INS/DVL组合导航安装偏差的双矢量标定方法

为提高水上船舶中惯性导航系统/多普勒速度计程仪(Inertial Navigation System/Doppler Velocity Log, INS/DVL)组合导航系统定位精度,提出一种利用GPS定位信息进行矢量计算的安装偏差标定方法,该方法只需船舶以直线沿不同方向航行2段距离,依托GPS下的速度信息进行矢量计算,即可标定INS与DVL之间的安装偏差。试验结果表明,用该方法能够可靠地标定DVL的安装偏差,将标定结果代入评估后,组合导航精度得到有效提高。

水下SINS/DVL组合导航误差抑制综述

为实现水下潜航器高精度长航时航行,基于SINS/DVL组合导航的误差抑制和校正技术是关键。对于DVL数据失效情况,介绍了不同的替代方法。比较了SINS/DVL组合数据融合常见滤波算法;从长航时导航误差抑制和校正角度,叙述了阻尼算法、地形辅助校正、重力匹配辅助定位、长基线系统辅助定位和重力扰动补偿等方法。可为水下潜航器SINS/DVL组合长航时导航误差抑制提供参考。

基于改进Sage-Husa自适应滤波算法的SINS/DVL组合导航

捷联惯性导航系统(SINS)与多普勒计程仪(DVL)组合导航时需考虑量测数据异常问题。针对该问题,设计一种基于渐消因子动态调整的改进Sage-Husa自适应滤波。此滤波旨在解决自适应滤波估计量测噪声参数性能对渐消因子依赖性强的问题,提升DVL量测信息异常情况下的导航精度。实验结果表明,基于渐消因子动态调整的改进Sage-Husa自适应滤波,在DVL数据异常的复杂环境中仍可具有较好的信息处理能力,导航性能提高显著,实现高精度的组合导航,具有一定的研究与参考价值。

SINS/DVL组合导航在海底挖沟机施工中的应用探索

针对难以精确监测海底挖沟机工作状态的问题,依据捷联惯性导航系统SINS(Strapdown inertial navigation system)以及DVL(Doppler log)水下组合导航技术的原理,建立组合导航模型以及误差模型,根据施工特点设置挖沟施工作业路线,依照挖沟机实际作业状态设置运动参数,并进行仿真实验,验证SINS/DVL技术在海底挖沟机管道铺设作业中的监测能力.结果表明,在铺设海底管道时,SINS/DVL组合导航系统可以实时获取海底挖沟机的工作数据,测量高精度的经纬位置、速度、姿态数据:经、纬度误差控制在±0.02°范围内;速度误差在-0.05~0.10 m/s范围内;俯仰角误差为±0.20°,横滚角误差为±0.20°,航向角误差为±1.00°.

大航程AUV SINS/DVL组合导航定位精度研究

为了进一步提高AUV的导航定位精度,研究SINS/DVL组合导航系统在大航程AUV上的应用。首先,建立其误差分析模型;然后,提出使用常规kalman滤波方程计算误差的思想;最后,在系统噪声与观测噪声已知的情况下,应用常规kalman滤波算法进行仿真分析。结果表明,该滤波存在明显发散,导致误差方差阵失去非负定性,影响滤波增值。

水下SINS/DVL组合导航技术综述

基于捷联惯性导航系统(SINS)与多普勒计程仪(DVL)相结合的组合导航技术近年来在自主水下航行器(AUV)导航上得到了广泛应用。文中简要介绍了水下SINS/DVL组合导航的基本原理、耦合方式和系统应用研究现状;详细论述了数据融合处理技术、标定技术和DVL数据失效处理技术等3个关键技术及其研究现状;最后,探讨了水下SINS/DVL组合导航技术的发展趋势及其将要面临的技术问题。文中的研究可为水下高精度组合导航研究提供参考。

基于变结构多模型的SINS/DVL组合导航算法

对于无人水下航行器来说,SINS/DVL组合导航是其主要导航方式,由于DVL自身作用距离的限制,虽然它可以在水跟踪模式下工作,但洋流速度作为其测量误差会导致SINS/DVL组合导航性能下降甚至失败。针对上述问题,基于有向图切换方法,设置洋流速度模型群,利用所设置的模型群切换策略对子模型群进行激活和终止,通过变结构多模型滤波算法对不确定性洋流速度进行实时估计,进而消除洋流速度对SINS/DVL组合导航的影响。对所提出的算法进行了仿真,仿真结果表明变结构多模型算法与传统的交互式多模型算法相比,不仅减少了计算量(运行时间缩短了接近35%),提高了效费比,同时也提高了组合导航系统的精度,可以为高精度的组合导航系统提供参考。

