基于数据模拟的惯性卫星组合导航系统测试分析

惯性卫星组合导航系统包括了卫星定位系统与惯性定向定位系统,通过利用不同系统之间互补性,以提高整体导航能力。本文对组合导航系统的构成及应用原理开展分析,对卫星系统的应用优势进行了详细阐述,并对数据模拟技术进行说明,在此基础上,明确了惯性组合导航系统的测试过程与方法,通过研究为行业有关人员提供一定参考。

惯性卫星组合导航系统定位精度评定浅析

文章从惯性导航系统、卫星导航系统的特点出发，给出了惯性／卫星组合导航系统惯性工作状态、组合工作状态下的定位精度评定方法。基于系统定位精度评定过程中测量基准选取的重要性，作者提出了作为测量基准的外部观测设备选取的一般原则，展望卫星技术的逐步成熟，对未来惯性／卫星组合导航系统定位精度评定，特别是组合工作状态下定位精度评定中可能面临的问题进行了预想。

卫星惯性/星光组合自主定姿方法研究

利用星敏感器测量所得的恒星星光方向信息,采用六状态变量推广卡尔曼滤波,得到卫星姿态误差和陀螺漂移误差信息并进行相应的修正。仿真结果表明,这种方法修正效果良好,采用中等精度陀螺组件就可以实现高精度定姿;仿真结果还验证了陀螺随机误差、星敏感器测量噪声和滤波周期等因素对定姿精度的影响。

惯性/卫星组合导航系统软件测试

给出了一种惯性/卫星组合导航系统软件测试的解决方案,可以广泛地应用于工程实践中来提高和保障惯性/卫星组合导航系统软件的可靠性。通过对惯性/卫星组合导航系统的软件用途和功能进行总结,提炼出了惯性/卫星组合导航系统软件通用的测试需求,包括导航参数计算、卡尔曼滤波测试、时间性能和导航性能计算,并分别给出了各个软件需求的测试方法,测试方法切实可行,具有较强的工程实践性。

容错式闭环反馈惯性/卫星组合系统设计

为了实现高动态载体运动参数的实时测量,设计容错式闭环反馈惯性/卫星组合系统,给出了容错式闭环反馈组合系统的结构和组合算法的实现时序。对抗干扰能力较强的H∞滤波算法在惯性/卫星组合系统滤波估计中的应用进行了研究,设计了相应的算法。仿真结果表明了所设计的组合结构及其算法能有效地改善载体位置和速度的测量精度,提高测量系统的可靠性,给后期的工程实现提供了有效的算法和依据。

卫星/惯性组合导航信号仿真器设计

为了满足对卫星/惯性组合导航系统的性能验证需求,提出了一种卫星/惯性组合导航信号仿真器设计方案。在目前卫星信号仿真技术的基础上,通过引入天线坐标系,融合惯性数据仿真模块并进行相应的时间同步处理,实现卫星信号对载体姿态的反映以及高精度同步卫星/惯性组合信号的仿真功能。与其他组合导航验证手段相比,该系统具有成本低和易实现等特点。

卫星干扰环境下惯性/卫星组合导航系统性能试验方法

本文针对靶场惯性/卫星组合导航系统试验现状和不足,阐述了开展组合导航系统抗干扰性能测试的必要性,并分别从实装试验和仿真试验两方面,论述了测试实现的方法,通过实装测试和仿真试验案例,验证了方法的可行性。

基于卫星惯性组合导航技术的列车多源信息融合定位方法

由于在传统列车定位分析中,并未考虑惯性器件自身误差,导致定位结果误差较大,为此,提出基于卫星惯性组合导航技术的列车多源信息融合定位方法。将BDS(北斗卫星导航系统)和INS(惯性导航系统)构成捷联式惯性导航系统,计算了在常值漂移和高斯白噪声作用下,惯性器件(加速度计和陀螺仪)的误差特性,并借助姿态矩阵将误差转换为导航坐标形式,利用计算得到的结果,对捷联式惯性导航系统采集到的位置信息进行全方位校正,以此实现对列车多源信息的准确获取。测试结果中,设计方法对列车经度、纬度的定位误差小于50 m,高度的定位结果误差小于5.0 m。

