面向旋翼无人机的组合导航算法,基于扩展卡尔曼滤波,结合全球导航卫星系统/惯性导航系统(GNSS/INS)组合导航算法和无地磁传感器的航姿参考系统算法,在一定程度上解决了GNSS失效情况下的姿态稳定问题。针对旋翼无人机对导航系统输出信息平稳性的要求,采用自适应陀螺采样平滑方法,在少量增加数据处理复杂度的前提下,降低了航姿和角速度信息的噪声,在无人机应用中实现了良好的飞行轨迹重复性和控制平稳性。

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题,本文提出了一种自适应滤波协同图优化导航方法。首先,构建INS/GNSS/e-Compass组合导航系统的因子图模型;然后,利用测量方差自适应滤波对传感器测量信息进行预估,在滤波过程中更新相关传感器的测量协方差矩阵,并将预估结果作为变量节点加入因子图;最后,通过滑动窗口控制优化范围,对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明,所提出的方法对传感器测量协方差的不匹配问题具有自适应性,能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法,该方法的定位精度提升了30%,计算效率提升了12%。

采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法

太阳能高空长航时无人机导航系统中,捷联惯导/北斗2κ全球卫星导航/星光导航(SINS/BD2/GPS/CNS)是一种可用的组合方案.针对常规容错组合导航算法故障检测类型单一,故障时滤波精度下降的问题,提出一种采用双状态卡方检验(TSPCST)和模糊自适应滤波(FAF)的容错组合导航算法.为了同时检测多种故障,将TSPCST应用于联邦滤波结构中;为了防止故障数据污染系统,利用FAF输出的高精度导航信息,对双状态传播器定期交替校正;进一步,FAF运用TSPCST检测得到的故障信息变量,定义量测子系统模糊有效域,将检测阈值模糊化,以弥补常规固定检测阈值算法难以选取阈值的不足;最后,通过计算信息分配因子,自适应处理多种故障数据.仿真结果表明,该容错组合导航算法性能优于常规固定检测阈值算法.

陆用捷联惯导系统/里程计自主式组合导航技术

利用里程计辅助捷联惯导系统构成一种自主式组合导航系统.用捷联惯导系统解算出的速度和里程计所测量的速度之差作为观测量,利用闭环卡尔曼滤波技术进行误差估计与校正,并给出了仿真结果.仿真结果表明,该组合导航系统可有效地减小速率、经度和纬度、航向角和姿态角及航迹推算下的位置等导航参数的累积误差.

衰减因子自适应滤波及在组合导航中的应用

从卡尔曼滤波技术的稳定性出发 ,分析了卡尔曼滤波算法发散的原因 ,提出了一组衰减记忆卡尔曼滤波中衰减因子的自适应估计方法 ,并在GPS SINS组合导航系统中进行了计算机仿真 .在计算衰减因子时 ,利用滤波残差序列在最优估计时为零均值白噪声的性质 ,构造了服从 χ2 分布的变量 ,并分别检验滤波残差每一个分量得出衰减因子值 .仿真结果表明 ,该组算法能够自适应地估计出衰减因子的大小 ,有效地抑制滤波发散 。

改进的Sage-Husa自适应滤波及其应用

为防止滤波发散和提高系统的实时性,提出了一种基于协方差匹配技术的自适应滤波方法。该方法将协方差匹配技术和一种简化的Sage-Husa自适应滤波算法相结合,通过滤波的状态确定量测噪声协方差阵的值,在线估计噪声的统计特性实现自适应滤波。将该算法应用到惯导/双星(INS/DS)组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明,在滤波精度相当的情况下,新算法简化了运算,提高了实时性。

基于欧拉平台误差角的SINS非线性误差模型研究

捷联惯导系统(SINS)误差模型是研究SINS误差传播特性和进行多导航系统间信息融合的基础。文章利用欧拉平台误差角表示理论导航坐标系与计算导航坐标系之间的失准角,推导了SINS非线性误差模型,在大方位失准角误差和小失准角误差条件下做了简化研究。提出了基于外界阻尼信息的阻尼SINS算法及其误差模型,有利于减小计算量和降低误差分析的复杂性。最后,对大欧拉平台误差角下SINS误差模型进行了准确性检验,仿真结果表明误差模型能完美地反映SINS误差特性。

联邦卡尔曼滤波器在无人机导航系统中的应用

针对无人机GPS\RP\DR组合导航系统的特点,设计了用于该系统的联邦卡尔曼滤波器。该滤波器具有全局最优性,其结构遵循信息分配原则,其算法改善了数值计算的稳定性和系统的容错性,并减少了信息传输量与计算量。理论分析及仿真结果表明,该联邦卡尔曼滤波器能够满足无人机在 GPS或 RP信号无效或两信号均短期无效情况下定位导航的精度要求。

基于等值线约束的地磁匹配方法

地磁辅助导航是组合导航技术研究的新方向.简要介绍了地磁辅助导航的基本原理和发展现状,并重点对地磁匹配方法进行了研究.地磁匹配是利用地磁图进行定位的方法,位置输出可用于限制惯性导航系统的误差积累.提出了一种改进的基于等值线约束的相关匹配算法,能够有效消除导航系统的初始位置误差并能限制匹配过程中惯性导航系统的积累误差.仿真实验证明,该算法能有效提高相关匹配的实时性,并能把定位精度控制在地磁数据网格间距以内.该算法对航向误差具有一定的适应性.

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。

GPS/SINS组合导航系统状态的可观测度分析方法

线性时变系统状态的可观测度是检验所设计的Kalman滤波器的收敛精度和速度的重要指标。传统的可观测度分析方法存在着各种缺陷,难于满足实际工程应用需求。首先,本文论述了将线性时变系统状态转化为分段式定常系统(PWCS)的可观测性分析方法,并在对PWCS可观测性矩阵进行奇异值分解的基础上,定义系统状态的可观测度。然后,详细证明GPS/SINS组合导航系统满足PWCS分析定理要求,可以用条带化可观测性矩阵(SOM)代替总的可观测性矩阵(TOM)分析系统状态的可观测度。为了分析全弹道GPS/SINS系统状态的可观测度,进一步提出改进的可观测度分析方法。最后,从松耦合GPS/SINS系统仿真结果可以看到,可观测度指标能够很好地预见系统状态的Kalman滤波误差大小。可观测度高则滤波误差小,可观测度低则滤波误差大。这初步表明改进的可观测度分析方法是合理的和可行的。