大方位失准角下舰载机快速传递对准技术

为解决舰载主惯导与机载子惯导之间大失准角问题,同时满足对准快速性的需求,提出了从舰载机进入弹射位置开始,到舰载机飞离甲板时间内,基于虚拟惯导(VINS),综合利用舰载主惯导信息、跑道航向信息以及激光多普勒测速仪(LDV)信息,利用速度匹配方法实现舰/机惯导传递对准的方法,并建立了传递对准误差模型。该模型利用舰艇坐标系与跑道坐标系之间的方向余弦矩阵,将舰载坐标系与机载坐标系之间的大失准角问题,转化为机载坐标系与跑道坐标系之间的小方位失准角问题。考虑弹射过程舰艇及舰载机的运动模型,利用数学仿真对传递对准误差模型进行了验证,并与UKF滤波方法进行了对比。仿真结果表明,该方法可以在8 s内实现舰/机惯导的传递对准,对准性能与UKF滤波方法相当,且对准过程不需要舰艇进行任何机动运动。

基于平方根中心差分卡尔曼滤波的大方位失准角初始对准

基于大方位失准角条件下捷联惯导系统误差模型的非线性特点,采用非线性滤波方法进行初始对准。扩展卡尔曼滤波存在精度低,且需要计算雅可比矩阵等不足,而中心差分卡尔曼滤波在递推过程中具有计算量大,数值不稳定等缺点。针对上述问题采用了一种改进的中心差分滤波算法——平方根中心差分卡尔曼滤波。仿真结果表明,与扩展卡尔曼滤波相比,平方根中心差分卡尔曼滤波对方位失准角的对准精度由24.5′提高到5.83′,并且避免了计算雅可比矩阵带来的不便;与中心差分滤波相比,平方根中心差分卡尔曼滤波在保证滤波精度的同时,降低了滤波的计算量,提高了滤波的数值稳定性。

Unscented卡尔曼滤波在SINS静基座大方位失准角初始对准中的应用研究

静基座大方位失准角的捷联惯导系统误差方程是非线性的,如何对静基座大方位失准角的捷联惯导系统进行初始对准是需要解决的问题。本文提出了基于Unscented转换的Unsented卡尔曼滤波进行捷联惯导系统对准的方法。分别通过扩展卡尔曼滤波和Unsented卡尔曼滤波进行仿真计算,结果验证了Unscented卡尔曼滤波的有效性与优越性。

基于UKF的旋转式SINS大方位失准角初始对准方法

旋转调制自补偿技术可以调制惯性元件的常值误差,从而提高惯性导航系统的导航精度。出于实际工程应用需求,研究了旋转式SINS大方位失准角初始对准方法。以单轴旋转式SINS为例,给出了单轴旋转式SINS大方位失准角非线性误差模型;根据系统误差模型的非线性特性,利用简化Unscented卡尔曼滤波(Unscented Kalman Filter UKF)算法,设计了系统的大方位失准角初始对准算法。数字仿真实验结果表明:在相同条件下,提出的UKF算法在收敛速度与对准精度方面均优于EKF算法;系统试验验证结果表明,采用本文提出的初始对准方法,系统的水平对准精度优于0.1′,方位对准精度优于1.5′,证明本文提出的初始对准方法在工程应用中是有效、可行的。

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

静基座大方位失准角的捷联惯导系统误差方程是非线性的,Unscented粒子滤波从非线性系统状态向量概率分布出发,结合Unscented卡尔曼滤波和粒子滤波的特点,无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究,并结合重采样算法,运用于捷联惯导系统静基座大方位失准角初始对准中,计算结果验证了该方法的有效性与优越性。

基于QR分解的自适应差分滤波在SINS大方位失准角初始对准中的应用

针对差分滤波算法存在数值稳定性差及系统噪声统计特性不准确导致滤波性能下降的问题,提出一种改进的差分滤波算法。新算法将矩阵QR分解及Cholesky分解因数更新技术引入,并结合一种新的噪声估计方法及选择更新策略,有效地改善了系统噪声统计特性不准确带来的滤波性能下降问题,增强了传统差分滤波算法的数值稳定性。通过在捷联惯导系统大方位失准角初始对准中的应用,仿真结果表明了新算法的有效性和鲁棒性。

ISR-CDKF在SINS大方位失准角初始对准中的应用

扩展卡尔曼滤波(EKF:Extended Kalman Filter)精度低,而且需要计算复杂的雅可比(Jacobian)矩阵;而中心差分卡尔曼滤波(CDKF:Central Difference Kalman Filter)虽然精度稍高,但计算量大,且算法不稳定。为此,提出了迭代测量更新的平方根中心差分卡尔曼滤波(ISR-CDKF:Iterative Square Root Central DifferenceKalman Filter)算法,并应用于SINS大方位初始对准中。通过滤波仿真表明,ISR-CDKF算法不仅具有更高的精度和收敛性,同时具有较强的数值稳定性。

