基于容积变换的平滑变结构滤波及应用

针对非线性系统状态估计中,平滑变结构滤波(smoothing variable structure filter,SVSF)算法要求系统是连续可微的且需要计算系统Jacoby矩阵的问题,提出了基于球面径向基容积规则的平滑变结构滤波(cubature-smoothing variable structure filter,C-SVSF)算法,该算法避免了对非线性系统Jacoby矩阵的计算;同时受计算机计算字长的限制,算法会有一定的舍入误差,误差的积累有时会导致协方差矩阵失去非负定性和对称性,从而使得滤波计算发散。因而进一步提出了C-SVSF的平方根形式,即平方根容积平滑变结构滤波算法。最后在动力定位船状态估计仿真实验中,说明了算法的有效性。

基于变分贝叶斯的容积平滑变结构滤波

为了减小建模误差和未知量测噪声特性对非线性状态估计的影响,该文提出了1种新的容积平滑变结构滤波算法。融合了非线性容积变换规则,可避免线性化误差。利用滑模变结构思想计算最优平滑边界层,约束建模误差的影响。利用变分贝叶斯实时估计动态系统的量测噪声特性,有助于优化平滑边界层的阈值。仿真结果表明,相比传统非线性滤波算法,该文算法精度可提高28.5%,具有更好的滤波性能。

平滑变结构滤波在航天器组合导航中的应用

针对系统模型不准确或噪声无法建模等导致的组合导航精度下降问题,在闭环间接滤波方案中引入一种基于变结构和滑模控制概念的平滑变结构滤波器(SVSF),该滤波器对于建模的不确定性和给定上限但无法建模的扰动噪声具有较好的稳定性和鲁棒性。将提出的方案应用于航天器SINS/GNSS组合导航系统中,进行仿真验证,并与EKF滤波器进行比较。仿真结果表明:SVSF尽管不是"最优"滤波器,但其精度与EKF相当,可实现位置精度优于10 m,速度精度优于0.01 m/s;在模型误差与测量误差增大和系统突变等情况下,其较EKF更加具有抗干扰能力,可提高导航系统的鲁棒性和稳定性。

粒子-平滑变结构滤波相位解缠算法

为了有效提升干涉图相位解缠精度,提出粒子-平滑变结构滤波相位解缠算法:(1)把融入残差因子的平滑变结构滤波算法应用于干涉图相位解缠,结合局部相位梯度估计技术,构建粒子-平滑变结构滤波相位解缠程序;(2)把干涉图相位微分偏差图作为质量图,嵌入堆排序路径跟踪策略指导相位解缠路径;(3)利用归一化的干涉图相位微分偏差图把干涉图划分为3个不同质量层级的缠绕像元集,粒子-平滑变结构滤波相位解缠程序沿第1质量层级→第2质量层级→第3质量层级的顺序依次解缠干涉图缠绕像元,获得干涉图所有缠绕像元的解缠相位值。模拟和实测数据实验结果表明与一些代表性算法相比,上述方法能较好地执行干涉图相位解缠任务,显现了较好的鲁棒性,有效提升了干涉图相位解缠精度。

基于变结构ESKF的航姿参考系统噪声处理方法

针对航姿参考系统(AHRS)易受到环境与传感器自身噪声干扰,导致姿态估计精度下降的问题,提出了一种基于变结构误差状态卡尔曼滤波(VS-ESKF)的噪声数据处理方法。首先,通过分析AHRS传感器观测数据与新息序列统计特征,设计了基于加速度范数与遗忘序贯概率比检验(F-SPRT)的方法,分别检测加速度计与陀螺仪的噪声数据。其次,基于噪声检测结果,将平滑变结构滤波(SVSF)策略引入到误差状态卡尔曼滤波(ESKF),以提高ESKF对噪声模型不确定性的处理能力。然后,结合磁场强度与磁倾角参数特征,利用马氏距离法评估磁干扰并实时调整磁力计补偿权重,获取准确的AHRS修正数据。最后,基于自主搭建独轮机器人平台进行实验验证,结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据,并有效地抑制噪声干扰,相比于ESKF算法,对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%,提高了姿态估计的准确性和稳定性。