激光捷联惯性/卫星组合导航系统基本原理及应用情况

激光捷联惯性/卫星组合导航系统是国外飞机上普遍采用的一种导航设备,但在国内飞机上的应用则刚刚起步。本文简要介绍了激光捷联惯性/卫星组合导航系统的基本原理及应用情况。

基于卫星导航/惯性单元松耦合的低速智能电动汽车航向角估计

低速智能电动汽车近年来发展迅速,组合定位技术是其关键技术,航向角估计是组合定位技术中重要组成部分。基于低速智能电动汽车,提出了GNSS(global navigation satellite system)/IMU(inertial measurement unit)组合的航向角估计方法。介绍了GNSS/IMU松耦合条件下的航向角估计方法,提出基于IMU的航向角积分方法,推导了松耦合条件下误差动态与测量模型。针对GNSS信号质量时变问题,使用残差自适应卡尔曼滤波算法对航向角误差进行估计。针对GNSS信号质量设计了航向角误差反馈修正策略。通过在不同GNSS信号条件下进行的多组实车试验,验证了所提出的航向角估计算法的有效性。

惯性/卫星导航系统实际导航性能评估算法

针对惯性/卫星组合导航进行实际导航性能(Actual Navigation Performance,ANP)评估,是保证飞机所需导航性能(Required Navigation Performance,RNP)及航空运行安全的关键。提出了惯性/卫星组合导航系统实际导航性能评估算法,从卡尔曼滤波器位置协方差矩阵开展分析,结合导航数据二维高斯分布特性,求解出标准误差椭圆。根据概率分布特性,将误差椭圆转换为95%概率误差圆,进而计算出ANP值。最后惯性/卫星组合导航数据进行仿真验证。结果表明,方法切实可行,且便于工程实践。

基于因子图的组合导航方法及其可行性研究

复杂环境下进行定位导航,需要构建全源导航系统,实现多传感器的即插即用和不同频率的数据融合。研究了一种基于因子图的数据融合方法,该方法采用因子图法表示状态的递推与更新,采用高斯牛顿迭代法求解优化方程完成组合导航中的数据融合任务。然后以惯性/卫星组合导航系统为例,分析了因子图的原理内容,设计了相应的信息融合框架。最后对该方法的可行性进行了仿真验证,实验数据表明,3轴位置的均方根误差值分别为1.53 m,1.55 m,1.53 m,证明了该方法的可行性,可以在此基础上扩展传感器,构建全源导航系统。

基于惯性辅助的北斗接收机完好性监测方法研究

针对传统卫星导航接收机在卫星数小于5颗及卫星星座构型不佳的情况下无法实现卫星故障识别与隔离的问题,结合卫星导航接收机在弹上的实际应用情况,利用惯导的辅助数据设计了一种基于多级Kalman滤波的北斗接收机完好性监测方案,给出了卫星导航接收机的RAIM滤波器结构与故障检测和隔离方法,并对其可用性进行了推导。该方案经过仿真分析及实验测试,结果表明在4颗可见星的条件下,可有效检测并隔离单星阶跃、慢速漂移、慢速随机等北斗卫星伪距和伪距率故障,从而使北斗接收机能够提供连续、精确的导航定位功能。

自适应及抗差Kalman滤波在GNSS/INS组合导航中的应用

传统Kalman滤波在卫星/惯性组合导航中通常难以对复杂的导航环境做出自适应改变,从而影响参数估计的精度甚至使滤波发散。笔者引入Sage-Husa自适应滤波和基于新息向量的抗差滤波并经正反向融合处理组合导航数据。结果表明,水平姿态、航向角度、三维速度和位置结果的估计精度较传统Kalman滤波平均提升37.38%,64.23%,23.51%,29.06%,最高提升58.77%,95.17%,36.61%,49.20%。自适应、抗差和正反向Kalman滤波提升了参数估计精度和稳定性,可用于复杂城市导航环境下组合导航数据事后处理。

