基于AFKF的多旋翼无人机组合导航技术研究

目前旋翼无人机组合导航系统大都使用扩展卡尔曼滤波算法,然而由于导航系统建模误差和传感器测量精度的影响,导航信息解算误差较大。为了改善旋翼无人机的飞行控制效果,应用自适应渐消卡尔曼滤波（Adaptive fading Kalman filter,AFKF）进行旋翼无人机组合导航解算,算法通过实时计算遗忘因子,对过去的数据权重进行削减,以提高扩展卡尔曼滤波算法的自适应能力。应用旋翼无人机真实飞行数据进行仿真,仿真结果表明,自适应渐消卡尔曼滤波算法能够有效抑制建模误差,弥补传感器测量精度不足,改善旋翼无人机组合导航解算结果。     

无人飞行器的北斗卫星组合导航算法研究

北斗卫星导航系统是中国自行研制的全球卫星定位与通信系统,为促进北斗卫星系统在导航方面的运用,降低我国导航方面对GPS的依靠,从而进一步降低成本,提高无人飞行器的导航精度,本文对捷联式惯性导航系统（INS）和北斗定位导航系统的组合导航算法进行了研究,通过惯性导航系统的原理和导航解算的过程,选择惯导系统和北斗系统的速度、位置差值作为观测量,建立组合导航系统的状态方程和观测方程,利用无迹卡尔曼滤波得到惯导系统状态量和惯性敏感器的误差,对惯导系统进行误差补偿,从而实现无人飞行器的高精度导航控制.并使用Matlab进行仿真,得出高精度的模拟输出轨迹.     

基于SLAM的旋翼无人机组合导航算法研究

在旋翼无人机组合导航中,针对缺乏GPS作为导航信号源的室内飞行环境,为了达到精确定位的目的,提出一种基于SLAM（simultaneous localization and mapping）的旋翼无人机组合导航算法。首先,引入双线性插值算法,实现基于扫描匹配的即时定位与地图构建;其次,对陀螺仪、加速度计和磁罗盘建立捷联惯导系统误差模型,针对旋翼无人机的使用环境对误差模型进行简化;最后,应用联邦卡尔曼滤波算法,设计组合导航系统模型,将SLAM算法和捷联惯导系统估计出的位置数据进行融合。仿真结果表明所设计基于SLAM的旋翼无人机组合导航算法能够进一步提高组合导航系统对旋翼无人机位姿估计的精度。     

北斗双星／SINS组合导航中的捷联惯导算法研究

摘要针对北斗双星／SINS组合导航系统,研究了捷联惯导的姿态和速度更新算法。将等效旋转矢量算法应用与姿态解算,消除了传统的四元数算法存在的不可交换性误差对导航精度的影响,并对速度解算中的划浆误差进行了补偿。将算法应用到北斗双星／捷联惯导组合导航系统,通过实际的跑车实验验证算法的有效性。     

基于地球坐标系的全球惯性导航与组合导航方法

包含高纬度极区的全球导航是现代民用和远程军用飞机对导航系统的重要要求。极区地理环境的特殊性导致常规的指北方位惯导算法在极区不适用。针对全球导航中极区与非极区惯导算法不统一的问题,提出了以基于地球坐标系的惯导机械编排为内核,导航参数在地理坐标系和格网坐标系输出的全球导航方法。针对长航时惯导系统存在的误差累积问题,设计了基于地球坐标系的惯性/卫星紧组合导航滤波器。仿真实验表明,基于地球坐标系的惯导算法在极区与非极区的算法性能分别与格网算法和指北算法一致,惯性/卫星紧组合导航有效提升了导航精度。     

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。     

组合导航中低成本磁航向系统的神经网络补偿

根据组合导航的特点,设计了低成本磁航向系统神经网络补偿方法。研究了磁航向系统的误差和补偿技术;在全球定位系统信号良好情况下,以捷联惯导/全球定位组合导航系统的航向信息为参考,使用卡尔曼滤波作为学习算法,建立多层前向神经网络模型补偿磁航向系统。实验结果表明,神经网络补偿方法将磁航向系统的航向角误差由±15°减小到约±1°,取得了明显的效果。     

煤矿井下连续采煤机定位方法研究

目前井下采掘装备定位方法大多采用惯导加里程计、视觉测量、测距雷达等辅助测量方式来降低惯导随时间累积所产生的位置漂移误差,但这些方法对辅助测量方式的可靠性与测量精度要求较高,且采用集中式卡尔曼滤波对数据进行滤波解算,存在计算量较大、容错性较差等问题。针对上述问题,提出了一种由捷联式惯导、测距雷达及里程计组成的连续采煤机定位方法,使用测距雷达与里程计分别测量连续采煤机的位移量,通过航位推算法推算得出机身的二维位置信息,利用二维位置信息对惯导位置解算信息进行反馈修正,减少惯导随时间累积所产生的位置漂移误差。采用联邦式卡尔曼滤波对各传感器推算得出的位置信息进行滤波解算及数据融合,通过降低方程维数减少计算量,在保证测量精度的同时还具备一定的容错性。仿真实验结果表明,该定位方法的定位精度可达±2cm,定向精度可达15′,联邦式卡尔曼滤波算法计算量小且具备一定容错性,可为连续采煤机在巷道约束环境下的位姿精确测量、巷道自动成形控制和远程控制奠定基础。     

车载卫星/惯导组合导航算法优化及精度分析

研究卫星惯导系统优化设计问题,由于惯性系统输出随时间变化存在漂移问题.传统组合导航系统滤波器模型越精细、维数越高,则组合精度越高,但计算量也越大,应用复杂度和成本也越高.为了降低车载应用成本及保证导航精度,针对简化惯导误差模型对组合导航系统滤波精度的影响,提出了一种组合导航系统滤波器优化算法,得出在车载条件下忽略惯导误差方程中计算量大的哥氏效应及地球自转误差项对组合导航精度影响不大,但计算量和成本可以得到减小.选取北京公主坟立交桥作为跑车路线,验证了所提算法的有效性.     

