顾及零偏几何性质的GNSS/SINS组合导航方法

由于包含零偏状态的捷联惯性导航系统(SINS)运动学方程不再具有群仿射性质,当前不变扩展卡尔曼滤波(EKF)算法设计过程中并未将零偏纳入具有几何性质的运动学方程。本文通过构建一个群和群作用使得包含零偏状态的运动学系统满足等变性质,能够自然地处理包含陀螺零偏和加速度计零偏的惯性基组合导航系统问题,而且能从理论上降低导航状态误差动力学的线性化误差。尽管基于不变EKF的组合导航受到广泛关注,但较少研究在世界坐标系上展开基于等变误差的GNSS/SINS紧组合导航研究。因此,本文提出一种世界坐标系上基于等变误差的GNSS/SINS紧组合导航系统。与当前流行的不变EKF不同,本文构建的等变误差建立在一个对称的基础上,该对称适当地包括群结构中的所有状态。试验结果表明:相对于右不变EKF,本文提出的滤波算法在不同大失准角情况下具有较好的瞬态响应;同时,世界坐标系下的紧组合导航在利用抗差模型后有效地提升了滤波稳健性。

GNSS与SINS融合下的露天煤矿无人驾驶矿用卡车视觉惯性导航方法

无人驾驶矿用卡车在露天煤矿内工作时,依靠单一的捷联惯性导航系统(SINS)实现车辆惯性导航,长期推算导航过程中会发生信息累积,导致导航轨迹绝对位置误差较大。因此提出全球导航卫星系统(GNSS)与SINS融合的露天煤矿无人驾驶矿用卡车视觉惯性导航方法。获取露天煤矿场景动态视觉图像,依托于同时定位与地图构建(SLAM)算法建立车辆行驶动态环境地图,并运用基于3D距离误差的判断方法,筛选出动态特征点,标注出地图内动态区域,以此来定位无人驾驶矿用卡车实时位置。将GNSS和SINS融合起来,构建一种组合型视觉惯性导航模型,并引入卡尔曼滤波方程优化模型参数。最后,在循环神经网络的辅助下修正导航结果,生成高精度无人驾驶矿用卡车导航结果。实验结果表明,该方法形成的导航轨迹绝对位置误差不超过3 m,证明了其优越的导航性能。

基于单因子抗差估计的SINS/DR高速列车组合导航定位研究

为了有效抑制列车长时间运行下SINS系统定位误差的快速积累,并解决GNSS/SINS组合导航系统在卫星信号故障时不能正常工作的问题,提出了一种基于单因子抗差估计的SINS/DR组合导航定位算法,在SINS系统基础上,引入车载里程仪,作为一种提供列车航位推算数据的设备,通过卡尔曼滤波器的反馈校正获得列车导航参数的最优估计值。在传统卡尔曼滤波器的基础上引入一种自适应调节因子,强化了卡尔曼滤波器的反馈校正效果,保证了在系统建模不准确时仍可获得列车导航参数的最优估计值。计算机仿真结果表明,设计的组合导航定位算法不仅可以保证高速列车长时间运行的定位精度和稳定性,而且在高速列车紧急制动的情况下仍具备较强的抗干扰能力,可以满足列车定位的基本要求。

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.

北斗/SINS/OD组合导航定位终端设计

针对常见组合导航系统在隧道、峡谷、森林等卫星信号较弱甚至出现失锁状况的地区,定位精度会迅速下降的问题,设计了北斗/捷联惯导(SINS)/里程计(OD)组合导航定位终端。终端设计以OMAPL137处理器为核心,包括北斗、SINS、里程计、4G通信和电源等模块。数据处理部分以北斗导航接收机和根据SINS/OD推算分别得到的伪距、伪距率之间的差值作为量测值,使用拓展卡尔曼(EKF)滤波算法进行数据融合与误差估计。实验结果表明,北斗/SINS/OD组合导航定位终端在卫星失锁情况下行驶总里程5 km时最大位置误差为46.82 m,误差漂移为0.94%,能够有效解决卫星信号受遮蔽导致定位精度下降的问题,实现平滑载体运行轨迹并提高导航定位精度。

车载GNSS/SINS/里程计分布式弹性融合导航方法

为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法。该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合。通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证。试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能。此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用。

基于SINS速度信息的里程计参数快速标定方法

针对里程计标度因数误差和安装误差对捷联惯导/里程计组合导航精度的显著影响,提出一种基于短时捷联惯导系统(strapdown inertial navigation system,SINS)速度信息的里程计参数标定方法.通过建立航位推算误差模型,构建惯性测量单元(inertial measurement unit,IMU)坐标系内惯导系统输出速度与里程计输出之间的关系式,得到里程计参数的计算公式;利用最小二乘法对里程计标度因数和安装误差进行标定.该方法只利用了捷联惯导信息,在1 min内就可实现里程计参数的初次标定,不需要相关参数误差值为小量的假设,并可以忽略杆臂效应对标定效果的影响.试验结果表明:当车辆行驶30 min后,利用该方法标定后的水平航位推算精度比传统标定方法定位精度高92.3%.

