无陀螺的GFSINS/GPS组合导航新方法研究

设计了一种可行的加速度计配置方式以构成无陀螺捷联惯导系统( GFSINS) ,并将GFSINS与GPS构成组合导航系统,提出了组合导航系统的实现方案和组合算法。实验仿真结果表明,与无陀螺捷联惯导系统相比,该组合导航系统的精度和容错性能显著提高。

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.

卡尔曼滤波与H_∞滤波在GFSINS中的对比

针对加速度计随机噪声影响无陀螺捷联惯导系统(GFSINS)角速度解算精度的问题,提出了一种滤波设计方案.基于十加速度计构型方式,利用加速度计输出构成的角加速度项作为状态方程,而对数法解算的角速度作为观测量,构建了卡尔曼和H∞滤波器.在改变加速度计随机噪声、状态初始估值和噪声颜色的情况下,仿真分析和对比了卡尔曼滤波和H∞滤波的效果.结果表明,H∞滤波不受加速度计随机噪声统计特性大小、噪声颜色的影响,比卡尔曼滤波有更强的鲁棒性和稳定性;H∞滤波后,角速度精度比对数法提高了2个数量级.

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。