基于SE(3)的鲁棒自适应算法及其在SINS/DVL中的应用

针对复杂环境下SINS/DVL组合导航易受干扰的问题,提出了基于SE(3)的鲁棒自适应算法.通过将李群/李代数理论和鲁棒自适应策略引入正交变换容积卡尔曼滤波(TCKF),使TCKF的估计状态纳入特殊欧氏群,改善了状态空间不一致问题.并利用卡方检验和Huber方法,在量测更新时根据新息向量自适应地重构异常量测.SINS/DVL实验结果表明,所提方法具有比传统方法更优的空间一致性和鲁棒性.

“OBE+五星教学法”在军校导航工程实践教学中的应用

为深入贯彻新时代军事教育方针,培养德才兼备的高素质、专业化新型军事人才,以军校导航工程专业实践教学为例,在OBE理论基础上,结合五星教学法,提出“OBE+五星教学法”的优化教学模式。明确以岗位任职技能与领导力培养为目标,从“聚焦问题、激活旧知、示证新知、应用新知、融会贯通”五个方面组织教学活动。在“OBE+五星教学法”优化教学模式下,提高军校学员岗位任职能力与领导力,解决军校实践教学中“教”与“学”平衡的问题,以有效地满足军校实战化教育改革与新型军事人才培养的需要。

基于自寻优小波降噪算法的海洋重力数据滤波

为抑制船测重力数据中的噪声,提升海洋重力场数据精度,提出了可自动修正阈值参数的自寻优小波降噪算法。首先比较了IIR滤波器、FIR滤波器、Kalman滤波方法、传统小波降噪方法的滤波效果,分析了几种方法的特点及适用性。其次,根据海洋重力信号大多属于缓变的特点,借鉴遗传算法思想,设计了自寻优小波降噪算法。最后,利用湖上船载原子重力仪测量数据进行了实验验证,实验结果表明,自寻优小波降噪算法解决了传统小波降噪方法泛化能力弱、对复杂噪声分量滤除不彻底的问题,与IIR滤波器、FIR滤波器、Kalman滤波方法和传统小波降噪方法等滤波算法相比,滤波结果更接近有用信号,不需要对数据进行截短,滤波后信号精度提升了17%以上。

基于LM算法的惯导自主阻尼算法

针对机动状态或外部信息缺失时,振荡误差补偿的难题,提出了一种不依赖外部参数的惯导自主阻尼算法。所提方法基于传统惯导算法,利用LM算法估计出速度误差模型,进而预测外速度时间序列进行外水平阻尼,摆脱了对外部信息的依赖,还能实现对周期性振荡误差和载体加速度影响的有效抑制。阻尼算法仿真结果表明:对比遗传算法(GA)、最小二乘(LS)法,LM算法估计出的模型在自主阻尼中取得了最佳的阻尼效果,24 h内自主阻尼与外水平阻尼的俯仰角阻尼效果差值不超过4′,验证了所提算法对外水平阻尼算法的近似效果以及对于非训练数据的泛化能力。

冷原子干涉动态重力测量中的噪声与系统效应分析

采用灵敏度函数分析法对冷原子重力仪的噪声进行了分析,并基于各噪声对应的传递函数建立噪声传递模型,定量分析评估了振动噪声、拉曼光相位噪声和磁场噪声对重力测量灵敏度的影响。基于科里奥利力和稳定平台倾斜角等系统效应的修正公式,建立系统效应分析模型,定量分析评估了航向角偏差、速度偏差和纬度偏差对科里奥利力修正量的影响,以及倾斜角偏差对稳定平台倾角修正量的影响。仿真和部分实测数据表明,一方面,各噪声被限制到特定水平时,其对原子干涉灵敏度的影响仍可达μGal级;另一方面,1°的航向角偏差或0.1 m/s的速度偏差对科里奥利力修正量的影响可达1 mGal以上,1′的倾斜角偏差对稳定平台修正量的影响也可达0.42 mGal,说明噪声和系统效应的影响都是不容忽视的。因此,在动态条件下,冷原子重力仪必须进行噪声抑制和系统效应修正,才能获得预期的高灵敏度、高精度重力测量结果。

强噪声条件下原子重力仪小波降噪适应性研究

为消除海洋原子重力仪测量数据中的强背景噪声,提升海洋重力场测定精度,研究了不同阈值量化方法下小波降噪算法在海洋原子重力仪数据处理中的适用性问题。首先,通过仿真试验,以数字滤波器作参考,比较了多种阈值计算方法、多种阈值选取规则下的小波降噪算法对不同强背景噪声的滤波效果,指明了最适合用于船载原子重力仪测量数据降噪的阈值量化方法;然后,结合本课题组的湖上动态测量数据,对仿真试验得到的结论加以验证。结果表明:强背景噪声条件下,小波降噪的滤波效果受阈值量化方法选择的影响会有很大的差异,不同阈值计算方法中,固定阈值计算方法对应的降噪效果最好,滤波后信号信噪比至少提升49 dB,精度较数字滤波器至少提升7.6%;不同阈值选取规则中,软阈值选取规则对应的降噪效果最好,无需利用改进阈值选取规则进行优化。

