基于载体动态误差估计的旋转矢量算法

为减小旋转矢量的动态误差(即不可交换误差),基于对非互易矢量的估计,构造了一种不可交换误差估计模型。文中据此推导了几种旋转矢量算法的数学表达式,进而对所得算法进行精度和复杂度等的综合分析,最后在典型圆锥运动环境下用MATLAB对算法进行仿真。仿真结果验证了对算法的分析,证明文中所给出算法可以有效减小旋转矢量的不可交换误差,从而提高捷联姿态解算的精度。     

船用捷联惯导系统姿态解算的研究

以船舶为对象,研究了摇摆运动的捷联惯导姿态解算问题,分析了不可交换性误差产生的原因,提出了消除该误差的等效旋转矢量方法,仿真结果表明,等效旋转矢量方法提高了导航精度。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

基于Elman神经网络的SINS姿态解算算法研究

载体的姿态解算算法是惯性导航系统精确导航的核心技术之一。惯性测量单元(IMU)噪声大、误差会累积,传统的姿态解算算法精度不高、环境适应性能力差。Elman神经网络具有很强的非线性处理能力,其包含的承接层可以存储以前隐含层的信息,能够在连续信号中进行预测。针对以上问题,分析了欧拉角法、方向余弦法和四元数法的优缺点,提出了Elman神经网络辅助的姿态解算算法,在传统的AHRS算法中加入了Elman神经网络的辅助。通过对实测数据的仿真实验表明,该方法有效地提高了姿态解算算法的环境自适应性和降低了解算误差。     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

高精度捷联惯导姿态更新优化算法研究

介绍了捷联惯导姿态更新算法中的旋转矢量算法。在传统的旋转矢量算法的基础上,提出一种新的航姿算法,并分析了此算法在典型圆锥运动输入下的误差。新航姿算法是利用增加一个角速度拟合参数来估算算法误差,进而优化姿态更新的方法。与传统的旋转矢量算法比较,算法无需计算误差四元素,新算法更为简单明了,为改进旋转矢量算法提供了一种新的思路。     

捷联惯导姿态更新多子样旋转矢量算法

姿态更新算法的精度直接影响捷联惯导系统的精度.为有效提高捷联惯导姿态更新算法的精度,在圆锥运动条件下,建立了多子样数的陀螺角增量姿态求解模型,通过对补偿效果相同的圆锥误差项进行合并,得到了优化多子样旋转矢量算法的通用形式.算法精度仿真结果表明,算法精度随子样数的增加而提高.     

基于QUEST算法的捷联惯导惯性系对准精度分析

针对基于矢量定姿的惯性系对准方法的对准精度问题,以对准解算模型及定姿误差模型为基础,详细推导了QUEST姿态确定算法在对准应用中的误差均方差并证明了其与传统TRAID算法精度的统一关系.蒙特卡洛仿真实验对比分析了重力矢量与重力积分矢量两种观测模式下,4种定姿方案的惯性系对准精度.理论推导与仿真实验均表明,等精度观测条件下采用QUEST算法后,对准统计精度明显优于传统的TRAID算法,其中方位误差均方差约为传统算法的1/6,为QUEST算法引入晃动基座精对准提供了理论与实验依据.     

基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

航姿参考系统的姿态估计方法研究

在行人的运动关节处安装航姿参考系统(AHRS),可以确定行人的运动姿态。 目前的姿态确定算法仍存在精度不足的 问题。 本文设计了一种基于最小 sigma 点集的平方根无迹卡尔曼滤波( SRUKF)算法,具有较高的滤波精度和较好的快速性。 针对算法核心 sigma 点集的确定问题,研究协方差矩阵高阶矩的匹配方法。 提出了基于 n+2 点集的 SRUKF 滤波算法,保留了 n+1 点集的快速性,同时具有 2n+1 点集的精度。 即在 sigma 点集具有 L 阶精度时,协方差矩阵具有 L / 2 阶精度,特别的,当 sigma 点集具有 2 阶精度时,协方差矩阵也具有 2 阶精度。 分析了具有非线性测量函数时滤波迭代的稳定性。 完成了基于标准 测试数据的姿态确定对比实验,实验中姿态精度与 2n+1 点集相仿,而运行时间与 n+1 点集相仿。 实验结果表明,利用基于最 小 sigma 点集的 SRUKF 算法可以很好的实现航姿参考系统的姿态估计。     