模糊自适应Kalman滤波算法在SINS/DR组合导航的应用

针对里程仪测量误差导致组合导航精度降低的问题,提出基于系统工作状态和滤波器新息状态相结合的模糊自适应算法。根据新息的变化确定模糊规则,修正里程仪输出增益,使新息始终保持在零均值附近,利用修正后的新息修正观测噪声方差,降低导航定位的偏差。仿真实验结果证明,该算法能够很好地提高组合导航定位的精度。

基于双通道Residual-LSTM的SINS/GNSS组合导航算法

针对全球导航卫星系统信号中断情况下SINS/GNSS组合导航系统无法持续进行误差校正的问题,提出一种基于双通道Residual-LSTM的SINS/GNSS组合导航算法。首先,考虑到SINS经度、纬度误差传播特性不同所导致的模型输入、输出信息之间的非线性相关性差异化,构建具有不同权重系数的双通道长短期记忆神经网络模型结构,并引入遗忘信息共享机制自适应地利用历史导航数据对经度、纬度信息进行拟合预测。其次,针对深层神经网络存在的模型退化和梯度消失问题,在多层双通道LSTM网络之间建立残差高速通道形成Residual-LSTM模型结构,以增加不同网络层次之间的信息传播路径。最后,通过实船数据验证本文所提算法的有效性。实验结果表明,与基于常规智能方法的SINS/GNSS组合导航算法相比,所提组合导航算法在GNSS信号中断期间经度误差降低了51.97%,纬度误差降低了31.45%。

DVL/SINS松紧组合的等价性分析及改进的虚拟波束辅助紧组合算法

系统地研究了不同波束可用情况下的多普勒计程仪(Doppler velocity logger,DVL)/捷联惯性导航系统(strapdown inertial navigation system,SINS)紧组合导航算法。证明了3个或4个波束可用情况下,DVL/SINS波束域紧组合的定位精度与三维速度松组合系统具有等价性,并给出了松组合中量测协方差阵的确定方法。针对紧组合系统定位精度随可用波束减少而降低的问题,考虑DVL的误差参数,基于载体运动约束和压力深度计提出一种改进的虚拟波束辅助紧组合算法。实验结果表明,3个或4个波束可用时的松组合与紧组合的定位精度等价;改进的虚拟波束辅助紧组合算法可以准确跟踪故障的波束速度,有效提升了不同波束可用情况下紧组合的定位精度。

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification,RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering,AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering,KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。

基于SINS/OD失准角观测的垂线偏差测量方法

组合导航系统的姿态失准角与垂线偏差(deviation of vertical,DOV)存在对应关系,通过对姿态失准角的观测是实现DOV测量的一种有效手段。本文基于车载捷联惯性导航系统/里程计(strapdown inertial navigation system/odometer,SINS/OD)组合导航姿态失准角观测及失准角误差的递推提出一种DOV测量方法。首先,从组合导航速度误差方程出发,推导出DOV与姿态失准角之间存在复杂的耦合关系。然后,通过沿路径迭代递推的分步计算方法,由导航过程中的姿态失准角直接获取沿线的DOV。最后,仿真结果验证了该算法的有效性,且表明测量精度与行驶路径的长度有关。实验表明,行驶里程35 km的机动路径上DOV误差均值小于0.3″,终点处单点测量误差小于0.7″。

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。

激光陀螺SINS/GPS组合导航车载试验系统

SINS GPS组合导航系统已经应用于许多不同的领域。介绍一种已经进入试验阶段的低成本激光陀螺SINS GPS组合导航系统。根据系统的硬件结构,设计实现了与实际系统相匹配的组合导航滤波器,根据车载试验的结果,着重分析了系统车载试验中不同导航模式对系统性能的影响,最后给出了一些有益的结论。

卫星信号失效条件下SINS/GPS不同组合方式的性能比较

为了研究卫星信号失效对SINS/GPS松组合导航系统和紧组合导航系统导航性能的影响,在分析惯导系统误差方程的基础上,给出了基于卡尔曼滤波的松组合和紧组合数学模型,构建了两种组合方式的仿真平台。仿真结果显示,SINS/GPS紧组合导航系统的精度要明显优于松组合导航系统,且在卫星信号失效导致可见星数目少于4颗甚至仅有1颗时,SINS/GPS紧组合依然能够保持组合模式,并可提供高于单一惯性导航系统的导航精度,说明了SINS/GPS紧组合方式具有较高的精度和可靠性。

基于联邦滤波的SINS/GPS全组合导航系统研究

传统的捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统常采用位置速度组合模式,其可观测性与载体的飞行航迹有关,从而影响了整个组合导航系统的精度和可靠性。为了解决这一问题,提出了基于联邦滤波的SINS/GPS全组合导航系统方案,推导了姿态角误差和平台失准角之间的变换关系,建立了SINS/GPS全组合导航系统数学模型,最后采用联邦滤波算法进行组合导航仿真计算。通过对仿真计算结果的分析,证明基于联邦滤波的SINS/GPS全组合导航算法能够有效地提高系统的导航精度和可靠性。

SINS/GPS组合导航系统选星算法

选星算法是SINS/GPS组合导航定位系统中一个重要的步骤。在最佳选星算法的基础上,提出了一种适用于基于伪距、伪距率的SINS/GPS紧耦合组合系统的选星算法。该算法通过ENU(东北天)坐标系中几何矩阵及几何精度因子的定义,利用星历给出的卫星在ENU坐标系中的高度角和方位角解算出最佳四颗导航定位卫星,即基于G矩阵的选星算法。通过与两种常规选星算法的对比,验证了本算法具有较强的工程实用性。此外又推导了基于G矩阵的伪距、伪距率的SINS/GPS组合系统量测方程。该算法避免了求解卫星的位置,从而有效减少了计算量。

GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。

Rao-Blackwellized粒子滤波在SINS/GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求。因此,本文提出了利用Rao-Blackwellized(RB)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法。优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少。通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性。