SINS/CNS/GPS integrated navigation algorithm based on UKF

A new nonlinear algorithm is proposed for strapdown inertial navigation system （SINS）/celestial navigation system （CNS）/global positioning system （GPS） integrated navigation systems. The algorithm employs a nonlinear system error model which can be modified by unscented Kalman filter （UKF） to give predictions of local filters. And these predictions can be fused by the federated Kalman filter. In the system error model, the rotation vector is introduced to denote vehicle＇s attitude and has less variables than the quaternion. Also, the UKF method is simplified to estimate the system error model, which can both lead to less calculation and reduce algorithm implement time. In the information fusion section, a modified federated Kalman filter is proposed to solve the singular covariance problem. Specifically, the new algorithm is applied to maneuvering vehicles, and simulation results show that this algorithm is more accurate than the linear integrated navigation algorithm.

A tightly coupled rotational SINS/CNS integrated navigation method for aircraft

Strapdown inertial navigation system(SINS)/celestial navigation system(CNS)integrated navigation is widely used to achieve long-time and high-precision autonomous navigation for aircraft.In general,SINS/CNS integrated navigation can be divided into two integrated modes:loosely coupled integrated navigation and tightly coupled integrated navigation.Because the loosely coupled SINS/CNS integrated system is only available in the condition of at least three stars,the latter one is becoming a research hotspot.One major challenge of SINS/CNS integrated navigation is obtaining a high-precision horizon reference.To solve this problem,an innovative tightly coupled rotational SINS/CNS integrated navigation method is proposed.In this method,the rotational SINS error equation in the navigation frame is used as the state model,and the starlight vector and star altitude are used as measurements.Semi-physical simulations are conducted to test the performance of this integrated method.Results show that this tightly coupled rotational SINS/CNS method has the best navigation accuracy compared with SINS,rotational SINS,and traditional tightly coupled SINS/CNS integrated navigation method.

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation(MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter— multiple model adaptive estimation unscented Kalman filter(MMAE-UKF) rather than conventional Kalman filter methods,like the extended Kalman filter(EKF) and the unscented Kalman filter(UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters,which the improved filtering method can overcome. Meanwhile,this algorithm is used for integrated navigation system of strapdown inertial navigation system(SINS) and celestial navigation system(CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.

GNSS/MEMS IMU车载组合导航中IMU比例因子误差的影响分析

从系统状态模型出发,分析比例因子误差对组合导航精度和计算量的影响,同时基于车载运动的特点分析比例因子误差的观测性,提出一种仅保留航向陀螺仪和水平加速度计比例因子误差的降维状态模型。实验结果表明,当比例因子误差大于6×10^(-3)时,增广比例因子误差有助于提高导航精度,但计算量增加约170%;降维模型能够达到高维模型的导航精度,与不增广比例因子误差相比,计算量仅增加约70%。

基于交互式多模型因子图的自适应组合导航算法

针对复杂城市环境下因外部干扰或传感器故障而引起的传统车载导航系统定位精度下降的问题,提出了一种基于因子图的交互式多模型车载导航算法。基于因子图优化算法建立了IMU/GNSS/LIDAR组合导航系统模型,引入了交互式多模型对子系统传感器量测进行建模并构建变量节点,利用模型概率更新来优化传感器权重,并依据因子图非线性优化和增量平滑理论实现车载导航系统的解算与更新。实验结果表明:相比于自适应因子图算法,所提算法在复杂城市环境下的定位精度提高了26.2%。

天文/惯性组合系统中重力扰动补偿方法

针对重力扰动引起惯性水平基准姿态测量误差进而导致天文/惯性组合导航系统定位精度下降的问题,提出天文/惯性组合系统中的重力扰动补偿方法。首先,基于导航误差模型分析了影响天文/惯性组合导航系统定位精度的主要因素。其次,推导了重力扰动、惯性水平基准姿态测量误差与天文导航定位误差之间的传播机理。然后,研究了重力扰动建模与修正方法,并将重力扰动补偿方法应用于惯性水平基准的导航解算回路中,实现重力扰动的有效补偿。跑车试验结果表明,所提重力扰动补偿方法可以将天文/惯性组合导航系统中定位误差的振荡幅值由1.6 n mile降低至0.5 n mile。

