SINS/GPS组合导航系统解析性能分析

由于SINS误差方程对载体动态和时间的依赖性,使得SINS/GPS组合导航系统性能的解析解很难获得。针对上述问题,对误差方程进行简化,在Kalman滤波稳定性的基础上,通过代数Riccati方程将不同辅助方式下SINS性能与惯性测量单元(IMU)品质、GPS性能和辅助方式之间建立联系,获得解析解,为组合导航系统的设计提供新思路。研究结果表明:解析方法可以用来预估SINS/GPS组合导航系统的性能。最后,通过仿真验证了该方法的可行性与有效性。     

一种智能化的组合导航方法

利用不同导航系统的工作特点，用反馈-融合式联邦滤波方法，对SINS／GPS／TAN／LORAN-C进行组合，并利用模糊控制理论，对各导航系统的导航效果实行模糊判决，建立了模糊控制器，以实现组合导航系统的智能化管理，提高导航的可靠性。     

非线性地磁/GPS/SINS组合导航方法

针对系统模型的特点,对平方根UKF算法进行了改进.改进后的平方根UKF与标准的平方根UKF相比,在保证状态方差非负定特性的同时,减少了滤波的计算复杂度.为了提高导航系统对姿态测量性能,针对姿态误差较大时线性导航误差方程无法使用的问题,推导出适用于大姿态误差角时的地磁姿态量测方程,并结合改进的平方根UKF算法设计了非线性地磁/GPS/SINS组合导航算法.利用Matlab对大姿态误差角时的非线性地磁/GPS/SINS组合导航系统进行了仿真.仿真结果表明,通过引入地磁姿态测量信息,非线性地磁/GPS/SINS组合导航系统可以直接观测载体的平台姿态误差,进而增强了组合导航系统对姿态误差的估计效果,且可以完成大姿态误差下的导航任务.     

松耦合SINS/GPS组合导航技术仿真研究

针对直接采用惯性导航系统(SINS)对移动载体实时位置和姿态信息测量精度的问题,采用基于MEMS惯性组件的SINS和GPS作为传感器,以DSP和FPGA分别作为计算和通信器件,来实现松耦合组合导航系统。算法方面,采用扩展卡尔曼滤波器,通过建立SINS误差模型的15维状态变量的系统动态方程,以SINS和GPS的位置和速度作为观测量进行实时滤波估算导航系统的状态量,进而修正系统误差。结果表明,采用卡尔曼滤波算法后,位置误差和速度误差精度能够始终保持在10-2左右上下波动。     

GPS/罗兰C/SINS/AHRS组合导航系统及试验

组合导航系统已成为现代船用导航系统的重要配套设备,并已向着多组合导航系统方向发展。针对导航精度及可靠性,设计了GPS/罗兰C/SINS/AHRS组合导航系统,该组合导航采用了自适应联邦卡尔曼滤波(Kalman)的方法,通过闭环形式校正SINS,并用姿态航向参考系统(AHRS)代替捷联惯性导航系统(SINS)输出的航向角以保证航向角的收敛,同时对罗兰C的测量值进行坐标变换以消除由于坐标系不同而带来的常值误差。实际的静态与动态试验结果表明,该组合导航系统是可行的,能满足任务要求,并且易于工程实现。     

SINS/GPS/DVL组合导航系统的容错研究

结合SINS／GPS／DVL组合导航系统各子系统的特点，提出了一种新的容错设计方案，此方案采用并列运行的滤波器族结构，该结构可以提供不受污染的最优解，且具有容错性好和系统输出数据热备份等优点．仿真结果表明，此方案既可有效地监测和隔离系统故障，同时又保证了系统的精度．     

弹载SINS/GPS组合导航系统数据采集与同步设计

针对SINS/GPS组合导航系统来自两个导航系统的数据在时间上不同步导致在弹载高动态环境下导航精度降低的问题,设计了一种基于FPGA+DSP的小型嵌入式组合导航计算机平台.把GPS接收机提供的1PPS脉冲同时接入FPGA与DSP以提供时间基准,利用FPGA实现MIMU与GPS数据在整秒时刻的同步采集,利用DSP实现同步时间差的求取以及GPS数据的外推拟合,完成SINS与GPS数据在信息融合时刻的同步.时间同步过程简单,同步精度高.为了验证方法的有效性,进行了跑车试验,试验结果表明系统所采用的方法可以有效地提高高动态下组合导航系统的精度,比较未经过时间同步处理的导航结果,该方法在姿态角和速度精度上提高了约70%,位置精度提高了约50%,具有一定的工程应用价值.     

SINS/GPS组合导航系统Kalman滤波仿真研究

为克服捷联惯导系统SINS误差随时间积累、长期精度差和全球定位系统GPS易失锁、不易实时控制的缺点,本文研究了SINS和GPS的原理,在惯导误差分析的基础上,同时考虑SINS/GPS组合导航的杆臂误差和时间不同步误差,建立以速度和位置误差为观测量的SINS/GPS系统状态空间模型和观测方程;采用扩展卡尔曼滤波EKF算法对SINS/GPS的组合系统进行信息融合。Matlab仿真结果表明,本文建立的模型组合导航提高了定位精度。     

AGV用GPS/DR组合导航信息融合

目的 研究一种满足室外自动导引小车(AGV)导航要求的高精度、低成本的组合导航系统.方法 应用信息融合技术,通过航位推算系统辅助GPS定位,并采用卡尔曼滤波的融合算法,克服了GPS信号的遮蔽与中断问题,使组合系统能够较好地满足AGV导航定位的需要.用VC ++编写融合算法以及实验控制程序,实现了实验数据的采集以及对AGV的运动控制.结果 给出了GPS单独导航和GPS/DR组合导航两种工作状态下的位置误差,从对比中可以看出,组合导航系统的定位精度比GPS单独导航的定位精度提高了50%.结论 组合导航系统可以减小甚至消除推算定位系统随时间积累的误差,并在任何情况下能较好地实现AGV的实时、可靠、准确定位.     

