INS/GNSS/Vision组合近距空中加油相对导航算法

针对空中加油近距对接阶段GNSS信号易受遮挡丢失的问题,考虑引入Vision导航系统,提出一种INS/GNSS/Vision组合的高精度容错相对导航系统,为空中加油近距对接任务提供高精度的双机相对导航信息。该系统采用联邦滤波器结构融合导航传感器信息,利用滑动窗口构建时变量测噪声的容错滤波结构,并基于子滤波器协方差的奇异值分块计算信息分配系数。仿真结果表明,所设计的容错导航系统与单独的INS/GNSS和INS/Vision系统相比,相对位置、速度和姿态的估计精度都有所提高;同时在GNSS出现软故障时,系统可以提供稳定、可靠的相对导航信息,有效提高了INS/GNSS/Vision组合近距空中加油相对导航系统的导航精度、鲁棒性和容错性,相对位置精度较基于常规故障隔离联邦滤波算法提高70%以上,满足了空中加油对接导航需求。     

面向城市复杂环境的GNSS/INS高精度图优化算法

在城市复杂环境下，GNSS接收机易受到建筑物遮挡、多路径效应等多种因素影响，导致信号出现粗差或者拒止情况，从而对GNSS/INS组合导航系统的精度和鲁棒性造成影响。提出了一种具备粗差在线检测的GNSS/INS图优化组合导航算法，提高城市环境条件下的组合导航系统性能。基于信息之间存在关联性的特点，设计了一种卫星信号滑窗粗差检测与拟合替换算法，抑制卫星粗差影响；构建了GNSS位置、速度因子和改进的IMU预积分因子，实现了组合导航信息非线性优化。仿真和车载数据试验表明，针对卫星信号中存在粗差的情况，所提算法的定位精度相比扩展卡尔曼滤波和传统图优化算法提升90%以上，可以辅助导航系统获得较好的状态估计效果；针对GNSS拒止的情况，该算法的位置定位精度相比扩展卡尔曼滤波算法提升30%以上。     

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%。     

基于UKF的INS/GNSS/CNS组合导航最优数据融合方法

为了提高INS/GNSS/CNS组合系统的导航精度,提出了一种基于UKF的多传感器最优数据融合方法。该方法具有两层融合结构,第一层中,GNSS和CNS分别通过两个局部UKF滤波器与INS组合,以并行的方式获得INS/GNSS和INS/CNS子系统的局部最优状态估值;第二层中,根据线性最小方差准则推导出一种矩阵加权数据融合算法,对局部状态估值进行融合,获取系统状态的全局最优估计。提出的方法无需采用方差上界技术对局部状态进行去相关处理,克服了联邦卡尔曼滤波(FKF)及其优化形式存在的缺陷。仿真结果表明,相比于FKF,提出方法的导航精度可至少提高36.4%;相比于UKF-FKF,其导航精度也可至少提高21.0%。     

MEDLL辅助的GNSS/INS系统欺骗信号辨识方法

受欺骗的卫星导航信息与惯导系统组合滤波,会导致错误的惯性器件误差修正量,最终组合导航系统也会被欺骗干扰影响。针对这一问题,提出了一种基于MEDLL算法的改进的GNSS/INS组合导航模式,能够实现欺骗信号的辨识和抑制,保证组合导航信息的可靠性。GNSS接收机通过MEDLL算法同时估计接收的全部卫星信号参数,当欺骗干扰存在时,MEDLL算法可同时估计出两路信号参数,并判定欺骗干扰存在;MEDLL估计的信号参数生成两组输出伪距信息与惯导系统定位信息提供的参考伪距进行比较,实现欺骗信号的辨识。在200次实验测试中,对于牵引速率大于2 m/s的牵引式欺骗信号,4 s内成功辨识的次数为200次。同时,与传统的GNSS/INS组合导航系统相比,提出的MEDLL辅助的组合导航模式能够有效减小欺骗信号的影响,定位结果稳定在真实位置附近。     

基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法

在INS/GNSS组合导航系统中常采用基于新息的欺骗检测算法。针对现有算法对同步式欺骗干扰的检测时间较长、漏警率和误警率较高的问题,提出了一种基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法。该算法将Kalman滤波估计得到的新息速率作为检测量来判断是否存在欺骗干扰,并利用抗差估计削弱欺骗干扰对新息序列的影响,通过调整等价权函数的参数进一步提高算法的检测能力。仿真结果表明:该算法对诱导速率为0.1 m/s的同步式欺骗干扰的检测时间缩短了60%以上,在3路以下的卫星信号被欺骗时,通过选择合适的检测门限,误警率和漏警率均能维持在4%以内。     

一种单目视觉ORB-SLAM/INS组合导航方法

针对惯性/卫星组合导航系统在卫星导航失效时无法使用的问题,提出了单目视觉ORB-SLAM/INS组合导航方法,用于扩展组合导航系统在强干扰环境和室内环境的应用范围。该算法分为两个阶段:初始化阶段,当ORB-SLAM形成闭环时设计算法在线估计单目视觉ORB-SLAM算法的尺度因子;导航阶段,ORB-SLAM系统输出的位置信息经过尺度变换后作为观测量进行卡尔曼滤波,估计INS导航系统的误差状态量从而修正惯导系统的误差。设计了硬件和软件平台对提出的组合导航方法进行试验验证。跑车实验结果表明:所设计的ORB-SLAM/INS组合导航系统具有较高的定位精度,导航时间6 min定位误差为1.162 m,且不随时间漂移,具有很强的应用价值。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

