基于单因子抗差估计的SINS/DR高速列车组合导航定位研究

为了有效抑制列车长时间运行下SINS系统定位误差的快速积累,并解决GNSS/SINS组合导航系统在卫星信号故障时不能正常工作的问题,提出了一种基于单因子抗差估计的SINS/DR组合导航定位算法,在SINS系统基础上,引入车载里程仪,作为一种提供列车航位推算数据的设备,通过卡尔曼滤波器的反馈校正获得列车导航参数的最优估计值。在传统卡尔曼滤波器的基础上引入一种自适应调节因子,强化了卡尔曼滤波器的反馈校正效果,保证了在系统建模不准确时仍可获得列车导航参数的最优估计值。计算机仿真结果表明,设计的组合导航定位算法不仅可以保证高速列车长时间运行的定位精度和稳定性,而且在高速列车紧急制动的情况下仍具备较强的抗干扰能力,可以满足列车定位的基本要求。

北斗/SINS/OD组合导航定位终端设计

针对常见组合导航系统在隧道、峡谷、森林等卫星信号较弱甚至出现失锁状况的地区,定位精度会迅速下降的问题,设计了北斗/捷联惯导(SINS)/里程计(OD)组合导航定位终端。终端设计以OMAPL137处理器为核心,包括北斗、SINS、里程计、4G通信和电源等模块。数据处理部分以北斗导航接收机和根据SINS/OD推算分别得到的伪距、伪距率之间的差值作为量测值,使用拓展卡尔曼(EKF)滤波算法进行数据融合与误差估计。实验结果表明,北斗/SINS/OD组合导航定位终端在卫星失锁情况下行驶总里程5 km时最大位置误差为46.82 m,误差漂移为0.94%,能够有效解决卫星信号受遮蔽导致定位精度下降的问题,实现平滑载体运行轨迹并提高导航定位精度。

车载GNSS/SINS/里程计分布式弹性融合导航方法

为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法。该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合。通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证。试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能。此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用。

基于双通道Residual-LSTM的SINS/GNSS组合导航算法

针对全球导航卫星系统信号中断情况下SINS/GNSS组合导航系统无法持续进行误差校正的问题,提出一种基于双通道Residual-LSTM的SINS/GNSS组合导航算法。首先,考虑到SINS经度、纬度误差传播特性不同所导致的模型输入、输出信息之间的非线性相关性差异化,构建具有不同权重系数的双通道长短期记忆神经网络模型结构,并引入遗忘信息共享机制自适应地利用历史导航数据对经度、纬度信息进行拟合预测。其次,针对深层神经网络存在的模型退化和梯度消失问题,在多层双通道LSTM网络之间建立残差高速通道形成Residual-LSTM模型结构,以增加不同网络层次之间的信息传播路径。最后,通过实船数据验证本文所提算法的有效性。实验结果表明,与基于常规智能方法的SINS/GNSS组合导航算法相比,所提组合导航算法在GNSS信号中断期间经度误差降低了51.97%,纬度误差降低了31.45%。

模糊自适应Kalman滤波算法在SINS/DR组合导航的应用

针对里程仪测量误差导致组合导航精度降低的问题,提出基于系统工作状态和滤波器新息状态相结合的模糊自适应算法。根据新息的变化确定模糊规则,修正里程仪输出增益,使新息始终保持在零均值附近,利用修正后的新息修正观测噪声方差,降低导航定位的偏差。仿真实验结果证明,该算法能够很好地提高组合导航定位的精度。

战术弹道导弹SINS/GNSS/SAR组合制导方法研究

针对 SINS/GPS组合制导系统在战术弹道导弹的应用中存在的问题 ,本文在该组合系统中融入了合成孔径雷达 (SAR)传感器 ,用以提高系统的自主性、容错性和制导精度。仿真结果表明 ,SINS/GNSS/SAR组合系统的制导精度比SINS/GPS有所提高。

GPS/SINS/RA组合导航系统用于精密着陆的研究

本文针对飞机进场着陆的要求,提出了一种GPS/SINS/RA组合导航系统方案,建立了组合系统的数学模型,采用了组合卡尔曼滤波器,按18颗导航星的布置方案,应用了GPS仿真器。在考虑飞机沿3度倾斜角下滑线进行着陆飞行时,对组合系统进行了计算机仿真。仿真结果表明,当GPS接收机采用P码,或采用C/A码再使用差分和伪卫星技术时,组合导航系统能够达到国际民航组织(ICAO)提出的精密进场着陆时的定位精度要求。

SINS/GPS/CNS组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了SINS/GPS/CNS组合导航联邦滤波算法,该算法可以取长补短,巧妙地将GPS定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进。计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较SINS/GPS组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级。仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值。

