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.

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%。

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。

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。

弹载SINS/CNS组合导航系统在线标定方法

提出一种弹载SINS/CNS组合导航系统在线标定方法。该方法将星敏感器安装偏角误差、陀螺漂移及加速度计零偏误差扩维为状态量,利用星敏感器与惯导系统姿态角之间的关系建立观测方程,采用卡尔曼滤波对安装误差及惯性器件误差进行估计和补偿。设计趋于一般运动状态的路径对上述方法进行仿真验证。仿真结果表明,该方法可以实现对星敏感器安装误差及惯性器件误差的估计,其中安装误差估计精度优于0.1',陀螺漂移估计精度优于0.01°/h,加速度计零偏估计精度优于20μg。

基于UKF的导弹SINS/CNS姿态估计方法

针对中远程弹道导弹的特点,在分析研究捷联惯性导航系统/天文导航系统(strapdown inertial navi-gation system/celestial navigation system,SINS/CNS)组合导航测量修正方案的基础上,建立了导弹四元数运动学方程、陀螺测量模型,星敏感器测量模型等系统方程,将无轨迹卡尔曼滤波(unscented Kalman filter,UKF)算法应用于主动段关机点环境,通过对陀螺常值漂移、一阶漂移的在线估计,达到高精度导弹姿态的实时输出。与EKF、QUEST、MLS和捷联惯性迭代递推算法比较,仿真结果表明了UKF算法具有更高的精度,收敛快,适于在无控飞行阶段的工程应用。

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波(UKF)算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。

极区机载SINS/CNS组合导航算法研究

针对极区“两高两低三复杂”特殊地理环境下,单独使用惯性导航系统无法满足载机全球长航时自主飞行导航精度要求的问题,提出基于格网框架的极区捷联惯性导航系统(SINS)/天文导航系统(CNS)组合导航方案,并对SINS/CNS组合导航系统在中低纬度与极区环境下的飞行进行仿真分析。仿真结果表明:中低纬度地区SINS/CNS组合方案同极区SINS/CNS组合方案导航精度基本一致;而且SINS/CNS组合导航在精度和性能等方面明显优于单独子系统,组合导航系统不仅有效抑制了陀螺漂移引起的误差,并且及时修正了系统输出的各项导航参数。

SINS/CNS组合导航半实物仿真系统及其实验研究

因航天实验费用大,组合导航系统的性能及算法很难都通过飞行实验进行测试,为此提出了一种高性能捷联惯性/天文组合导航半实物仿真系统。该系统遵循硬件功能模块化和软件流程一体化的设计思想;利用轨迹发生终端生成标称轨迹数据,作为信息处理统一参考源;采用时间软同步并行采集惯、性、天文系统真实误差数据;通过平滑处理,结合标称轨迹数据完成性能测试。它具有强的灵活性和可扩展性,利用其可有效地降低组合导航系统的实验成本,缩短研制周期;这对研究组合导航系统的算法性能、系统特性和工程应用等具有重要理论和实践意义。

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。

空天飞行器SINS/CNS深组合导航算法(英文)

空天飞行器往返于大气层内外,持续工作时间长。捷联惯性/天文组合导航自主性强、隐蔽性好,是最适合空天飞行器的导航方式之一。为提高传统天文定位的导航精度和可靠性,解决其在机载应用中水平基准制约的问题,分析了平台误差角和位置误差对高度角量测的影响,提出了一种以天体高度角为量测信息的捷联惯性/天文深组合导航算法。该算法采用卡尔曼滤波器进行最优估计,可有效估计并补偿系统的姿态误差,减少天文导航定位对水平基准的依赖。仿真表明,单星观测条件下,导航系统姿态误差快速收敛,定位的均方根误差在200 m以内,且系统导航性能随导航星数量的增加而提高。

间接Kalman滤波器在航天器CNS/SINS组合导航中的应用

为了利用最优估计法实现捷联惯导系统和天文导航系统的组合,讨论了捷联惯导和天文导航两子系统的组合方式,初步建立了针对Kalman滤波的组合导航模型,在此基础上对比了直接法Kalman滤波和间接法Kalman滤波,并采用反馈校正法针对即得模型设计了间接Kalman滤波器。分析仿真结果表明,间接Kalman滤波器能较好实现两个子系统的组合,使两系统间的信息相互渗透,起到性能互补的作用。

GNSS/SINS定位稳健 SE 2(3)-EKF方法

GNSS/SINS组合导航中因姿态失准角等误差较大会引起状态误差坐标定义不一致和线性化误差较大问题,导致传统滤波和定位性能有所降低,尤其在面临较复杂的GNSS观测环境时更为显著。本文通过将姿态、速度及位置状态构造为特殊SE 2(3)-EKF群元素,考虑陀螺及加速度计零偏误差,形成群-矢量混合误差模型,在此基础上设计了一种基于量测左不变的GNSS/SINS抗差滤波方法(RLIEKF),通过市区环境下存在大失准角误差和GNSS异常的车载组合导航试验,验证本文方法的优越性。试验结果表明:相对于传统EKF方法,RLIEKF方法由于在时间更新及GNSS量测更新中顾及了姿态角误差,在不同大失准角情况下仍具有较快的收敛速度,无须复杂且长时间的姿态对准步骤,较好地弥补了GNSS信号短时间缺失无法定位问题,可显著提升滤波新息精度,具备更好的抗差性能,对于复杂观测环境表现更为稳健,且计算效率相当,具备较好的工程实用价值。

一种SINS/CNS紧耦合组合导航信息融合方法

为了提高组合导航系统的定姿精度,介绍了一种松耦合组合模式的SINS/CNS组合导航信息融合方法的原理,提出了一种基于紧耦合组合模式的SINS/CNS组合导航信息融合方法,并对2种信息融合方法进行了仿真实验。仿真结果表明:和基于松耦合组合模式相比,基于深耦合组合模式的SINS/CNS组合导航信息融合方法的定姿精度有了明显提高。

CNS/SINS陀螺标定系统在UUV中的应用

UUV在水下长时间航行后,陀螺的漂移将使导航系统误差发散,严重时可影响作战任务或造成航行安全事故。通常采用的方式是UUV上浮至水面与GPS组合进行校准与标定。由于GPS的输出频率通常较低且海面环境复杂,校准过程消耗较长时间,易使UUV暴露自身位置,破坏作战任务的隐蔽性。针对此问题,设计了一种基于星敏感器的CNS/SINS陀螺标定系统,由CNS提供四元数形式的高精度姿态信息,与SINS的计算姿态进行滤波估计,确定陀螺漂移量。通过仿真分析,模型对陀螺常数漂移的估计准确有效且估计速度快。该方法可结合GPS提供的位置、速度,CNS提供的精准姿态,使UUV快速完成导航系统的校准或重置,对增强UUV在部分任务中的安全与效能具有一定意义。

CNS/SINS组合导航系统仿真分析

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。

基于可观测性分析的SINS/CNS降维设计

针对长航时无人机的长航时特性和组合导航系统固有的非线性特性,一种SINS/CNS组合导航系统的非线性模型被提出,该模型能够更加趋近于真实模型;模型建立之后详细分析了其可观测性,并根据可观测性分析的结果对该模型进行了降维设计,只对可观测性好的状态进行状态反馈;在滤波算法的选择中,精度更高的SCKF算法被应用,仿真结果表明,SCKF滤波算法精度更高,降维设计之后组合导航系统即能够保证导航精度又能够大大提高实时性。

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。