基于交互式多模型的车载INS/OD/GPS的定位方法

INS/GPS组合导航时,GPS信号会由于环境因素或是其他信号干扰导致信号丢失、信号跳变等故障。针对INS/GPS组合导航中,在GPS出现离群故障难以得到满意定位性能的问题,提出了一种基于交互式多模型滤波的车载INS/OD/GPS定位方法。引入里程计对INS/GPS组合导航进行辅助,基于INS/GPS、INS/OD两种组合导航模型,利用交互式多模型算法交互更新模型概率,通过模型概率的差异判断主滤波器INS/GPS组合过程中的GPS量测故障,并在滤波过程中对故障量测加以修正,以此来实现车辆定位系统的良好定位性能。实验结果表明,在里程计量测辅助条件下,当GPS出现离群点时,系统平均定位精度比INS/GPS单一滤波器条件下的定位精度提升60%以上。     

基于马氏距离的联邦卡尔曼滤波在SINS/SRS/CNS导航中的应用

可靠的导航信息是实现飞行器精准控制的重要条件。为提高SINS/SRS/CNS组合导航系统的可靠性与精度,提出了一种基于马氏距离的自适应联邦卡尔曼滤波算法(MD-AFKF)。在子系统传感器异常而导致产生异常量测信息时,采用基于马氏距离的噪声估计方法适时调整子系统量测噪声统计特性,同时通过在信息融合和分配阶段引入自适应融合系数与分配系数,进一步衡量各子滤波器的滤波效果并调节其协方差阵,减少不准确的子滤波器估计对主滤波器的污染。最后通过仿真验证,相较于传统联邦卡尔曼滤波算法,基于马氏距离的自适应联邦卡尔曼滤波在传感器出现量测异常时,其速度和位置精度均提高了50%以上,提高了导航系统的精确性和稳定性。     

基于BDS/INS紧组合的动对动相对导航算法

针对动对动相对定位中卫星观测质量不佳、信号易丢失导致北斗卫星导航系统定位精度不高、无法连续定位的问题,提出了一种基于BDS/INS紧组合的动对动相对导航算法。通过惯导系统与北斗卫星导航系统紧组合的方式,以捷联惯导误差作为组合系统状态量,通过多普勒信息进行伪距平滑,并利用扩展卡尔曼滤波将惯导及卫星观测信息进行融合,解算相对导航结果。通过车载实验对所提出的相对导航算法进行了验证,实验结果表明,所提出的BDS/INS紧组合动对动相对导航算法能够保持分米级相对导航精度,卫星信号短时中断时,能有效保持高精度相对导航结果输出。     

基于INS/GPS组合导航的自适应模糊卡尔曼滤波

针对组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的INS/GPS组合导航算法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的跑车试验,结果表明该方法在高噪声环境中具有良好的信息融合能力,能有效跟踪研究对象的状态变化。进一步表明该方法是有效、实用的。     

微惯性/卫星组合导航高精度事后基准确定方法

针对高性能MEMS组合导航系统的高精度定位定姿需求,提出了一种基于GNSS(Global Navigation Satellite System)精密相对定位RTK(Real-time Kinematic Positioning)和MIMU(MEMS-based Inertial Measurement Unit)组合的高精度事后基准确定算法,该算法在MIMU/RTK组合导航正向Kalman滤波的基础上,采用RTS(Rauch-Tung-Striebel)反向平滑再次进行信息融合,提升了组合导航结果的事后处理精度。另外,通过Allan方差分析技术实现对MIMU随机误差精细建模和MIMU/RTK组合导航相对精度分析。对实测的车载动态试验数据处理结果的均方根误差和Allan方差分析表明:相对于传统正向滤波方法,RTS反向平滑方法能够将MIMU/RTK组合导航定位、定姿精度分别提升45.2%和54.1%。该方法可作为GNSS/INS组合导航高精度参考基准的确定方法。     

前后向平滑算法在精密单点定位/INS紧组合数据后处理中的应用

精密单点定位技术只需单台双频GNSS接收机就能实现分米到厘米级定位精度,将其与INS进行组合可以广泛应用于测量领域。但当GNSS信号被完全遮挡时,只能依赖纯惯性导航工作模式,而当重新捕获GNSS信号时,又需要一定时间才能使精密单点定位重新收敛到理想精度。针对以上问题,提出了一种适用于精密单点定位/INS紧组合的前后向平滑算法来同时提高GNSS信号完全遮挡段和重新收敛段的导航精度,详细推导了该算法的数学模型。对实测的跑车实验数据后处理表明:前后向平滑算法能有效提高精密单点定位/INS紧组合导航精度;对60 s完全遮挡段的位置误差统计表明,前向和后向滤波的三维位置误差RMS分别为44.46 cm和10.81 cm,平滑后改善到了10.47 cm。     

