基于BP神经网络的GFSINS角速度预测

针对无陀螺捷联惯导系统(GFSINS)中传统角速度算法解算精度不高的问题,提出一种可避免复杂代数运算的反向传播(BP)神经网络算法来求解角速度.基于一种十加速度计构型方案,选择10个加速度计输出、采样周期和臂杆距离等12个已知量作为网络输入,以对数法得到的角速度值作为期望输出,针对5 000个样本在不同的隐含层层数、单层神经元个数以及学习步数等情况下进行网络训练,构建了一个含有30个隐含层神经元的3层BP网络模型.采用此模型对角速度进行实时预测,结果表明:网络具有很好的适应能力和实时性,角速度实时预测时间与对数法相当,且其预测精度比对数法提高大约3倍.

无陀螺捷联惯导系统模型研究

无陀螺捷联惯导系统采用加速度计来解算载体相对惯性系的角速度,从而代替角速度陀螺仪。考虑重力影响,对两种不同配置方式的6加速度计捷联惯导系统建立了载体运动参数解算模型,在此基础上提出了一种12加速度计配置方式,从而利用多传感器的冗余信息对算法进行优化,消除了角速度解算过程中求解微分方程带来的累积误差,提高了角速度解算精度。

捷联惯导系统六加速度计配置方案研究

在简述无陀螺捷联惯导系统原理的基础上,针对某工程应用背景的特点,提出了一种六加速度计三棱柱安装方式,推导了它的其力学编排方程,并对提高载体角速度计算值精度的方法进行了分析。通过仿真分析验证了该方案的可行性。

无陀螺捷联惯导系统现状及发展研究

结合国内外的研究文献，对无陀螺捷联惯性导航系统（GFSINS）的研究进行总结．分析了其导航和力学原理。介绍了三种无陀螺惯性测量单元加速度计配置方案，分别就其典型配置进行了重点分析。最后，对该技术的未来研究方向进行了展望。

无陀螺SINS加速度计配置与角速度解算方法研究

文中提出了一种新的由九个加速度计组成的无陀螺捷联惯性导航系统(GFSINS)的配置方案,给出了该加速度计配置的角速度解算方法,通过仿真分析了该配置方案的角速度误差累积。

无陀螺捷联惯性导航系统

结合国内外的研究文献,分析无陀螺捷联惯性导航系统(GFSINS)的导航和力学原理,介绍三种无陀螺惯性测量单元加速度计配置方案,分别就其典型配置重点分析,对该技术的未来研究方向进行展望。

基于MEMS加速度计的无陀螺车辆导航技术

设计了一种基于低成本MEMS加速度计的无陀螺车载捷联惯导系统,将高精度的MEMS加速度计安放在载体非质心处,代替陀螺来测量载体角运动信息,实现车辆的GPS信号被遮挡时短时间内的导航定位定姿要求;仿真结果表明:对于300 s时间内导航的载体,无陀螺车载捷联惯导系统的位置误差达到了0.0002°,满足导航的精度要求。

基于非线性最小二乘法的姿态优化算法

在无陀螺捷联惯导系统中,在一种适合高自旋弹丸运动姿态测试的十二加速度计配置方案下,针对由十二加速度计的输出直接解算出角速度的方法中没考虑加速度计的安装误差问题,提出一种提高角速度解算精度的优化算法。该方法基于非线性最小二乘法从姿态角的一组初值出发开始在每一点处进行线性替代的迭代计算,搜索出满足极值点必要条件的最优角速度,从而实现对姿态角的优化解算。实验证明:该方法能有效抑制安装误差,精度高,是可行的。

用于高速旋转载体的惯性导航系统设计

针对高速旋转载体的实际应用情况,采用了无陀螺捷联惯性导航技术方案,快速精确测量载体的姿态、速度和位置信息。无陀螺捷联惯导系统采用加速度计来解算载体相对惯性系的角速度,从而代替角速度陀螺仪,提高了系统的高过载的适应能力。首先推导了一种基于六加速度计配置方式力学编排方程,分析了加速度计精度、杆臂长度以及时间等因素对角速度误差产生影响,最后仿真分析了加速度计精度对惯导系统的定位精度的影响,为系统设计提供理论依据。