全球鹰无人机导航系统分析

介绍了全球鹰高空长航时无人机的导航系统。对该系统的性能、结构以及一体化设计做出了全面分析。

一种数据融合车载捷联惯导系统在线标定方法

研究捷联惯导系统标定准确性问题,在没有精密转台等辅助仪器环境下,长时间放置车载惯导标定,存在扩充陀螺和加速度计零偏、刻度因素、安装误差等问题,为解决上述问题,提出了一种利用惯性/卫星的速度、位置、姿态全组合观测量的方法,采用开环滤波对惯性器件进行系统级的估计和补偿。利用可观测性和导航仿真数据进行分析,仿真结果表明,在一定时间内惯性器件误差逐步收敛,初步实现了在线/无需拆卸的惯性器件误差标定。补偿后性能较补偿前有明显的提高,改进方法具有一定的理论和工程参考价值。

机载对地观测飞行轨迹设计与对比分析

针对机载对地观测载机长时间匀速直线飞行时分布式位置姿态测量系统(POS)姿态误差随时间积累的问题,基于载机有效机动能够提高分布式POS系统可观测度进而提高系统估计精度的思想,设计并对比多种机动方式下分布式POS系统的估计精度,并对机动后分布式POS系统进入测区前的滤波估计稳定时间、直线飞行成像时长和全球定位系统(GPS)基线长度进行了测试。仿真结果表明,设计的飞行轨迹能够提高成像段运动参数的测量精度,可为机载对地观测最优飞行轨迹的选择和设计提供理论指导。

基于模糊奇偶方程的PL/INS导航系统故障诊断

提出了一种伪卫星(PL,Pseudolite)/惯性导航(INS,Inertial Navigation Sys-tem)组合导航系统多故障识别方法.分析了PL的常见故障及其数学模型,采用模糊奇偶方程方法对PL的常见故障进行诊断、隔离和参数识别.采用Takagi-Sugeno(T-S)模糊模型描述PL/INS组合导航系统,对于局部线性化模型建立全解耦奇偶方程,并对奇偶方程的残差进行融合,得到全局残差.结合残差利用卡尔曼滤波进行故障参数识别,给出了参数识别的约束条件.仿真结果表明:针对导航系统中多个PL信号同时发生多种故障的情况,此方法能有效检测故障,并能准确识别出故障模型参数.

基于长短期记忆神经网络的自适应容错方法

针对传统的全球导航卫星系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)紧组合系统容错方法对故障处理方式单一、环境适应性差的问题,提出了一种基于长短期记忆神经网络的自适应故障容错方法。该方法基于长短期记忆神经网络建立GNSS伪距、伪距率预测模型。发生故障时,通过分量检测法定位故障观测的维度,并引入相对差分定位精度分析故障观测对系统定位精度的影响,从而实现隔离与重构策略的动态选择。利用实测数据从可见星数、几何构型、故障持续时间3个角度设置多组环境进行仿真实验。仿真结果表明,所提方法对复杂环境具有更好的适应能力,可有效降低故障存续期间系统的定位误差,提高系统的故障检测性能。

一种基于序贯处理的BDS/INS紧组合滤波方法

为了应对高动态卫星信号短时受遮挡的恶劣环境,研究了基于序贯处理的BDS/INS紧组合滤波方法。首先介绍了BDS/INS紧组合滤波方程,然后详细推导了基于序贯处理的BDS/INS紧组合滤波算法,并进行了相应的理论分析。最后利用惯性/卫星组合导航信号软件模拟器对基于序贯处理的BDS/INS紧组合导航系统的滤波性能进行了仿真分析。结果表明:提出的基于序贯处理的BDS/INS紧组合滤波算法在不损失滤波精度的情况下,有效地减小了系统的运算量,提高了计算效率,增强了惯性/卫星组合导航系统在高动态卫星信号短时受遮挡场景下的适用能力。