智能车辆SINS/DGPS/视觉/数字地图组合导航技术

为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,提出了一种机器视觉/数字地图/CP-DGPS共同辅助SINS的智能车辆组合导航方法,建立了组合导航系统的滤波模型。该滤波模型的量测信息不仅包括GPS与SINS形成的位置与姿态观测信息,还包括机器视觉/数字地图/SINS形成的横向偏差观测信息。通过对SINS的多重冗余辅助,使得导航系统具备容错能力。仿真结果表明,该组合导航系统能为智能车辆提供其空间位置、速度、加速度与姿态角等众多导航信息,并具有100Hz的高频输出、厘米级的导航精度和容错性能,当GPS较长时间中断时,通过SINS/视觉/数字地图的组合仍能为智能车辆提供可靠的导航数据。     

单频GPS/BDS/MEMS IMU紧组合模糊度固定抗差模型

针对高精度GNSS/INS组合定位中,伪距多路径误差严重影响模糊度固定效率及系统定位精度的问题,引入抗差估计函数,建立INS辅助GPS/BDS模糊度快速固定抗差模型。首先建立了单频GPS/BDS/INS紧组合动力学模型以及观测模型,继而研究了紧组合系统INS辅助下GNSS模糊度快速分解模型,分析了伪距观测值粗差对于模糊度参数估值的影响。为减弱异常观测值对于模糊度固定成功率的影响,提出了附有INS定位约束的模糊度解算抗差算法。最后利用实测导航定位数据验证了算法的有效性。结果表明:对比不考虑观测值粗差影响的模糊度固定算法,模糊度固定抗差算法显著提高了模糊度固定的可靠性,抗差算法的模糊度固定效率不受粗差值大小的影响;对于模拟的伪距多粗差情形,抗差算法对GPS/INS、BDS/INS和GPS/BDS/INS三种组合方案的模糊度固定Ratio均值分别提高了100.8%、47.7%以及19.5%;在INS定位松约束条件下,抗差算法提高了模糊度固定成功率。     

三频差分GNSS/INS紧组合模型

北斗卫星导航系统已经提供三频信号的位置服务。针对目前尚无关于北斗三频信号的GNSS/INS紧组合研究的现状,将三频模糊度解算算法与紧组合结合,构建了三频差分GNSS/INS紧组合模型。给出了新模型的观测方程和模糊度解算方法,分析了新模型的优点。进行了车载组合导航实验对比新模型与经典模型,结果表明:新模型的解算时间消耗远少于经典模型,在9颗可视卫星时,新模型的总解算时间仅为经典模型的55.53%;卫星数的增加对新模型解算时间的影响不显著;新模型能够获得和经典模型相当的精度,位置差别均方根在毫米级,速度差别均方根在厘米级,姿态差别均方根在0.01°级别。新模型利用了三频模糊度解算速度快的优点,又有效地削弱了其不稳定性对定位结果的影响,为基于三频信号的GNSS/INS紧组合做了前沿性研究。     

一种重力辅助导航系统故障诊断与容错方法

为了解决重力辅助导航系统软故障检测上的不足,针对重力辅助导航系统的特点和不同故障的性质,提出了一种新的重力辅助导航联邦滤波容错算法,该算法将系统的残差和方差组成故障检测函数的阈值,使阁值包含了联邦滤波全局信息和子系统特征信息,并将传统故障诊断算法对故障的检测改为对滤波收敛性的检测,根据联邦滤波全局收敛信息的不同,动态确定故障诊断函数.通过惯导/计程仪/重力组合导航系统的仿真试验,证明了该方法具有较强的故障诊断能力,有效改善了重力辅助导航系统对软故障检测失效带来的滤波发散定位错误的问题,抑制了重力故障给组合导航系统带来的误差,明显提高了重力辅助导航系统的精度和容错性能.     

一种航天飞行器的INS/CNS自主导航方案

传统的天文导航方法由于受水平基准精度的制约,难以进一步提高定位精度。针对INS/CNS组合导航方法对水平基准依赖的问题,提出了一种新颖的基于星光折射技术的INS/CNS自主组合导航方案。将惯性系下的非线性惯导误差传播方程作为系统状态方程,将星敏感器测得姿态和星光折射信息作为量测,采用UKF滤波算法,构成全面最优的INS/CNS组合导航。仿真结果表明,星敏感器精度为3″时,导航系统的定位精度优于200 m,姿态精度优于3″,导航定位精度随所使用的折射星数目增多明显提高,且方案在系统大角度误差条件下仍然适用。     

INS/双星/GPS联邦最小二乘滤波容错结构研究

采用联邦最小二乘滤波信息融合的方法对INS／双星／GPS组合导航系统进行了研究，并将联邦卡尔曼滤波的四种典型容错结构应用到联邦最小二乘滤波中，对四种结构的容错性能进行了仿真研究。仿真结果表明：联邦最小二乘滤波能有效提高INS／双星／GPS组合导航系统的精度及容错能力。