基于粒子群算法的石英挠性加速度计温度补偿方法研究

由于使用环境的需求,需要光纤惯组具有较宽的工作温度范围,一般在-40℃~60℃温度范围内有稳定且准确的输出。而实际情况下温度变化会使惯性器件输出产生温度漂移,制约惯组的输出精度。以工程实例为依托,以光纤惯组中低精度石英挠性加速度计作为研究对象,首先分析了石英加速度计的温度特性,然后设计了一种基于粒子群算法的石英加速度计温度补偿方法,并以温补后器件的零偏特性为依据,利用试验平台对温补效果进行了试验验证。试验结果表明,该温补方法能够有效补偿石英加速度计的温度漂移,补偿后的零偏稳定性较补偿前有数量级上的提升。

一种基于INS/GPS/CNS的全信息导航滤波算法

为解决INS/GPS两组合导航系统因观测信息不完整造成的姿态误差发散、系统稳定性较弱的问题,本文利用CNS搭建了基于INS/GPS/CNS的全观测信息导航系统。通过建立以位置误差、速度误差及平台失准角误差为观测量的系统数学模型,提出一种基于INS/GPS/CNS的全信息导航滤波算法,提高了系统的导航精度,改善了系统的稳定性。试验结果表明,本文所提算法相较于传统两组合滤波算法,各导航参数的精度在不同程度上得到改善,长航时条件下姿态误差收敛、稳定性较高。

基于粒子群参数辨识法的SINS初始对准方法

针对基座摇摆运动条件下,用递推最小二乘参数辨识法对初始失准角进行估计时,存在方位失准角收敛速度慢、估计精度受到北向失准角估计精度影响等问题,提出一种基于粒子群优化(PSO)算法的参数辨识法。该方法在保证初始对准精度的同时,直接以三个失准角作为待估参数对其进行估计,大大降低了方位失准角的估计时间。仿真结果表明,与递推最小二乘法相比,粒子群优化算法的方位失准角估计时间缩短了94.52%,水平失准角缩短了60%左右。

超级航姿中基于变阈值判据的自适应Kalman滤波

超级航姿系统因受外界干扰而使加速度计输出稳定性发生变化时,传统航姿算法易引起载体机动状态误判,且易导致滤波器振荡甚至发散,因此,该文提出了一种基于模糊推理系统的变阈值载体机动判据自适应Kalman滤波算法。该算法能根据加速度计输出稳定性的变化,自适应地调节载体机动判据及滤波器的量测噪声阵,从而降低载体机动状态的误判率,并提高滤波器对量测信息的利用程度。仿真实验表明,当加表稳定性发生变化时,该算法仍能较好地判断出载体的机动状态,并对量测噪声阵作出相应调整,使超级航姿系统的长航时姿态精度和滤波稳定性得到提高。

基于时间同步的船体姿态基准传递技术

在基于惯性量匹配算法的船体姿态基准传递技术中,保证2套惯导系统的数据同步是实现高精度的必要条件。本文对基于角速度匹配的姿态基准传递进行研究,并重点针对该过程的时间同步问题提出解决方案。一方面利用GPS的1PPS信号作为基准时钟源,完成2套系统的晶振校正,建立数据同步采集机制。另外,设计引入时延的扩维Kalman滤波器,对残余时延误差进行在线补偿。依靠同步采集与算法补偿相结合,实现船体变形角的高精度解算。仿真试验得到时延干扰下的测量误差在10角秒左右,证实所提方案具有较高的应用价值。

基于PSO的船体动态变形模型参数在线辨识

在船体变形测量领域,惯性量匹配法凭借其高精度、易实现的优点成为了时下的研究热点。详细介绍了角速度匹配法进行船体变形角估计的原理,针对算法中动态变形模型(二阶Markov)参数难以确定的问题,推导了两套INS的角增量输出差值与动态变形角之间的关系,建立了利用角增量差值的自相关函数进行求参的理论依据。在求参工具上选择了粒子群算法,借助指数衰减正弦信号的形式建立算法模型,并且合理设置算法参数,最终形成一套完整的在线辨识方案。仿真实验证实,该方案能够实现动态变形模型参数的精确辨识,辨识精度较高,且SNR门限低。最终的变形角估计结果表明,结合该参数辨识算法,船体变形角估计误差可控制在10″左右,证明了该方法的可行性。