卡尔曼滤波器异常自检及其在SINS初始对准中的应用

卡尔曼滤波器是惯性导航系统初始对准和组合导航问题中的常用工具。针对滤波时系统噪声和观测噪声异常导致的滤波精度下降甚至发散问题,从理论上分析了基于新息协方差匹配和马氏距离卡方检验的两种滤波器异常检验判据,结合判据在传统卡尔曼滤波、无迹卡尔曼滤波和容积卡尔曼滤波中的典型应用,设计了针对捷联式惯性导航系统初始对准问题的测试实验,实验结果表明两种判据对滤波器系统噪声和观测噪声异常都有一定的检验能力,但检验判据严格程度存在不同且判据存在拖尾效应,由此给出了在实践应用中的建议。

优化BP神经网络的光纤陀螺温度漂移建模与补偿

光纤陀螺(FOG)温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

粒子群算法优化的捷联罗经初始对准方法

初始对准是惯导系统的关键技术,罗经法对准是实现捷联惯导系统初始对准的重要手段。罗经对准回路的参数选择直接影响对准结果的好坏。对于不同的捷联惯导系统,罗经回路的最优参数也是不同的。传统的方法是根据经验以及大量的反复试验确定罗经对准参数,不能保证对准参数为最优。针对此问题,提出以水平罗经对准回路阻尼振荡周期T_(d1)和航向罗经对准回路阻尼振荡周期T_(d2)为寻优目标,用粒子群算法对参数(T_(d1),T_(d2))进行寻优的方法,以确定出满足条件的最优对准参数,从而提高捷联罗经初始对准的性能。实验结果表明:粒子群算法能够快速、准确地搜索出罗经对准回路的最优参数,提高捷联罗经对准的性能。将粒子群算法应用到捷联罗经初始对准中是有效的。

鲁棒渐消CKF及其在SINS初始对准中的应用

惯性导航系统正常工作前需进行初始对准,容积卡尔曼滤波(CKF)是常用的非线性初始对准算法。针对在滤波模型失准和非高斯观测噪声干扰情况下常规CKF出现精度下降甚至发散的问题,提出了鲁棒渐消CKF算法。引入多重渐消因子对观测噪声协方差阵或状态预测协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态卡方检验方法,检测滤波器状态并自主确定渐消因子的引入方式,使渐消因子的引入更加合理。试验结果表明,算法在系统建模失准及异常量测噪声的干扰下能够保持较强的鲁棒性和自适应性,其姿态失准角误差约为0.01°,航向失准角误差小于0.1°。

强跟踪CKF及其在惯导系统初始对准中的应用

容积卡尔曼滤波(CKF)是常用的惯性导航系统(INS)初始对准算法。针对在模型失配和观测噪声干扰情况下常规容积卡尔曼滤波出现精度下降甚至发散的问题,提出了一种自适应渐消滤波算法,引入多重渐消因子对预测误差协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态x^2检验条件,检测滤波器故障并确定是否引入渐消因子,使渐消因子的引入时机更加合理,有效增强了算法的自适应性。仿真试验表明,新算法可以有效提高初始对准精度及鲁棒性。

捷联惯导系统极区水下动基座对准

惯性导航系统正常工作前需进行初始对准,极区和水下环境中的动态对准是惯导系统初始对准的难点。通过惯性坐标系下的惯导系统误差模型进行卡尔曼滤波初始对准,避免了对准误差随纬度升高而发散的问题。在水下利用载体坐标系测速设备提供速度参考,为卡尔曼滤波器提供速度误差观测量。在对准过程中,利用航位推算方法对载体位置进行实时更新,进一步提高了对准精度。通过跑车数据及仿真试验对算法进行验证,结果表明,所提算法可以有效实现惯导系统在极区水下环境中的动态初始对准。

复合式惯导系统

与平台式惯导系统相比,捷联式惯导系统具有体积小,成本低,启动时间快及可靠性高等优点。但其表现受到载体角运动的影响。结合捷联式惯导系统和平台式惯导系统的优点,该文研究了一种复合式惯导系统。首先,详细描述了该系统的原理;其次,推导出该系统的误差方程。从理论上分析了该系统的性能不会受到载体角运动的影响。仿真实验结果验证了该方法的有效性。

强跟踪扩展卡尔曼滤波及其在捷联惯导初始对准中的应用

针对在模型失配和观测噪声干扰情况下常规滤波器出现精度下降甚至是发散的问题,提出了基于自适应多重渐消因子的改进方法,即通过计算新息序列协方差的估计值确定多重渐消因子,提高当前观测量对滤波器的修正作用。仿真及实测实验结果表明:该算法可以有效抑制滤波发散,同时保证其快速收敛以及高精度估计。

载体姿态角与SINS位置误差的关系研究

为了研究载体姿态角对捷联惯导系统位置误差的影响,建立了静基座捷联式惯导系统的力学编排及误差方程,并通过仿真实验研究了载体在不同姿态角条件下捷联式惯导系统的经度误差随时间的变化规律。仿真实验结果表明:载体姿态角对捷联式惯导系统的经度积累误差影响较大,在[0°,5°]范围内,载体航向角对经度误差漂移的影响最大,载体横滚角次之,载体俯仰角最小。

基于平滑算法的惯导系统误差校正技术

惯性导航系统受初始误差的影响会产生周期性振荡以及发散误差。针对这一问题,提出了基于自适应衰减卡尔曼滤波及固定点平滑的估计算法,对系统初始误差进行估计,估计结果代入系统误差模型推导误差发散情况,以此对系统输出进行补偿。仿真结果表明,该算法可以有效抑制惯性导航系统输出误差的振荡及发散。

