对等结构下多节点INS误差修正

传统的多目标跟踪系统一般采用集中式与分布式结构,文中在抗毁性差的集中式与分布式结构的基础上提出无中心化的对等式结构模型,针对INS系统误差随时间增长不断累积的问题,提出在对等式结构下修正多节点INS误差的算法。在对等式结构中选择导航精度最高的节点建立非线性运动模型,利用CKF滤波对该节点导航信息进行优化,其余节点利用对等结构可通信合作的优势解算滤波相对距离,与通过各自INS解算出相对位置信息之差作为量测值,建立INS误差修正模型,对INS误差参数进行卡尔曼滤波开环输出校正得到最优INS误差估计值,对各节点INS误差进行补偿。仿真结果表明,CKF滤波对非线性运动模型具有较好的跟踪能力,此算法能够对INS系统误差进行有效修正,具有较高的实时性与可靠性。

基于未知地标被动观测的弹群INS定位误差协同修正方法

针对弹群协同编队飞行中,编队成员单独使用惯导系统(INS)时存在定位误差发散的问题,基于相同性能的多套INS在相同环境下工作时,其误差近似呈零均值高斯分布这一特性,提出了一种利用成像导引头对航路上任一未知地标被动观测的弹群INS定位误差协同修正方法。首先,融合弹群中各枚导弹相对于地标的视线角量测信息及INS位置量测信息,利用最小二乘思想对未知地标进行协同定位;然后,基于估计得到的地标位置,利用各枚导弹相对于地标的视线角和方位角速率量测信息及INS速度量测信息,反过来修正弹群中各枚导弹的INS定位误差。最后,仿真验证了方法的有效性。

巡航导弹INS/视觉组合导航方法

巡航导弹仅依靠惯性导航系统进行导航时,其导航误差将随着时间的累积不断变大。INS/GPS是最常用的组合导航方式,但存在战时不可用的缺陷。为此提出了一种基于EKF的巡航导弹INS/视觉组合导航方法。利用巡航导弹相对于单个已知点地标的视觉信息(方位角和高度角)和高度信息,巡航导弹INS的位置和速度误差能够同时被估计出来。最后,仿真验证了该方法的有效性。

基于低通滤波技术的GPS/INS组合导航

针对GPS/INS组合导航系统中的惯性导航系统(inertial navigation system,INS)存在的随机误差的问题,研究了一种通过低通滤波器减弱或消除GPS/INS组合导航系统高频噪声的方法。分析了陀螺仪与加速度计在三轴方向上的误差源及其相关性,给出无人机组合导航系统中GPS/INS组合导航误差模型,针对INS数据中所含的高频误差,构造了低通滤波器以消除其对导航精度的影响;并通过实测Matlab/Simulink仿真与实测GPS/INS导航数据验证该低通滤波器性能。试验结果表明:采用低通滤波处理INS高频误差显著改善了位置精度,三轴方向上精度分别提高了25%、22%和21%。

面向弱光流环境的惯性/光流组合导航方法研究

惯性导航系统(INS)与光流组合导航方法在众多场合拥有极为广泛的应用,其中,光流信息的准确与否直接影响导航参数的优劣。为解决光照极弱或者光流传感器离地高度小于摄像头焦距所导致的光流信息误差较大使导航参数严重失真而无法连续导航的问题,提出一种基于Elman神经网络的速度预测方法。环境适宜的情况下,在线训练神经网络模型,而处于特殊环境使光流信息信任价值很小时,使用训练完成的神经网络对载体速度进行预测。另外,基于INS动态误差模型的卡尔曼滤波器(KF)通过融合INS以及速度数据得到误差向量使之对导航参数进行补偿修正。小型四轴飞行器飞行试验表明,神经网络的预测值能够在较短时间内高精度地逼近真实值,证明了上述算法的正确性和有效性。通过与真实值相比较,平均姿态误差为0. 1%,平均速度误差为1%,平均位置误差为2.4%。