基于平滑变结构-卡尔曼滤波的MIMU/BDS组合导航技术

为了提高模型不准确、大扰动等情况下MIMU/BDS组合导航精度,提出了平滑变结构-卡尔曼组合滤波的信息融合方法。介绍了坐标转换方法,建立了组合导航系统的状态空间方程和观测方程。为了防止老旧观测数据引起算法发散,在卡尔曼滤波算法中融入随残差自适应变化的渐消因子,从而构造了自适应卡尔曼滤波算法。将卡尔曼滤波的精度优势与平滑变结构滤波的鲁棒性优势融合,提出了平滑变结构-卡尔曼组合滤波算法。经仿真验证,在模型不准确、大扰动等情况下,组合算法的位置融合误差和速度融合误差均小于卡尔曼滤波和自适应卡尔曼滤波算法;经跑车试验验证,在卫星遮挡情况下,组合导航系统的位置融合精度和速度融合精度仍然较高,实现了卫星可观数量不足情况下的精确导航。

基于平滑变结构-卡尔曼滤波的目标定位方法

针对测向交叉目标定位中量测方程非线性、实际噪声难以精确建模问题,构建了测向交叉目标定位滤波方程,提出了基于切换增益策略的平滑变结构-卡尔曼的组合滤波算法。在此基础上,利用残差自适应算法进一步改进了组合滤波的精度,有效提高了大扰动、噪声不确定等情况下目标定位的精度和算法鲁棒性。仿真实验中,组合滤波算法在大扰动情况下,定位精度高于无迹卡尔曼和自适应迭代无迹卡尔曼滤波算法;在噪声非高斯分布的情况下,无迹卡尔曼和自适应迭代无迹卡尔曼滤波算法呈现发散趋势,而组合滤波算法依然能稳定收敛。

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。

基于模型预测静态规划的高速多体船减纵摇控制

为解决在海浪扰动下高速多体船的垂向稳定性变差问题,提出一种基于模型预测静态规划的减纵摇控制方法。考虑高速多体船模型不确定性、海浪噪声不符合高斯白噪声分布特点,根据噪声信息和误差信息设计平滑变结构滤波器,在线估计多体船的升沉速度、纵摇角速度,并将其引入到减摇控制中。在此基础上,基于模型预测静态规划提出多体船的减摇控制,采用终端偏差修正的求解方式,迭代更新控制输入,降低计算复杂度。最后,仿真实验表明了所提方法能有效抑制过大的升沉和纵摇运动幅度,以及减摇控制计算负荷小的优越性。

基于GPS/偏振/地磁信息的SINS AUKF-ASVSF空中对准方法

针对SINS/GPS/偏振/地磁组合导航系统对准期间滤波精度与鲁棒性不足的问题,提出了一种基于自适应无迹卡尔曼滤波-平滑变结构滤波器(AUKF-ASVSF)的空中对准方法。首先,建立SINS/GPS/偏振/地磁组合导航系统的误差模型,利用GPS、偏振光、地磁场信息提高SINS对准精度。其次,基于新息序列自适应地调整SVSF算法中平滑边界层的宽度和UKF算法中的量测噪声协方差矩阵。最后,根据平滑边界层的宽度大小计算自适应AUKF-ASVSF滤波器的增益。仿真结果表明,当系统受到外界干扰时,AUKF-ASVSF比UKF和自适应UKF的抗干扰能力和鲁棒性更强;在系统量测噪声未知的情况下,AUKF-ASVSF比UKF-SVSF的滤波性能更好,其失准角的对准时间减少了25.9%,对准精度提高了11.2%。