基于自抗扰控制器的重力稳定平台控制系统研究

重力稳定平台系统是一类难以获得精确模型的复杂非线性不确定的运动系统,由于存在机械谐振、力矩耦合负载变化及电气参数波动等因素的影响,并且稳定平台系统要求具有响应速度快,抗干扰能力强,稳态精度高等优良特性。但这些性能指标之间是有矛盾的。针对这一问题,设计了基于重力稳定平台控制系统的自抗扰控制器,并进行了Simulink仿真。仿真结果表明,该系统具有很好的响应特性、自适应性和速度快,具有很高的稳态精度,而且系统对参数变化不敏感,鲁棒性和抗干扰性都很强。

基于微分器与神经网络的PID控制算法研究

在工控系统微分器设计优化问题的研究中,由于在工业生产实践中,传统PID参数整定方法难以得到合理优化的PID参数,传统增量式PID控制存在抗干扰性较差、控制精度不高的问题。针对上述问题,提出了基于跟踪微分器与神经网络的PID控制算法。对跟踪微分器的原理进行了阐述,通过跟踪微分器实现位置信号滤波与速度信号求解;对增量式自适应PID控制算法进行了改进。在上述基础上,构建了基于微分跟踪器与神经网络的PID控制器。对控制算法进行了仿真,仿真结果表明,提出的控制算法具有抗扰动能力强、控制精度高等优点。

惯性导航系统优化对准改进算法

针对优化对准过程中姿态更新环节的引入误差,提出了逆向优化对准改进算法。基于逆向导航原理对初始对准结束时刻载体姿态进行直接解析,避免了传统算法中姿态更新环节引入的误差,有效减少了惯性器件误差对初始对准结果的影响。仿真和试验结果表明:该改进算法可有效提高惯性导航系统优化对准的精度。

非卫星水下导航定位技术综述

水下信息传输的局限性以及水下任务的隐蔽性制约了卫星导航定位技术在水下航行器工程中的应用。系统地介绍了非卫星水下导航定位常用技术,主要包括惯性导航,地形、地磁匹配导航,重力场匹配导航,航位推算导航,声学导航,组合导航等多种技术,通过国内外工程实例概述导航技术研究现状,介绍优、缺点,探讨发展趋势。

捷联惯导系统初始对准精度评估算法

惯导系统初始对准精度评估是惯导系统性能分析中的难点问题,为了提高对准精度,利用最优平滑技术对惯导系统导航段数据做后向平滑,得到初始对准结束时刻真实状态的最优估计,并且对惯导对准的精度进行评估,克服了在实际应用中无法对惯导系统初始对准精度进行直接测试的问题。建立了捷联惯导系统误差模型,采用了上述固定点平滑技术的惯导系统初始对准精度评估算法。对初始对准姿态误差的仿真结果表明,算法可以高精度地估计出对准结束时刻的载体姿态真值。

陀螺稳定平台姿态控制精度评定试验方法

陀螺稳定平台姿态精度评估是稳定平台姿态控制的关键技术之一。姿态控制精度的评定不仅仅取决于测量系统硬件设备的性能和精度,还与所采用的精度评定试验方法有关。针对大负载稳定平台姿态控制精度评估问题,论文对陀螺稳定平台误差机制进行了分析,设计了基于激光传播特性的高精度光学测姿系统及相应试验方案,对陀螺稳定平台静态、动态环境下的姿态控制精度进行了评定试验,对试验结果进行了分析。试验结果表明,该光学测姿系统具有较高的测量精度,实用性好,可推广性强。

船用捷联式惯性导航仿真系统设计

针对船用捷联式惯性导航系统长时间工作后,精度明显下降,不能满足导航需求的问题,设计了一种模块化的船用捷联式惯性导航仿真系统;并进行了仿真研究。将船用捷联惯导设计为四个模块,分别为轨迹仿真模块、惯性器件仿真模块、导航解算模块和误差分析模块。利用建立的模型,仿真分析捷联式惯性导航系统姿态角、速度和位置误差的主要特性,研究天向速度的发散对东向和北向速度误差的影响,探究初始对准误差对导航精度的影响。结果表明,仿真系统可以很好地模拟舰船捷联式惯性导航系统的初始对准和导航过程;天向速度的发散和初始对准的精度都会直接影响导航精度。因此,在舰船长时间航行时,必须提高初始对准精度且引入阻尼系统,以减小船用捷联式惯性导航系统的导航误差。

核心素养视角下培养飞行学员深度学习理念的研究

在核心素养视角下,以提高高阶思维能力为出发点,全面构建培养飞行学员深度学习理念的教学设计。通过多元目标、问题情境、小组合作、深度探究、知识拓展等多种教学方式的融合,开展深度学习理念的教学范式设计。通过教学实践证明,深度学习理念是培养学员核心素养、提高航空理论基础的重要途径。

基于神经网络的光纤陀螺温度漂移误差建模与补偿

光纤陀螺(FOG)温度漂移误差是影响其输出精度的主要误差源之一,在实际应用中必须对光纤陀螺温度漂移误差进行适当补偿。传统的最小二乘法等线性补偿方法很难满足补偿精度的要求且适用性较差,利用BP及RBF神经网络分别建立非线性光纤陀螺温度漂移误差模型,可以有效提高补偿精度,使用FOG温箱实测数据对最小二乘模型及神经网络补偿模型进行了测试对比,验证了基于神经网络的非线性补偿算法在FOG温度漂移补偿中的有效性。

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ^2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。