平动点导航星座下的月面接收机自主完好性监测

为了减少月球探测复杂环境对导航的影响和提升平动点导航星座的可靠性,提出了一种基于多假设解分离的月面接收机自主完好性监测方法。该方法利用了地月空间引力不对称性,仅需3颗平动点卫星测量信息就可以实现月面用户级完好性监测。为使月球背面更多区域的可见星数达到完好性监测所需卫星数,增加L2点Halo轨道卫星数并采用多种群遗传算法优化Halo轨道振幅和初始相位。最后采用解分离算法验证了基于3颗卫星进行完好性监测的可行性。仿真表明,在2颗可见星条件下可实现故障检测,平面短周期轨道卫星故障更容易检测;在3颗可见星条件下可实现故障排除,故障偏差达到20σ~30σ(σ=1 m)时,故障检测率和排除率开始上升到100%。首次分析了基于平动点导航星座的完好性监测可行性并提出了解决方法,该方法可应用于探月任务导航领域,为未来探月任务完好性监测算法和平动点导航星座设计提供了有益参考。

低成本惯性多冗余导航控制一体机设计

为了智能体的精确定位和定姿,实现其稳定运动控制,设计了一种低成本多惯性冗余导航控制一体机,给出了设计方法。稳压电路的开关电源MP2482DN和线性电源JW29300U-3.3V为一体机提供稳定5 V和3.3 V的较大功率电源;控制器STM32H7的SPI采用星形拓扑总线与3片六轴惯性芯片BMI088通信,2路TTL串口与差分卫星定位板双向通信,实现智能体定位和定姿;控制器STM32F4的CAN总线接口与智能体底盘双向通信,实现其运动控制,1路TTL串口实现与控制器STM32H7的双向通信;两控制器的网络接口与上位机组成无线局域网,实现数据交换和状态监控。整个系统具有功耗低、体积小、成本低、接口丰富的特点。

基于变分贝叶斯算法的多模型车载组合导航算法

在行车过程中强机动引起全球卫星导航系统(GNSS)量测噪声产生野值,表现出厚尾特性导致常规状态估计精度下降的问题,为此提出一种基于变分贝叶斯的SINS/GNSS组合导航信息融合方法。构建车载组合导航系统模型,采用Student’s t分布对量测异常情况下噪声建模,并用变分贝叶斯的方法对系统状态和隐变量进行求解,实现对模型参数的后验估计。针对城市行车存在GNSS测量失效的问题,利用交互式多模型算法实现了GNSS量测中断情况下的SINS/GNSS和SINS/OD子系统的动态交互融合。通过跑车实验进行验证,实验结果表明,所提算法可有效抑制GNSS量测野值噪声对SINS/GNSS/OD组合导航系统的影响,与传统交互式多模型算法相比,具有较高的精度和鲁棒性。

一种基于IMM-SCKF的组合导航算法

针对在实际应用中组合导航系统存在的噪声干扰多变造成系统滤波精度降低问题,提出了基于交互式多模型(IMM)和平方根容积卡尔曼滤波(SCKF)(IMM-SCKF)算法。IMM-SCKF滤波算法拥有多个模型集,通过调节子模型的概率后进行融合输出,能够尽可能地模拟实际噪声协方差。仿真试验和道路试验结果均表明,IMM-SCKF算法的速度误差和位置误差均方根均优于传统单模型CKF算法,能有效提高组合导航系统的可靠性。在实际道路跑车试验中,与传统CKF算法相比,IMM-SCKF算法的东、北、天速度误差均方根分别降低了52%、55%、30%,位置误差均方根分别降低了47%、60%、32%,IMM-SCKF算法显著提高了系统的定位精度及抗干扰能力。

