一种新的综合滤波在INS/GPS/CNS组合导航系统中的应用研究

针对INS/GPS/CNS组合导航系统的特点 ,采用了基于H∞ 滤波的神经网络代替传统卡尔曼滤波器 ,利用INS/GPS、INS/CNS两个局部滤波器的输出值 ,通过联合滤波器进行线性最优估计 ,且进行了计算机仿真。仿真结果表明 ,该算法在满足系统精度和容错性要求的基础上 ,有效地改善了系统的自适应性、实时性、鲁棒性等性能 ,是组合导航系统理想的结构模型。

SINS/GPS/CNS组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了SINS/GPS/CNS组合导航联邦滤波算法,该算法可以取长补短,巧妙地将GPS定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进。计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较SINS/GPS组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级。仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值。

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter,EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。

INS/GPS/CNS组合导航系统的自适应滤波技术研究

本文重点研究了状态与偏差解耦估计的自适应滤波算法在 INS/GPS/CNS组合导航系统中的应用问题。由于组合导航系统模型参数往往与实际的物理过程具有一定的偏差 ,因此采用常规的卡尔曼滤波算法常会发生滤波发散现象。本文提出一种自适应滤波算法 ,并应用于组合导航系统。仿真结果表明 ,自适应滤波可以有效地抑制滤波发散 ,增强系统方案对环境的适应性 。

INS/GPS/CNS组合导航系统仿真

在分析INS、GPS、CNS导航系统特点的基础上,建立了组合导航系统的误差模型,提出了一种基于联邦滤波器的INS/GPS/CNS的组合导航算法,采用平台失准角、INS与GPS的位置之差和速度之差作为观测量,对算法进行了仿真研究。仿真结果表明:通过校正惯导平台、消除导航参数误差,可以大大提高系统的导航精度。

SINS/GPS/CNS组合导航中的鲁棒滤波算法研究

组合导航系统难以精确建模、噪声统计特性难以获得等问题逐渐突出,严重影响了组合导航系统滤波器的稳定性。为提高SINS/GPS/CNS组合导航系统的鲁棒性,设计了基于H∞滤波理论的鲁棒滤波算法,提高了导航系统对系统模型参数变化的适应能力。通过仿真与线性卡尔曼滤波器进行对比,验证了在系统模型参数变化的情况下,H∞滤波器精度几乎不发生改变,有更好的鲁棒性;提高了组合导航系统在噪声统计特性和模型参数不易确定情况下的导航性能。

GPS/INS组合导航终端的全向位置驱离算法研究

随着微惯性导航系统技术的发展,越来越多的无人平台装备了GPS/INS组合导航终端并具备了一定的抗欺骗能力,但现有的卫星导航欺骗方法难以满足对欺骗目标任意方向的位置驱离需求。为解决这一问题,提出了一种GPS/INS组合导航终端的全向位置驱离算法,可用于对非法无人平台管控的场景。该方法以卫星欺骗信号的设计为突破口,首先分析了卫星导航欺骗对组合导航位置和状态参数的影响,接着将卫星导航欺骗对组合导航状态参数的影响量作为求取欺骗信号的约束条件,进而确定位置驱离所需卫星欺骗信号的欺骗量,接着利用确定的欺骗量建立全向位置驱离模型,最终利用建立的模型生成对应的欺骗信号实现对组合导航终端的全向位置驱离任务。试验验证了本文设计的算法能够实现对组合导航终端360°任意方向的位置驱离。

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。

SINS/CNS/GPS组合导航系统半物理仿真研究

实际飞行实验费用大,组合导航系统最初实验不可能进行实时搭载实验,为缩短研制周期,降低成本,设计了一种新颖的采用真实器件误差特性的SINS/CNS/GPS组合导航半物理仿真系统结构。本系统将物理仿真与数学模型结合起来,采用真实器件输出的误差特性,通过轨迹发生器软件进行轨迹仿真,具有一定的灵活性和可扩展性。针对实物系统,设计了一种根据不同步观测量进行时间更新的信息同步方法,得到了较高的组合导航系统精度。利用该系统进行半物理实时实验对研究飞行器在实际噪声下系统特性具有重要的现实意义。