应用于MTS的多点测温系统设计

针对调制转移光谱稳频(MTS)系统中,温度波动会影响激光频率稳定性的问题,设计出多点测温系统。该系统以FPGA为核心,通过基准电压源激励电桥电路,将三线制PT1000温度变化转换为电压变化,利用同步采样ADC对转换电压进行采集,最后在LabVIEW中将采集电压转换为温度实时显示和存储。信号调理电路中的抗射频干扰滤波和FPGA中的均值滤波,可降低噪声干扰,提高测温精度。实验结果表明:该系统具备线性度好、精度高、重复性好的优点,可对10~80℃的温度进行监测和存储,采用分段线性拟合后,其测温误差不超过0.02℃,可以满足实验需求。

基于新息自适应卡尔曼滤波的加速度计信号降噪

针对加速度计信号降噪中精度有限、噪声统计规律不能完全确定等实际问题,提出了一种新的自适应卡尔曼滤波算法。利用新息自适应估计出了系统噪声和量测噪声的协方差阵,采用不同滑动窗口宽度设计了一组并行滤波器,通过加权优化获得了一个综合自适应滤波器,从而使该降噪方法不仅具有噪声自适应估计能力,而且对新息方差估计所需的滑动窗口宽度的选取进行了优化。理论上推导了该降噪算法的基本过程,并进行了加速度计实测数据降噪试验。试验结果表明,该降噪方法能获得较好的滤波效果,降噪后加速度计信号的噪声方差强度减少了5个数量级。

阻尼参数连续可调的惯导水平内阻尼方法

针对惯导系统传统阻尼方法存在的阻尼网络设计复杂、状态切换产生较大超调误差等主要问题,提出了一种基于变阻尼比例控制的惯导水平内阻尼方法,在无阻尼惯导东向、北向水平修正回路中增加一条前向比例环节通道,通过合理设计比例参数,利用提取的加速度信息进行惯导水平内阻尼,抑制惯导中舒拉振荡误差。相对于传统阻尼方法,该方法使得阻尼网络设计大为简化。该方法通过连续调整比例控制系数,可实现阻尼系数的连续线性修正,能有效抑制无阻尼状态向阻尼状态切换时超调误差。

基于蚁群算法的复杂系统多故障状态的决策

故障树在设备的故障诊断中被广泛应用。当系统复杂度较大时,故障模式和故障树的分支会剧烈增加,故障现象和故障原因因此出现复杂关系,这必然给故障检测和诊断推理带来极大的困难。在故障诊断中引入一种新的人工智能方法,即蚁群算法,可以确定故障树的最优检测次序,并指导系统多故障状态的决策。由于该方法具有平行性、鲁棒性等特点,可以很好地解决前面所提问题。仿真结果显示,在故障树中采用该新方法可行、有效。

基于小波卡尔曼滤波的加速度计降噪方法

针对GF-INS中加速度计降噪的实际问题,提出了一种非零均值观测噪声小波卡尔曼滤波算法.在非标准观测噪声条件下,利用滑动数据窗内的小波变换实时在线估计出观测噪声的方差和均值,作为标准卡尔曼滤波的修正信息,从而实现了标准卡尔曼滤波算法的扩展.实验结果表明,在观测噪声为非标准噪声且统计规律未知的条件下,该自适应降噪方法能获得较好的滤波效果,加速度计信号的噪声方差强度减少了3个数量级.

基于正逆向与降噪的捷联惯导改进快速对准方法（英文）

针对捷联惯性导航系统(INS)的快速对准问题,基于双向过程和惯性传感器的降噪方法,提出了一种改进的对准方法。利用双向过程(前向和逆向)反复处理保存的惯性测量单元(IMU)的数据序列实现快速对准,推导了一种新的前向与逆向对准关系。为了减少角随机游走误差的影响,基于小波变换的降噪方法抑制光纤陀螺(FOGs)和加速度计噪声,给出陀螺罗经回路的改进方法的整个流程,并在自研的光纤陀螺捷联惯导系统上进行测试。实测数据实验结果表明,经正逆向与降噪改进后的快速对准方法具有更快的收敛速度,能在不到3 min内完成对准任务,同时也具有更好的对准精度。