自适应联合滤波模型及其在车载SINS/GPS组合导航系统中的应用

本文提出了一种自适应联合滤波模型结构及其算法 ,定义了联合滤波模型信息分配系数的自适应调节准则 .并设计了车载 SINS/ GPS组合导航系统的自适应联合滤波器 ,给出了滤波算法 .理论分析和实验室组合导航实验表明 。

激光陀螺SINS/GPS组合导航车载试验系统

SINS GPS组合导航系统已经应用于许多不同的领域。介绍一种已经进入试验阶段的低成本激光陀螺SINS GPS组合导航系统。根据系统的硬件结构,设计实现了与实际系统相匹配的组合导航滤波器,根据车载试验的结果,着重分析了系统车载试验中不同导航模式对系统性能的影响,最后给出了一些有益的结论。

用于SAR运动补偿的DGPS/SINS组合系统研究

使用考虑位置误差相关项的伪距率观测模型 ,研究了用于合成孔径雷达运动补偿的差分 GPS/ SINS伪距率组合系统。结果表明 ,组合系统的长期位置精度能达到 1 m左右。 GPS数据更新率低于 INS,在 GPS测量时间间隔内 ,组合系统的性能仅由 INS决定。虽然 INS误差随时间积累 ,在 GPS数据更新率为 1 s的情况下 ,即使采用中等精度的惯性仪表 ,其相对位置精度为厘米级 (这里相对位置精度指组合系统在 GPS测量时间间隔内位置误差的变化范围 )

基于联邦滤波的SINS/GPS全组合导航系统研究

传统的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统常采用位置速度组合模式,其可观测性与载体的飞行航迹有关,从而影响了整个组合导航系统的精度和可靠性。为了解决这一问题,提出了基于联邦滤波的SINS/GPS全组合导航系统方案,推导了姿态角误差和平台失准角之间的变换关系,建立了SINS/GPS全组合导航系统数学模型,最后采用联邦滤波算法进行组合导航仿真计算。通过对仿真计算结果的分析,证明基于联邦滤波的SINS/GPS全组合导航算法能够有效地提高系统的导航精度和可靠性。

SINS/GPS组合导航系统选星算法

选星算法是SINS/GPS组合导航定位系统中一个重要的步骤。在最佳选星算法的基础上,提出了一种适用于基于伪距、伪距率的SINS/GPS紧耦合组合系统的选星算法。该算法通过ENU(东北天)坐标系中几何矩阵及几何精度因子的定义,利用星历给出的卫星在ENU坐标系中的高度角和方位角解算出最佳四颗导航定位卫星,即基于G矩阵的选星算法。通过与两种常规选星算法的对比,验证了本算法具有较强的工程实用性。此外又推导了基于G矩阵的伪距、伪距率的SINS/GPS组合系统量测方程。该算法避免了求解卫星的位置,从而有效减少了计算量。

卫星信号失效条件下SINS/GPS不同组合方式的性能比较

为了研究卫星信号失效对SINS/GPS松组合导航系统和紧组合导航系统导航性能的影响,在分析惯导系统误差方程的基础上,给出了基于卡尔曼滤波的松组合和紧组合数学模型,构建了两种组合方式的仿真平台。仿真结果显示,SINS/GPS紧组合导航系统的精度要明显优于松组合导航系统,且在卫星信号失效导致可见星数目少于4颗甚至仅有1颗时,SINS/GPS紧组合依然能够保持组合模式,并可提供高于单一惯性导航系统的导航精度,说明了SINS/GPS紧组合方式具有较高的精度和可靠性。

基于SINS辅助的GPS完善性监测方法

以车比雪夫大数定律为基础 ,研究基于捷联惯导系统 (SINS)的全球卫星定位系统 (GPS)完善性监测方法 .采用一个卡尔曼滤波器滤波 ,对卫星伪距故障幅值进行估计并判断哪颗卫星出现故障 .最后给出了卫星出现阶跃故障的仿真实例 .仿真结果表明 ,该方法能够及时准确地检测出GPS信号故障 ,计算量较低 。

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter,EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。

Rao-Blackwellized粒子滤波在SINS/GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求。因此,本文提出了利用Rao-Blackwellized(RB)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法。优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少。通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性。

GPS/SINS组合导航系统混合校正卡尔曼滤波方法

利用卡尔曼滤波器将GPS伪距与SINS进行了深组合,在分析了导航误差产生原因的基础上,提出了输出校正与反馈校正相结合的混合校正卡尔曼滤波方法。与输出校正和反馈校正方案相比,这种校正方法提高了系统导航精度。仿真结果验证了混合校正卡尔曼滤波方法的有效性。

SINS/GPS组合导航序贯滤波算法

针对SINS/GPS的速度、位置组合方式中,GPS接收机的位置测量误差相关的问题,提出了一种序贯形式的Kalman滤波算法。这种算法既具有计算量小的优点,又能克服由于GPS位置测量误差相关性带来的滤波性能变差的问题,实现对SINS/GPS组合系统信息的有效融合。通过仿真证明了该算法的有效性。