INS/DVL组合导航系统在水下载体中运用研究

根据水下载体长时间在水下航行的特点 ,建立了INS/DVL组合导航的工作模式 ,推导了该组合模式的组合形式和卡尔曼滤波算法 ,并通过计算机仿真技术分析了INS/DVL组合导航系统的性能和精度。

基于SUKF滤波的INS/DVL组合导航研究

惯性导航系统(INS)长时间自主工作存在误差积累,采用INS与多普勒速度计程仪(DVL)组合的方案导航。针对组合导航系统状态维数较高,采用算法实现和估计精度优于传统扩展卡尔曼滤波的尺度变换模式的UKF(SUKF)方法。仿真结果表明,采用SUKF滤波方法实现INS/DVL组合导航是可行的。

基于波束域信息的SINS/DVL组合导航算法

针对水下环境影响导致DVL回波个数小于4,常规惯性/DVL组合导航无法进行,对DVL的回波信息利用不充分的问题,提出了一种基于波束域信息的SINS/DVL组合导航方法。直接将DVL测量的波束域信息与惯导系统速度转化得到的频移差值作为观测量,考虑惯导以及DVL的多项误差,建立基于频移观测量的卡尔曼滤波模型,实现对惯导系统误差和DVL误差估计与修正。数学仿真及试验结果表明:所提方法与基于速度匹配的算法相比,组合导航定位精度提高30%以上,多普勒信息的利用率以及对水下复杂环境的适应性均有显著提升。

一种INS/DVL组合导航一体化偏差标校方法

INS/DVL一体化偏差是影响组合导航系统精度的重要因素,对一体化偏差进行高精度标校是实现高精度组合的前提和基础。传统基于外速度拟合的一体化偏差估计方法对观测速度要求高,估计精度受量测噪声影响较大,同时实现过程较为复杂。提出一种基于SVD最小二乘的INS/DVL一体化偏差航迹拟合估计方法,对三轴一体化偏差角进行拟合标校。仿真结果表明,在GPS定位误差为20m的情况下,三个安装偏差角的50次Monte Carlo仿真平均估计误差分别为0.1001°、0.0283°、0.0213°。该方法实现简单,估计精度较高,具有很好的工程实用价值。

因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。

基于SINS/DVL/GPS的AUV组合导航标定方法的研究及其误差分析

为了进一步提高自主水下航行器(AUV)捷联惯导(SINS)与多普勒计程仪(DVL)组合导航定位精度,需要准确标定出SINS与DVL之间的安装误差角以及DVL的刻度系数。论文系统的介绍了组合导航系统的标定方法和流程,最后分析了组合导航系统的误差来源。

低成本亚米级PPP/INS组合导航定位系统研究

铁路智慧工地建设中,对车辆、机具、人员等有实时定位和安全管理等位置服务需求,设计了一种亚米级、低成本、基于微机电传感器(MEMS)的PPP/INS组合导航定位系统。首先介绍系统终端采用的基于零速度更新(ZUPT)和非完整约束(NHC)算法的PPP/INS松组合导航定位方法,然后介绍系统组成,并通过车载实验对开阔环境和半开阔环境下的系统动态定位精度进行分析。实验结果表明,该系统在开阔环境下可满足亚米级定位精度,在半开阔环境下定位精度优于1.0%×失锁距离,相比PPP和u-blox SPP单系统定位优势明显。研究成果对铁路智慧工地位置服务中低成本、亚米级导航定位研究及成果转化具有一定的参考价值。