基于UWB和IMU紧组合的室内定位导航算法

针对超宽带(UWB)在室内复杂环境中定位导航精度低,受非视距(NLOS)误差影响严重,且无法提供目标姿态信息的问题,提出一种基于UWB和惯性测量单元(IMU)紧组合的室内定位导航算法。以位置、速度、四元数、加速度计偏差和陀螺仪偏差为状态向量,通过扩展卡尔曼滤波算法融合UWB和IMU测量信息,加速度计偏差校正速度和位置,陀螺仪偏差校正四元数;用测量残差计算量测噪声因子,组成残差矩阵,动态调整量测噪声协方差矩阵,抑制NLOS误差对定位导航的影响。结果表明,在室内复杂环境下,基于UWB和IMU紧组合的定位导航算法比仅使用UWB定位时LS-Taylor算法精度提高了88.6%,增强了系统抗NLOS误差的能力,提高了动态定位精度,并能得到较准确的姿态信息,具有良好的实用性和鲁棒性。     

基于IMU旋转的MEMS器件误差调制技术研究

MEMS惯性器件低信噪比和漂移大成为影响其应用范围的主要因素,提出基于惯性测量单元(IMU)转动的MEMS器件误差旋转自补偿方法。将MEMS输出信息利用小波降噪技术进行预处理,以此消除旋转调制方案不能自补偿的随机噪声信号并提高器件输出信噪比,分析IMU转动方案下的误差调制原理并探讨旋转调制的工程可实现性。搭建MEMS转动实验环境并开展降噪与IMU静止和转动条件下的导航实验,结果表明,采用旋转状态下的MEMS惯导系统可有效地提高系统自身测姿和定位精度。     

基于DSLPSO算法的超级电容参数辨识

针对超级电容模型多参数辨识问题以及传统辨识算法收敛精度差,收敛速度慢问题,提出基于动态自学习粒子群算法的超级电容参数辨识方法.根据超级电容等效电路模型,采用双线性变换进行离散化获得辨识模型,使用动态自学习粒子群算法辨识各分支的参数.仿真结果分析表明,与基本粒子群、自适应惯性权重粒子群对比分析,基于动态自学习粒子群算法的超级电容参数辨识方法收敛速度快、收敛精度高、全局寻优能力强,可以更准确地反映出超级电容的动态特性.     

交互式捷联惯导仿真系统的设计与实现

捷联式惯导系统在军事领域应用广泛,为便于对捷联惯导算法及各种组合导航算法进行研究,设计了一套捷联惯导仿真系统。系统基于模块化思想设计,包括运动状态建模、轨迹仿真模块、惯性器件仿真模块和惯导解算模块4部分,具有良好的可移植性和拓展性;系统采用图形交互界面,实时操控载体的运动状态,能便捷、高效的生成各种运动轨迹;利用等效旋转矢量算法对仿真数据进行了解算分析,仿真实验结果表明：解算的姿态、速度和位置误差与理论值相符,验证了仿真模型的合理性以及仿真系统的可用性。     

可穿戴的实时检测走姿矫正仪设计

在走姿矫正导航精度优化问题的研究中,针对当前姿态解算技术的精度不足,设计了一款在Linux环境下嵌入式走姿矫正设计方案,基于先验的位置磁矩迭代修正方程系数的方法,建立迭代误差指标函数及迭代公式,并进行了数值仿真实验。为实现姿态解算中姿态角实时检测,提出将传感器采集到的加速度、角速度以及磁场强度数据进行融合,利用三轴加速度传感器和磁力计的向量偏差来对姿态解算过程中积分累计误差进行修正。最后传感器将数据结果分别通过ZigBee和蓝牙协议将其传输到电脑端或手机APP客户端显示,以达到走姿检测和矫正的目的。实测结果表明,这种方案使得走姿矫正的精度准确度更高,实时检测性能更强。     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.