传递对准非线性误差模型一致性研究

针对大失准角情况下的舰载机捷联惯导系统传递对准问题,建立了非线性的经典传递对准和快速传递对准误差模型。从二者对失准角的定义出发,通过理论推导,论证了非线性情况下两种误差模型的一致性关系。采用“速度+姿态”组合匹配算法,对大失准角情况下舰载机捷联惯导系统的传递对准进行了仿真实验。仿真实验中,经典传递对准方法对水平失准角的估计误差均在1′左右,对方位失准角的估计误差均在1′左右;快速传递对准方法对对水平失准角的估计误差均在1′左右,对方位失准角的估计误差均在2′左右。结果表明,两种方法均能对失准角进行有效估计且精度接近,两种误差模型在非线性情况下具有一致性。

自适应混合阶SSRCKF及其在组合导航中的应用

传统的容积卡尔曼滤波(CKF)在处理强非线性系统时存在精度低甚至发散的问题,高阶容积卡尔曼滤波(HCKF)提高精度的同时也会大幅度提高计算复杂度,同时在高维系统中存在负权值影响算法的稳定性。针对以上问题提出了一种自适应混合阶球面最简相径容积卡尔曼滤波(AMSSRCKF),该算法采用混合阶最简相径容积规则(MSSR)采样获得了比CKF更高的精度,同时结合了多重渐消因子强跟踪滤波算法,提高了算法的鲁棒性。最后,将该算法应用于组合导航系统仿真,结果表明,AMSSRCKF可以有效抑制系统状态突变的影响,提高了组合导航系统的定位精度和鲁棒性。

简化高阶强跟踪容积卡尔曼滤波及其在组合导航中的应用

针对传统容积卡尔曼滤波(CKF)在面对系统模型失配和状态突变滤波精度下降的问题,将强跟踪滤波器(STF)和高阶容积卡尔曼滤波(HCKF)相结合,提出一种简化高阶强跟踪容积卡尔曼滤波(RHSTCKF)算法.该算法具有比传统CKF更高的滤波精度,并且利用滤波模型的特点,简化HCKF的计算步骤,同时在HCKF中引入多重渐消因子增强算法的自适应性和应对状态突变的能力.将所提算法应用到SINS/GPS组合导航系统中进行仿真实验,结果表明, RHSTCKF可以准确估计出突变状态的真实值,能够抑制滤波器状态异常的干扰,滤波性能明显优于HCKF,能够提高组合导航系统的自适应性和定位精度.