基于Huber鲁棒性滤波的惯性/天文组合导航算法

针对星敏异常量测对组合系统状态估计性能的影响,提出一种基于Huber鲁棒性估计理论的惯性/天文组合导航滤波算法。通过对广义极大似然估计理论的详细推导,给出了基于Huber鲁棒性估计的Kalman滤波(简称H-EKF)算法流程,并基于跑车数据进行算法性能对比验证。结果表明,该算法对星敏异常量测噪声具有很好的鲁棒抑制性,与传统Kalman滤波算法相比,对陀螺常值漂移的估计精度和稳定性均有所提升,有效保证了惯性/天文组合系统导航精度。

基于测速测距激光雷达的飞行器地形匹配导航方法

针对中低空飞行器地形匹配与惯导组合中惯导误差累积导致高程图变形限制地形匹配精度、二维地形匹配运算量大和地形匹配失效时定位可用性差的问题,提出一种基于测速测距激光雷达的地形匹配导航方法。利用激光测速信息辅助构建高程图,减小高程图变形从而提高匹配精度,同时降低匹配结果与惯导的相关性;设计集成尺度不变特征变换(SIFT)特征与分步核验的地形匹配算法,提高匹配的实时性;采用激光测速信息辅助校正惯导,提高地形匹配失效时定位的可用性。典型场景地形数据的测试结果表明,基于激光测速辅助构建的高程图较基于惯导构建的高程图的地形匹配定位精度提高了36.6%,所提的卡方初始化随机抽样一致性地形特征误匹配检测算法(TCI-RANSAC)相比于RANSAC算法缩短了55.6%的核验时间,且测速信息的引入将组合定位精度提高了65.9%,具备较高的工程应用价值。

GPS/BDS组合导航系统的精密单点定位模型

为了改善单卫星导航系统由于卫星数量较少,导致定位误差高的问题,设计全球定位系统(GPS)/北斗卫星导航系统(BDS)组合导航系统的精密单点定位模型:线性组合处理GPS与BDS的伪距和载波相位观测值,并构建GPS/BDS组合导航系统的组合观测值;接下来利用协方差成形自适应卡尔曼滤波方法,对组合导航系统导航过程中的卫星钟差、电离层延迟等误差实施滤波;再利用滤波处理后组合导航系统的广播星历,获取卫星轨道以及钟差;然后利用经验模型修正对流层延迟,获取相位观测值与伪距的综合改正数;最后利用综合改正数修正组合导航系统的观测方程,构建精密单点定位模型。实验结果表明,GPS/BDS组合导航系统采用所构建模型进行精密单点定位,不同方向定位误差均低于10 cm,证明了提出模型的有效性。

基于XGBoost算法的车载场景识别辅助组合导航研究

现有组合导航算法在卫星信号复杂的环境中存在误差随时间发散的问题。针对不同的车载场景增加不同的辅助策略,以提升导航精度,提出了一种基于XGBoost算法的车载场景识别辅助组合导航技术。首先,根据行车过程中的卫星导航数据和车辆状态数据构建特征,并通过Kruskal-Wallis检验比较不同车载场景下特征的分布差异;其次,使用XGBoost算法拟合经过预处理的数据,得到车载场景识别模型;最后,当识别到地库场景时,通过力学编排计算航向角的变化量,也使用轮速运动学模型计算航向角的变化量,然后对两种方式计算的航向角变化量求均值,重新计算当前时刻的姿态,再用新的姿态更新速度和位置。实验结果表明,在地库场景下,相较于不增加轮速运动学辅助的算法,增加辅助的组合导航算法的航向精度标准差平均提升55.27%。

航空天文组合导航技术发展研究

阐述了航空机载天文/惯性组合导航的原理,突出了天文导航技术在远程长航时航空平台导航应用的优势。首先,介绍了机载天文/惯性组合导航技术的发展研究现状,并比较了国内外发展状态;其次,分析了机载天文组合导航技术的平台需求特点,总结了当前的技术挑战,探讨了未来的技术攻关方向和发展趋势。

