基于交互式多模型滤波的船体变形惯性测量方法

基于惯性测量单元的匹配滤波算法是测量船体变形的发展趋势,然而在实际航行中,船体变形模型参数是未知或存在不确定性,模型参数的这一特性对滤波估计结果影响较大。针对此问题,利用"速度+角速度"匹配算法分析了模型参数未知对滤波估计效果的影响,引入交互式多模型卡尔曼滤波方法,利用不同模型参数的似然函数进行概率分配。最后通过仿真对提出的方法进行了验证,结果表明,与传统卡尔曼滤波相比,估计精度提高了5%~10%,收敛时间提高了1倍,动态变形角的收敛时间在10 s以内,静态变形角的收敛时间在5s以内,提高了系统的环境适应性。

一种基于自适应神经模糊推理系统的多AUV协同定位方法

针对多自主水下航行器(AUVs)在恶劣水下环境通信数据包丢失的情况,提出了一种基于自适应神经模糊推理系统(ANFIS)的多AUV协同定位方法。将传统的扩展卡尔曼滤波(EKF)与ANFIS相结合。在协同定位系统正常通信时,跟随AUV的位置由EKF估计得到,并利用该阶段收集的数据对ANFIS模型进行训练;当通信包丢失时,ANFIS进入预测过程,ANFIS根据输入数据预测跟随AUV的位置。利用湖试数据验证了所提方法的有效性。实验结果表明,当通信包丢失时,ANFIS能够根据输入数据有效地预测AUV的位置。在通信包丢失时,所提方法平均定位误差与无ANFIS辅助的EKF滤波比较,平均定位误差减小78%,均方根误差减少77%,具有更好的准确性和稳定性。

基于雷达测距与角位置辅助的SINS空中对准方法

针对卫星导航受限条件下捷联惯性导航系统(SINS)空中初始对准问题,提出了一种基于雷达测量斜距-角位置匹配模型。推导了传统雷达位置匹配模型方案量测线性化过程,说明了线性化后量测噪声统计特性随斜距变化的缺陷,同时提出直接采用雷达测量的距离和角位置作为量测信息的对准方案。根据雷达与飞行器之间的相对位置关系,建立了雷达斜距与角位置信息辅助的捷联惯性导航系统初始对准量测方程,利用无迹卡尔曼滤波器(UKF)解决了量测方程非线性问题。最后通过200次蒙特卡洛分析仿真验证了算法的可行性,斜距大于50 km条件下,300 s时航向对准误差角统计均值为-0.0289°,统计标准差为0.0377°,同时有较高的水平对准精度,且明显优于传统位置匹配对准方案。