应用RB无迹卡尔曼滤波组合导航提高GPS重获信号后的导航精度

针对微机电-船舶惯性导航/全球定位（MEMS-SINS/GPS）组合导航系统在GPS信号中断时造成的强非线性误差及重获信号后精度变差的问题,设计了基于Rao-Blackwellised无迹卡尔曼滤波（RB-UKF）的组合导航算法。首先,基于捷联平台欧拉失准角定义了姿态误差,建立了捷联惯导系统的非线性误差传播方程。然后,针对组合导航的状态方程为非线性而量测方程呈线性的特点,设计了RB-UKF算法,在保证精度的同时降低了计算量。最后,设计了滤波算法总体结构,分别给出了GPS信号正常时和中断时组合导航滤波计算的流程。将提出的算法用于跑车实验,结果表明：在GPS失锁20s和40s再重获信号之后,使用RB-UKF算法的组合导航系统位置精度分别优于6m和7.5m,比扩展卡尔曼滤波（EKF）算法精度提高了1.5倍以上,误差收敛速度提高了1.88～16.5倍,计算量比UKF量测更新的计算量减小了41.7%。实验显示该方法显著提升了组合导航系统GPS信号中断再恢复后的滤波精度,且易于工程实现。

基于SVD的复数UKF及电力系统对称分量估计

电力系统对称分量的检测对于电力系统安全稳定的运行具有很重要的意义。利用复数域无迹卡尔曼滤波算法,对三相电压系统的正负序分量及频率进行了估计。为了提高复数无迹卡尔曼滤波的参数估计精度及算法稳定性,引入最优自适应因子并对预测协方差矩阵进行SVD分解,提出了基于SVD的自适应CUKF算法。为消除零序分量,对三相电压分量进行αβ变换,定义了复数形式的状态变量,建立了非线性状态方程及观测方程,实现了正序、负序对称分量估计。通过与普通复数域无迹卡尔曼滤波算法对比,所提研究方法在估计精度及收敛速度等方面优于传统无迹卡尔曼滤波方法。

一种最优自适应增益非线性观测器的锂电池SOC估算方法

如今电动汽车的发展十分迅速,其动力电池荷电状态SOC关系到锂电池及整车系统的安全、可靠运行,因为SOC表明了电池剩余电量。由于SOC是一个不可直接测量的非线性变量,因此设计一种精度高、可行性强的算法具有十分重要的意义。提出一种最优自适应增益非线性观测器(OAGNO),用差分进化算法(DE)对观测器参数进行寻优。为了验证该方法的先进性,对型号为NCR18650GA的三元锂电池进行工况实验,结果表明,相比无迹卡尔曼滤波(UKF),最优自适应非线性状态观测器具有更高的精度,误差在3%左右。

基于OTSUKF的飞行器惯性测量单元的故障诊断

线性系统存在随机偏差情况下,最优二步卡尔曼滤波(OTSKF)可以获得系统状态及偏差的最优估计。无迹卡尔曼滤波(UKF)利用Sigma点采样和UT变换技术经非线性系统传播状态的均值和方差,是一种典型的非线性滤波方法。飞行器是一种典型复杂非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,建立了包含IMU故障的滤波模型。将UKF算法和二步滤波思想应用到飞行器之中,提出了一种适用于飞行器IMU故障诊断的最优二步无迹卡尔曼滤波(OTSUKF)算法。针对于飞行器,提出了一种滤波模型设计的方法。基于该模型,应用所提出的OTSUKF算法实现了飞行器状态的最优估计和IMU故障的辨识,该算法经过了实际飞行数据验证其对风扰动具有鲁棒性并且与已经被提出的迭代最优二步扩展卡尔曼滤波(IOTSEKF)方法进行了对比验证其最优性。

GNSS辅助车载MIMU动基座初始对准方法

为提高低精度惯导系统在行进间的初始对准精度,提出了一种全球卫星导航系统(GNSS)辅助车载微惯性测量单元(MIMU)动基座初始对准方法。在粗对准阶段,采用改进最优估计对准(OBA)方法,设计双矢量积分公式以减小积分间隔,并构建陀螺仪误差方程估计常值漂移,进而提高粗对准方法性能。在精对准阶段,使用改进的自适应抗差无迹卡尔曼滤波方法,通过引入自适应因子与抗差因子,平衡滤波估值对动力学模型和GNSS观测的信任,输出更高精度的对准结果。跑车实验结果表明:相对于传统OBA方法,改进OBA粗对准最大水平姿态角误差由2.97°降低到0.96°,航向角误差由3.36°降低到1.71°;改进后精对准方法的东向失准角RMSE为0.15°,北向失准角RMSE为0.10°,方位角失准角RMSE为0.11°。所提方法进一步增强了系统的抗差性和可靠性,能够快速有效地完成GNSS辅助MIMU动基座初始对准。

基于ATSUKF的飞行器惯性测量单元的故障诊断

非线性系统存在随机偏差情况下,最优二步无迹卡尔曼滤波(OTSUKF)可以获得系统状态及偏差的最优估计,但是它要求随机偏差被准确地建模,而这在实际情况下很难做到。飞行器是一种典型的非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,并且采用随机游走模型去描述故障。随机游走模型对故障进行建模的准确程度取决于随机游走模型的协方差与实际情况的匹配程度。基于OTSUKF的IMU故障诊断方法中,随机游走模型的协方差取的是一个常值矩阵,该矩阵的值是根据经验初始化的,但是在实际应用中较难初始化为一个与真实故障相匹配的矩阵。根据新息协方差匹配技术,在线自适应调整随机游走模型的协方差矩阵,提出了自适应二步无迹卡尔曼滤波(ATSUKF),并将该方法应用于飞行器IMU的故障诊断。仿真实验对比了OTSUKF和ATSUKF方法对飞行器IMU的故障诊断的效果,验证了所提出的自适应方法的有效性。

基于多模型加权的高速弹丸目标落点预测方法研究

针对目前高速弹丸目标海上试验末段弹道外推及落点预测方法单一,模型复杂和适应性差等问题,提出一种基于多模型加权组合的弹道重构及落点计算方法。利用无迹卡尔曼滤波技术对雷达测量数据参数估计,基于多模型理论,采用非线性加权平均最优组合估计方法,将运动学和动力学建模外推弹道加权组合,并对外推弹道及落点计算精度进行了试验验证。试验数据表明:该方法可以有效降低单一模型带来的误差和参数误差,极大地提高数学建模的适应性,通用性强,且落点计算精度优于同类方法,具有推广应用价值。

极弱信号环境下GPS位同步和载波跟踪技术

为解决环路未锁定、无法找出正确的导航数据位跳变点时极弱全球定位系统(GPS)信号跟踪问题,通过分析信号跟踪模型和相关器1 ms采样数据特性,将最优路径动态规划算法应用于GPS位同步,并提出基于平方根无迹卡尔曼滤波(SRUKF)和位同步结合的载波联合跟踪算法。建立了适合位同步的SRUKF载波环参数估计模型,针对位同步的实现条件和无相位频率先验信息的情况,将位同步模块提前,研究设计了环路未锁定时串行和并行两种弱信号跟踪方案。位同步跟踪完成后环路采用单独的SRUKF工作方式。实验结果证实该文提出的算法具有较高的数据位边缘检测概率(EDR)和参数估计性能,而无须关心环路是否处于锁定状态,能够对载噪比低至22 dB/Hz的弱信号实现跟踪。