Vehicle kinematics modeling and design of vehicle trajectory generator system

A trajectory generator based on vehicle kinematics model was presented and an integrated navigation simulation system was designed.Considering that the tight relation between vehicle motion and topography,a new trajectory generator for vehicle was proposed for more actual simulation.Firstly,a vehicle kinematics model was built based on conversion of attitude vector in different coordinate systems.Then,the principle of common trajectory generators was analyzed.Besides,combining the vehicle kinematics model with the principle of dead reckoning,a new vehicle trajectory generator was presented,which can provide process parameters of carrier anytime and achieve simulation of typical actions of running vehicle.Moreover,IMU(inertial measurement unit) elements were simulated,including accelerometer and gyroscope.After setting up the simulation conditions,the integrated navigation simulation system was verified by final performance test.The result proves the validity and flexibility of this design.

基于信息融合的小天体软着陆组合导航算法

小天体距地球较远,观测信息不足,引力场弱且分布不规则,对自主导航算法的精度和实时性提出了更高的要求。本工作以小天体软着陆自主导航为应用背景,针对惯性导航误差累积和光学导航观测周期长等问题,提出了一种基于信息融合的组合导航算法。以软着陆探测器的位置和速度为状态向量,通过引入了一种信息融合算法,将光学导航信息与惯性导航信息进行信息融合,生成对软着陆探测器状态的估计。实验结果表明:该算法能有效地提高导航定位精度,并对速度误差有一定的抑制作用,为探测器在小天体表面软着陆提供了一种行之有效的方法。

基于欧拉角的李群捷联惯导误差模型分析与比较研究

惯导姿态、速度状态量同时纳入一个群中,且按照误差的两种定义可构成李群左误差模型和右误差模型。针对基于欧拉角的两种李群误差模型进行了比较研究,分析了两种李群误差模型的差异。针对捷联惯性导航系统(strapdown inertial navigation system,SINS)/全球定位系统(global position system,GPS)和SINS/多普勒计程仪(Doppler velocity log,DVL)两种典型组合导航系统应用,提出合适的误差模型选择方案。车载和船载实验结果表明,两种李群误差模型分别更适用于SINS/GPS和SINS/DVL组合导航系统,尤其是在大失准角条件下效果更为显著,两种李群误差模型具有更好的定位精度、收敛速度和稳定性。

星光方向向量辅助的惯性/光谱红移组合导航方法

惯性/光谱红移(INS/SRS)组合导航系统中,SRS需要至少三个不共线天体才能实现导航,存在抗干扰性弱的缺陷。针对这一问题,提出了一种星光方向向量辅助的INS/SRS组合导航方法。首先,将太阳系内天体星光方向向量引入到多普勒红移导航方程中,建立星光方向向量辅助的红移导航方程,降低导航系统所需的观测天体数量。其次,基于星光方向向量辅助的红移导航方程建立量测方程,并与INS误差方程组成组合导航系统。最后,对所提组合导航方法进行了仿真验证。仿真结果表明,相较于传统INS/SRS组合导航方法,所提组合导航方法减少了所需天体个数,在少于三个观测天体的情况下,仍能提供稳定可靠的导航数据。在一个观测天体下位置误差不大于1.5 km,在两个观测天体下位置误差不大于250 m,提高了INS/SRS组合导航系统的抗干扰能力。

北斗卫星导航产业发展态势的多维度预测方法

针对北斗市场发展过程中不同维度市场产值的预测需求,从整体产值、产业链、上市公司市值等3个不同维度构建了北斗市场产值预测模型。从整体市场产值预测需求出发,研究对比了不同预测模型的产值预测方法及精度,得到不同数据情况下的模型选择参考;基于产业链的产值发展数据,采用不同的经济预测模型,实现单一产业链或整体产值的统计预测;基于上市公司市场产值的预测方法,对特定上市公司、整体北斗市场等不同维度和层次的市场产值进行跟踪和预测。最后,通过实验验证分析了不同模型和方法的精度和可行性,分析在不同数据基础和预测需求条件下的适用方法,为满足不同维度的北斗市场产值预测提供数据和决策支持。