车辆GPS／DR／DM组合导航系统的研究

研究了车载GPS／DR／DM组合导航系统．通过分析GPS(G1obal Positioning System)和DR(Dead—Reckoning)各自导航、定位的原理及特点，以及DM(Digital Map)的特点，设计了一种新型的低成本车辆兵器GPS／DR／DM组合导航系统，并且用自适应的扩展卡尔曼滤波对组合系统进行了仿真实验，证明了本系统的可行性．车辆GPS／DR／DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高，GPS／DR／DM组合导航系统是一种较为理想的车辆导航系统．     

GPS/SINS组合导航系统在飞航导弹中的应用

研究了ＧＰＳ／ＳＩＮＳ组合导航系统在飞航导弹制导中的应用。文中着重研究位置速度组合模式的ＧＰＳ／ＳＩＮＳ组合导航系统的构成和算法，简化误差模型，引入衰减记忆滤波。仿真结果表明，组合导航系统较准确地给出导弹的位置、速度和姿态信息，大大提高了制导精度     

基于T分布变分贝叶斯滤波的SINS/GPS组合导航

为了解决组合导航中由于野值存在而导致传统滤波算法性能下降的问题,针对SINS/GPS组合导航系统模型提出基于T分布的变分贝叶斯高斯滤波算法,充分考虑野值所导致的噪声厚尾特性,将观测噪声建模为T分布.对系统状态和自举变量进行估计,并且在每个滤波时刻借助变分贝叶斯学习对状态估计进行迭代,以逼近真实后验分布.针对噪声存在野值的场景进行仿真验证,结果表明,在SINS/GPS组合导航系统中,当噪声存在野值时,基于T分布的变分贝叶斯组合导航滤波方法具有一定的鲁棒性,并且精度优于传统组合导航滤波方法.     

Adaptive SINS/GPS Outlier Detection and Accommodation Using Innovation Orthogonal

The outlier detection and accommodation of integration navigation of strapdown inertial navigation systems and global position system (SINS/GPS) were studied. Based on analyzing the innovation orthogonal property in Kalman filter, an outlier adaptive detection approach was first presented, which included the determination of evaluation function and threshold and the logic decision of outlier occurrence. To effectively attenuate the influence on estimation accuracy, a modified Kalman filter algorithm was proposed by accommodation of the dynamic data with outlier. Results of data processing from vehicle-test SINS/GPS integration navigation show the effectiveness of the proposed method.     

SINS/GPS组合导航方法设计

根据SINS/GPS组合导航的基本原理,重点研究联合卡尔曼滤波方法在组合导航中的应用,基于最优化理论的数据融合技术,通过分析纯惯性导航系统的误差,建立了组合导航系统的误差模型,设计了高可靠性、易于工程实现的简化联合卡尔曼滤波器和对应的数据融合算法。并对该导航系统进行了动态实验,结果表明组合导航能有效抑制导航参数误差,提高导航精度。     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

高斯粒子滤波的惯性／GPS紧组合算法

为提高组合导航系统的可靠性,针对以伪距、伪距率残差为量测信息的紧组合算法会带来线性化误差的缺点,推导了基于伪距、伪距率的非线性紧组合模型.针对紧组合系统状态维数高导致粒子滤波实时性差的问题,提出基于线性非线性结构分解的高斯粒子滤波算法,对状态方程中的非线性和线性部分利用高斯粒子滤波和经典卡尔曼滤波分别进行递推,有效降低了系统的运算量.仿真结果表明,使用改进的紧组合滤波算法系统定位精度相比线性化紧组合算法提高一倍.     

组合导航系统在管道地理位置测量中的应用

管道的安全性在油气传输中有着非常重要的地位，定期检测损伤能使管道安全、高效地运行.对损伤进行精确定位，是评估及修复管道缺陷所必需的.介绍了管道地理位置测量的主要方法，讲述了惯性器件和GPS/INS组合导航系统的基本原理.利用了一种管道地理位置测量的有效方法，即GPS/INS组合导航系统，对组合导航系统的实验数据进行了分析.同时结合了惯性器件误差的主要来源，提出了减小误差的有效方法.     

Modified Observation Model in Tightly-Coupled INS/GPS Integration

The conventional Kalman filter (CKF) is widely used in tightly-coupled INS/GPS integrated navigation systems. The linearization accuracy of the CKF observation model is one of the decisive factors of the estimation accuracy and therefore navigation accuracy. Additionally, the conventional observation model (COM) used by the filter may be divergent, which would result into some terrible accuracies of INS/GPS integration navigation in some cases. To improve the navigation accuracy, the linearization accuracy of the COM still needs further improvement. To deal with this issue, the observation model is modified with the linearization of the range and range rate equations in this paper. Compared with COM, the modified observation model (MOM) further considers the difference between the real user position and the position calculated by SINS. To verify the advantages of this model, INS/GPS integrated navigation simulation experiments are conducted with the usage of COM and MOM respectively. According to the simulation results, the positions (velocities) calculated using COM are divergent over time while the others using MOM are convergent, which demonstrates the higher linearization accuracy of MOM.