大方位失准角下舰载机传递对准技术

为了提高舰载机的生存能力、快速反应能力以及机载导弹的命中率,必须快速准确地完成舰载机惯导系统的初始对准。由于舰船所处的环境比较复杂而且受到诸多干扰因素的影响,通常采用传递对准方法来解决舰载机惯导系统的初始对准问题。针对大方位失准角下舰载机惯导系统的传递对准问题,详细推导了速度加姿态匹配传递对准的非线性模型,然后采用UKF滤波算法进行数学仿真。仿真结果表明,舰船在中等海况下的不同机动运动对传递对准基本没有影响;采用不同频率的UKF滤波算法,则在20 Hz时传递对准误差较低频时小一倍。

扩展集员滤波在捷联惯导大方位失准角初始对准中的应用

研究了静基座捷联惯导系统初始失准角为大角度时扩展集员滤波在初始对准中的应用。给出了扩展集员滤波算法的基本概念和递推公式,指出算法假设系统的过程和量测噪声以及初始状态由已知椭球来定界,利用椭球集合来描述系统真实状态的可行集。算法在将非线性方程线性化过程中保留高阶项,利用区间分析方法对高阶项进行定界,然后加入到噪声项中,形成一个虚拟噪声项,对经过处理后的线性化方程进行集员滤波处理。最后将扩展集员滤波应用于惯导系统大失准角时的初始对准中,通过计算机仿真对比了扩展卡尔曼滤波和扩展集员滤波的估计效果。仿真结果表明,在随机噪声和有界噪声条件下,扩展集员滤波都较扩展卡尔曼滤波的效果要好,特别是当系统存在有界噪声,应用扩展卡尔曼滤波得到的效果已明显变差,但应用扩展集员滤波仍能得到比较好的结果。

ICDKF在SINS大方位失准角初始对准中的应用

针对大方位失准角捷联惯性导航系统误差模型非线性的特点,利用基于迭代测量更新的中心差分卡尔曼滤波(iterated central difference Kalman filter,ICDKF)方法进行初始对准。与传统的非线性扩展卡尔曼滤波相比,ICDKF不仅能够提高滤波精度,而且不需要模型的具体解析形式,避免了复杂的雅可比矩阵的推导;同时ICDKF通过迭代测量更新,提高了目前存在的中心差分卡尔曼滤波的估计精度。仿真结果进一步表明ICDKF算法的可行性与优越性,能够满足初始对准的要求。

基于CKF的SINS大方位失准角初始对准

大方位失准角捷联惯导系统(strapdown inertial narigation system,SINS)误差方程是非线性的,为改善非线性模型下初始对准的精度,提出将一种新的非线性滤波方法(cubature Kalman filter,CKF)应用于捷联惯导系统初始对准中。为此建立了大方位失准角下初始对准非线性模型,分析了基于spherical-radial cubature准则的CKF滤波原理,对非线性模型进行了CKF滤波仿真。仿真结果表明CKF能够很好地处理初始对准中的非线性问题,提高初始对准精度,方位失准角误差能够收敛到-33.13',接近理论估计精度-32.40',优于EKF的-84.14'。

自适应平方根中心差分卡尔曼滤波算法在捷联惯性导航系统大方位失准角初始对准中的应用

提出了一种自适应平方根中心差分卡尔曼滤波(ASRCDKF)算法,并应用于捷联惯性导航系统(SINS)大方位失准角初始对准中。ASRCDKF算法以中心差分变换为基础,基于平方根滤波能够克服发散的思想,利用协方差平方根代替协方差参加递推运算,并将自适应估计原理引入该算法中,不仅克服了扩展卡尔曼滤波产生线性化误差和计算雅可比矩阵的不足,而且减小了计算量,保证了数值稳定性。同时,ASRCDKF算法解决了传统滤波算法过度依赖系统动态模型和噪声统计特性先验知识的问题。最后通过滤波仿真证明了ASRCDKF算法在SINS大方位失准角初始对准中的有效性和优越性。