基于虚拟圆球模型的横向极区导航方法（英文）

为减小传统横向极区导航中地球模型引起的主要误差,通常采用椭球地球模型以及复杂的横向转换。基于惯性导航计算中地球半径与速度密切相关的事实,提出利用"虚拟圆球"模型简化横向转换,通过速度补偿减小因模型简化而导致的原理性误差。在载体位置处以卯酉圈半径为半径,构造了一个"虚拟圆球",提出了基于"虚拟圆球"模型的极区横向导航算法。详细推导了采用"虚拟圆球"模型的改进横向极区导航的姿态、速度和位置微分方程。同时,采用扩张系数来补偿载体的速度。对基于圆球模型、椭球模型以及虚拟圆球模型的三种横向导航方法进行了比较。数值仿真结果表明,该方法简化了椭球模型方法的复杂编排,其导航精度优于传统圆球模型方法,与椭球模型方法一致。

13加速度计捷联惯导姿态解算方法(英文)

为了减小全加速度计捷联惯导(亦称无陀螺惯导)角速度重构误差以提高姿态解算精度,提出了一种13加速度计无陀螺惯导配置方案。针对合理设计的13加速度计捷联惯导能同时提供角速度和角加速度信息的特点,提出了一种基于角速度/角加速度信息的捷联姿态算法,采用艾尔米特插值方法进行离散角速度插值重构,利用重构后的角速度信息进行姿态矩阵求解。分析了新姿态算法的基本步骤,并进行了典型圆锥运动仿真实验。结果表明,采用新方法求解姿态矩阵的精度提高40%以上。不同于传统姿态算法仅利用角速度信息,新的姿态算法利用更多的信息,能获得更好的精度。

一种简化的无陀螺惯导系统安装误差校准方法

通常,实现对加速度计安装误差的有效校准方法是"先方向后位置"的"二步法".为简化校准过程,提出了一种新的校准方法.该方法将加速度计安装方向和位置向量同时校准,分别节省了3次加速度计组合翻转,3次水平台调平.在计算机仿真中,经校准及补偿后的无陀螺惯导系统精度显著提高,仿真结果表明了该方法的有效性.

惯性导航系统内阻尼改进方法(英文)

阻尼技术用于抑制惯性导航系统的周期性误差。传统的阻尼网络参数一般采用试错法确定。针对传统阻尼的方法的若干局限性,如固定的阻尼比、繁琐的网络参数确定过程等,提出了改进的阻尼技术。水平阻尼和方位阻尼网络,均分别由一个与阻尼比呈正比的参数控制,具有一般意义上的通用形式,可以方便地调整所需的参数大小。与传统的阻尼,改进的阻尼方法简化了阻尼网络设计过程,能够抑制超调过渡过程以及减少载体运动的敏感性。仿真结果和实测数据均验证了上述优势。

外腔半导体激光器稳频方法综述

自由运转激光器的频率因温度、电流、机械振动等因素造成漂移,难以满足精密测量、原子物理、光通信等领域对激光频率长期稳定的需求,所以对激光器稳频显得至关重要。首先对原子能级结构、多普勒展宽、光抽运与光极化作了简要阐述。接着,介绍了以原子跃迁谱为参考频率的饱和吸收光谱稳频、调制转移光谱稳频、偏振光谱稳频和磁致二色性稳频的基本原理,并对其技术特性进行了分析。最后,对其发展趋势提出了展望,为外腔半导体激光器稳频技术的应用提供了有益参考。

基于Hermite插值的无陀螺惯导姿态解算方法

为了提高无陀螺捷联惯导(GFINS)的姿态矩阵解算精度,提出了一种新的姿态矩阵的解算方法。通常GFINS姿态解算仅需依靠角速度信息,同时利用角速度和角加速度信息进行姿态求解,采用三阶艾尔米特插值方法进行离散角速度插值重构,利用重构后的角速度信息进行姿态矩阵求解。分析了新算法的基本步骤,并进行了典型圆锥运动仿真实验。结果表明,在仿真时间为5s,采样步长为0.001s时,采用新方法求解姿态矩阵的精度提高45%以上。

一种准无陀螺惯导系统解算新方法研究

为了有效抑制随时间发散的无陀螺惯性导航系统(GFINS)的误差,提出了一种新的解算算法(GA6A法)。利用合理配置的6个加速度计和1个起辅助作用的低成本速率陀螺仪,形成一种新的准无陀螺惯性导航系统(NGFINS),通过加速度计组合的输出直接解算载体的角速度数值的绝对值,再利用陀螺仪决定角速度的正负性,从而可以使求解载体姿态和位置的积分次数分别减少1次。给出了新算法的理论推导过程,并对该算法进行了可行性和有效性仿真。当计算步长?t=0.01s,仿真迭代10000次时,采用该算法可使载体姿态角精度和位置精度提高70%以上。

基于遗传算法的神经网络控制器在导航系统中的应用

目前广泛运用于神经网络中的误差反向传播训练时间较长 ,且易陷入局部最优[1 ] 。该文首次在遗传算法中使用一种新的个体选择方法 ,并利用遗传算法和误差反向传播算法相结合训练神经元的连接权值 ,能够优化控制器性能参数和全局搜索能力 ,在航向控制系统中的仿真数据显示比单纯误差反向传播算法误差更小。