INS／GPS／CNS组合导航系统

─—本文为面向二十一世纪航行技术的发展提出了一种新型而实用的惯性／ＧＰＳ／天文组合导航方案。文中分别建立了目前在航海、航空、航天领域中最为通用的ＩＮＳ／ＣＮＳ及ＩＮＳ／ＧＰＳ两种组合系统的数学模型；详细论述了ＩＮＳ／ＣＮＳ及ＩＮＳ／ＧＰＳ组系统方案的优缺点。本文提出的ＩＮＳ／ＧＰＳ／ＣＮＳ组合导航系统是一种具有高精度的定位，测速及姿态的全参数导航系统，具有重要的学术意义和实用价值。

GPS/SINS/CNS组合导航在航天器上的应用

针对传统的惯性导航误差模型推导不适合空间应用以及GPS信号传输修正能力有限等问题,提出一种基于GPS/SINS/CNS的组合导航系统总体设计方案。在导航仿真系统中增加组合导航系统性能评估模块,推导了基于J2000坐标系的惯性导航误差模型,给出GPS、SINS与CNS的数学模型,利用扩展的卡尔曼滤波设计组合导航系统,对连续信号和信号中断两种模式进行了仿真。仿真结果表明,该导航系统能很好地满足航天器在轨运行的导航性能要求,能够为航天器提供高精度的测量与导航信息。

船舶INS/GPS/CNS组合导航系统设计

为了准确可靠地对船舶进行既定航迹的导航,导航系统必须为整个系统提供准确和可靠的位置、速度和姿态等信息,因而精度和可靠性是衡量导航系统的准则。本文以组合导航系统为背景,以某型船舶的INS/GPS/CNS组合导航系统为对象,对多传感器信息融合技术及其应用作深入探讨,以实现高精度的综合导航。

基于INS/GPS/CNS组合系统的高精度测姿方法

为改善INS/CNS/GPS组合导航系统输出姿态信息的稳定性,解决传统FKF算法非线性条件下姿态精度发散的问题,提出了一种基于UKF的FKF滤波算法;同时为解决各系统间时间信息不同步造成姿态精度下降的问题,提出了一种工程上可用的时间同步方案,同步精度优于0.5 ms。在实验室条件下,利用INS/GPS/CNS样机和高精度三轴转台搭建验证系统进行摇摆试验,试验结果表明,提出的方法可实现姿态误差值变化在5%以内条件下系统稳定工作一天以上。

基于舰船INS／GPS／CNS组合导航系统信息融合技术研究

本文提出了一种基于信息融合技术的舰船组合导航系统方案，并对系统的原理、组合方式以及相关的信息融合技术进行了初步讨论。基于信息融合的组合导航方案可以充分地利用各种导航传感器的信息，有效地提高了舰船导航系统的精度和可靠性。

一种基于INS/GPS/CNS的全信息导航滤波算法

为解决INS/GPS两组合导航系统因观测信息不完整造成的姿态误差发散、系统稳定性较弱的问题,本文利用CNS搭建了基于INS/GPS/CNS的全观测信息导航系统。通过建立以位置误差、速度误差及平台失准角误差为观测量的系统数学模型,提出一种基于INS/GPS/CNS的全信息导航滤波算法,提高了系统的导航精度,改善了系统的稳定性。试验结果表明,本文所提算法相较于传统两组合滤波算法,各导航参数的精度在不同程度上得到改善,长航时条件下姿态误差收敛、稳定性较高。

基于模糊自适应卡尔曼滤波的INS/GPS组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.

GPS/INS组合导航系统数据同步处理方法研究

论述了GPS/INS组合导航系统中的数据同步问题,提出了一种完全利用软件编程的数据实时同步的方法。实验结果表明,这种方法不需借助硬件电路,能较好地消除由GPS接收机和INS(惯性导航系统)之间数据不同步所引起的误差对组合系统导航精度的影响。

GPS/INS组合导航系统半实物仿真研究

为了研究ＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）／ＩＮＳ（ＩｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎＳｙｓｔｅｍ）组合导航系统的性能，利用跑车实验实时采集的惯性导航系统和ＧＰＳ的数据进行了测后仿真研究．分别进行了ＧＰＳ／ＩＮＳ位置、速度组合和伪距、伪距率组合仿真，仿真中组合Ｋａｌｍａｎ滤波器采用数值稳定性较好的ＵＤ分解算法．最后给出了纯惯导及组合后系统的位置、速度误差仿真曲线。