双程UFIR滤波算法及其在INS/双目视觉机器人组合导航的应用

为了提高移动机器人的室内定位精度,提出了一种惯性导航系统(Inertial Navigation System,INS)/双目视觉松组合导航模型,在INS与双目视觉同步获取到移动机器人位置信息的基础上,通过滤波算法对INS与双目视觉测量得到的移动机器人位置进行数据融合,充分融合INS和双目视觉各自的优势,最终得到当前时刻的移动机器人的位置估计。针对滤波算法,提出了双程无偏有限脉冲响应(Unbiased Finite Impulse Response,UFIR)滤波算法,该算法首先采用自适应UFIR前向滤波,通过引入预先设置的滤波窗口长度以及马氏距离,完成对当前时刻UFIR滤波算法最优滤波窗口长度的计算。在此基础上,通过后向UFIR平滑以及再次前向UFIR滤波,最终得到当前时刻最优的移动机器人位置估计。实际测试结果表明,所提出的双程UFIR算法能够有效地提高室内移动机器人的定位精度,与传统UFIR滤波算法相比,所提出的位置均方根误差(Root Mean Square Error,RMSE)降低了11.64%。

基于自适应滤波的水下SINS/相控阵DVL组合导航算法设计

针对远程自主水下航行器的远程性和自主性,加之水下环境复杂,其导航和定位的精度很难保证的特点,设计一种基于相控阵DVL的自适应滤波的SINS/DVL组合导航算法。基于相控阵DVL特点,推导了速度观测方程,并对降维滤波器进行了设计和时空误差进行修正。采用50型激光陀螺研制出工程样机,并进行了河试试验和海试试验,试验结果表明采用自适应滤波算法能够进一步提高SINS/DVL自主导航的精度,并且SINS/DVL自主导航精度优于2‰D(D为航程),为远程水下航行器提供一种自主好、精度高、价格适中的导航手段。

INS/GPS/DVL组合导航系统中测量延迟的影响及标定方案分析

以INS/GPS/DVL组合导航系统为例,分析了测量延迟误差对系统精度的影响(会产生较大的航向误差,继而会影响前向加表偏置)。提出了延迟误差的软硬件标定方法,包括时标法和相关系数分析法,对硬件和算法不需要作较大的改动就可以估计出延迟误差并补偿外部观测量。在无延迟、有延迟和延迟补偿后几种情况下进行了对比仿真。结果表明:该标定补偿方案可以准确地估计出延迟误差,有效地提高系统精度,几乎达到无延迟的精度水平。

GNSS/INS/VNS组合定位信息融合的多无人机协同导航方法

在信息化战场上,无人机面临多种潜在威胁,不时出现的非意图干扰对无人机系统的卫星信号和通信链路造成干扰,对飞行产生不良影响。为了解决这一挑战,采用多传感器信息融合,以全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System,INS)组合导航系统为主滤波器,并将全球定位系统导航系统和视觉导航系统作为子滤波器,建立了联合滤波器。将多架无人机数字影像的相对导航信息与各无人机平台获取的绝对导航信息融合,实现了一种基于卡尔曼滤波的多地标接力辅助导航算法,有效提高了GNSS/INS相对导航系统的解算精度,降低了多无人机群体的计算负担,扩大了无人机的巡航范围。采用并行分布式的系统框架,将算法部署在多个无人机平台上,通过无人机之间的信息传递和互动,实现多无人机的协同感知与自主定位。在仿真任务场景中进行相关实验,实验结果显示该方法在3架无人机协同导航中位置估计平均误差达到0.66 m,速度估计精度保持在±0.4 m/s,满足设计要求。

基于协方差变换的INS/DVL全球组合导航算法

横坐标系下设计的惯性/多普勒测速仪(INS/DVL)组合导航滤波器可以满足无人潜航器(AUV)极区导航的需要,但在AUV进入、离开极区时导航坐标系的切换会引起滤波器结构变化,使系统的误差状态参数估计值产生震荡,影响导航精度。针对此问题,提出了基于协方差变换的INS/DVL全球组合导航算法,设计了横地理坐标系下的INS/DVL组合导航滤波器,并推导建立了地理坐标系与横地理坐标系下滤波器系统误差状态及其协方差矩阵的转换关系。AUV进入、离开极区过程中,导航坐标系切换时同时完成导航参数、滤波器参数的转换。通过船载实验与半实物仿真实验对所提算法的有效性进行了验证,结果表明:在导航坐标系切换过程中,协方差变换算法能够有效改善滤波器估计值不稳定问题,相比于无协方差变换,导航参数震荡误差减小50%以上,提高了组合导航系统稳定性。