一种无振荡误差的车载惯导系统测姿方法

车载GPS/INS组合导航系统中的卫星信号易受环境影响出现失锁,而惯导独立工作时处于无阻尼状态,其特有的机械编排导致解算的姿态信息中存在舒勒振荡和傅科振荡误差,因此无法满足测量系统对姿态信息的高精度需求。为此,提出一种基于罗经方案的无振荡误差的车载惯导姿态确定方法,通过将加速度计测量的载体运动加速度进行低通滤波处理,引入惯性坐标系并间接地建立载体与导航坐标系之间的姿态转换矩阵,改变惯导无阻尼解算模式并实现系统无振荡性误差的姿态信息的求解。试验结果表明,论文提出的无振荡误差测姿方法具有为车载平台提供准确姿态信息的可行性与可靠性。     

制导火箭弹传递对准时间同步研究

为解决制导火箭弹传递对准中主子惯导信息时间不同步问题,分析了主惯导参考信息时间延迟对传递对准的影响,给出了时间延迟的补偿方法。该方法先将时间基准统一到主惯导参考信息到来时刻进行卡尔曼滤波,再通过时间更新得到当前时刻子惯导的误差估计值。仿真结果表明该方法能够有效地解决时间延迟问题,且易于工程实现。     

高动态GPS/INS组合导航中时间延迟软硬件 补偿算法研究

为了解决高动态条件下GPS/INS组合导航中由于两种导航系统时间异步,卫星导航信息滞后导致导航精度下降的问题,分别提出了利用GPS串口延迟时间段内SINS解算出的导航信息变化量来补偿延迟段内误差的硬件补偿方案和基于卡尔曼滤波对SINS频漂进行估计,采用多项式拟合得到融合点处的SINS计算伪距的软件补偿方案.通过建立模型完成了对SINS频漂量及其他误差量的闭环滤波估计及修正.设计了高动态飞行仿真试验,试验结果表明:补偿后的组合导航系统水平位置精度达到±0.12′;速度稳定后精度达到0.45 m/s.该方法缩短了误差的收敛时间,抑制了飞行状态突变的情况下滤波结果出现跳变剧烈等不利现象的发生,提高了组合导航系统的精度和性能.     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法.通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度.将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标....     

基于UKF的视觉辅助末制导仿真研究

针对巡航导弹中段制导累积误差大的情况,在末制导段采用计算机视觉技术进行辅助制导.介绍了视觉制导的位姿估计方法,并利用无迹卡尔曼滤波器(UKF)对视觉和惯性制导系统进行信息融合,建立了视觉辅助末制导(VATG)的仿真控制模型.实验结果表明:该方法显著提高了末制导系统的精度和可靠性.     

自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究

利用里程计(OD)与全球定位系统(GPS)辅助捷联惯性导航系统(SINS)构成一种高可靠性的组合导航系统.推导并建立了局部滤波器的数学模型,并针对联邦滤波器在载体发生异常扰动时滤波精度较低的问题,设计了基于SINS/GPS/OD组合导航系统的自适应联邦滤波器,有效补偿了系统异常扰动或动力学模型误差.仿真模拟了机器人的全航线运行轨迹进行验证,仿真结果表明,SINS/GPS/OD组合导航系统的自适应联邦卡尔曼滤波算法与相同组合导航系统的非自适应联邦卡尔曼滤波算法相比,在保障机器人导航定位可靠性及容错能力的前提下,能有效抑制异常扰动的影响,导航精度得到进一步改善.     

基于改进衰减记忆滤波的组合导航算法研究

关于优化组合导航系统定位精度问题,由于惯导系统为非线性系统,存在滞后和噪声特性,影响系统定位精度,传统卡尔曼滤波器滤波一段时间后,系统预测误差方差阵逐渐趋于零,状态估计过分依赖旧量测值,从而导致滤波发散,系统定位精度差。目前采用在预测误差方差阵中引入标量衰减因子来抑制发散,但该标量因子是不变量,难以修正所有状态估计异常的情况。为有效提高新量测值对预测值的修正作用,研究了一种改进的衰减记忆滤波算法,通过引入可变加权系数来抑制发散。经数值仿真结果表明,新算法的滤波效果相比卡尔曼滤波和带标量因子的衰减记忆滤波有较明显的改善,提高了系统的定位精度,对工程应用有一定参考价值。     

K均值聚类自适应零速检测人员定位技术

零速区间检测准确度直接制约着零速修正算法对于改善人员定位系统提供位置精度的能力.针对现有零速检测方案存在阈值设定以及训练模型准确性等问题,提出一种基于加速度幅值滑动方差开展行走步态零速区间检测方法,采用K均值聚类方法自适应纠正初始检测结果中的误检状态,构造Kalman滤波器并在零速区间以惯性系统解算的速度信息为观测量进行量测更新来限制导航误差积累.开展人员多种运动状态下的行走测试,实验结果表明K均值聚类自适应算法能对零速区间进行有效地检测,获取的位置解算误差小于2%.     

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.