车载低精度INS/GPS大方位失准角线性对准研究

在应用低精度微机电系统-惯性测量单元(MEMS-IMU)和全球定位系统(GPS)的车载组合导航中,由于IMU的精度问题,无法通过传统的解析方法实现方位失准角的粗对准,造成了大方位失准角问题。该文通过变换状态量,用方位失准角的两个三角函数代替方位失准角作为状态量,建立了新的线性系统方程,统一了精对准和粗对准的过程,避免了粗对准切换到精对准时状态间的协方差信息损失。完成了车载导航试验。结果表明,本初始对准方案在低精度的组合导航中能将对准精度控制在1°以内。

舰载机惯导系统大方位失准角传递对准建模与仿真

为解决舰载机惯导系统在大方位失准角条件下的初始对准问题，建立舰载机惯导系统传递对准误差模型。该模型通过载舰坐标系与舰载机标称坐标系之间方向余弦矩阵，将载舰坐标系与实际舰载机坐标系之间的大方位失准角问题．转化为舰载机标称坐标系与实际舰载机坐标系间的小方位失准角问题，建立了舰载机传递对准的线性化数学模型，并采用“速度”匹配法建立了传递对准滤波器模型，利用轨迹发生器对模型进行仿真验证。

MPF-CKF在SINS大方位失准角初始对准中的应用

针对捷联惯导系统在大方位失准角情况下的初始对准问题,提出了一种基于MPF-CKF的非线性滤波方法.MPF-CKF将部分惯性器件误差作为模型误差,降低了系统的维数,不仅提高了初始对准的精度,而且克服了将模型误差假设为高斯白噪声的局限性.通过滤波仿真比较,进一步表明了MPF-CKF能提高SINS在大方位失准角初始对准中的估计精度和收敛速度.

捷联惯导大方位失准角快速初始对准

捷联惯导方位角快速性能优化问题,传统大方位失准角初始对准方位角收敛速度较慢,直接影响惯导系统的性能。为此提出一种无重置联邦滤波器的以速度误差和比力输出作为观测量的快速初始对准新算法。给出了捷联惯导系统非线性误差模型,并分析了两种观测量,建立了速度观测子滤波器和比力观测子滤波器,同时采用了相应的状态方程和观测方程。用三种方法进行了大方位失准角初始对准的数字仿真。仿真结果对比表明,新方法不仅使方位失准角收敛速度快,而且在加速度计噪声增大10倍的情况下,仍然具有极高的对准精度。

基于四元数的SINS静基座大方位失准角误差建模

针对经典大方位失准角条件下捷联惯导系统(SINS)非线性初始对准模型不能精确表达姿态误差的传播特性,依据惯导系统姿态的旋转矢量表示法,提出了基于四元数微分方程推导的姿态误差模型,模型最终的表达也由欧拉角微分方程给出。基于无迹卡尔曼滤波(UKF)的静基座对准试验表明新的姿态误差模型对方位角失准角范围要求由10°内放宽到25°内,提高了在大方位失准角条件下初始对准的精度,表明模型的准确性有明显提高。

LS-SVM在车载SINS大方位失准角传递对准上的应用

针对车载捷联惯导系统工作环境恶劣且子惯导系统精度低,使用传统的Kalman滤波进行传递对准存在精度低、实时性差的问题。根据车载特殊环境提出了一种基于LS-SVM的大方位失准角速度匹配传递对准方法,采用传统Kalman滤波器的输入输出样本对LS-SVM滤波器进行训练,避开了经典SVM求解时的优化运算,使其复杂度大大降低。在相同条件下与传统Kalman滤波仿真结果对比,LS-SVM方法的引入可以使系统对准时间缩短近50%,并适当提高了系统的对准精度。

一种粒子滤波SINS大方位失准角初始对准方法

针对捷联惯导系统大方位失准角的情况,分析了系统非线性误差模型,提出了基于最优重要性分布函数的序贯重要性采样粒子滤波(SIS-PF)初始对准方法,并进行了仿真研究。仿真结果表明,在大方位失准角初始对准中,基于最优重要性分布函数的序贯重要性采样粒子滤波器初始对准精度比无迹卡尔曼滤波器(UKF)提高了一个数量级,与序贯重要性重采样粒子滤波(SIR-PF)初始对准相比,该方法不但精度高,而且计算量小。

低精度INS/GPS组合导航大方位失准角初始对准方案

在低精度MEMS-IMU和GPS组合导航中,由于IMU的精度问题,无法通过传统的解析方法实现方位失准角的粗对准,造成了大方位失准角问题,从而导致系统的强非线性。通过变换状态量,用方位失准角的两个三角函数代替方位失准角作为状态量,建立了新的线性系统方程。用改进奇异值分解法对新对准系统进行可观测度分析,完成了车载导航试验,结果表明:本初始对准方案在低精度的组合导航中具有很好的对准精度和对准速度。