一、捷联惯导系统大方位失准角下的非线性对准(论文文献综述)
景立博[1](2021)在《捷联惯导系统自对准技术研究》文中研究表明
张远飞[2](2021)在《基于非线性滤波的SINS大方位失准角初始对准方法》文中研究说明捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)是一种推算式的导航方法。初始对准是SINS的关键技术之一,其对准精度直接影响导航的精度。SINS存在惯性传感器随机误差、系统不确定噪声、建模误差、环境扰动等问题,仍使用小失准角处理,会使估计状态的精度下滑。因此,本文针对大方位失准角的情况,设计一类非线性滤波方法,并应用于SINS大方位失准角的初始对准。本文的主要工作及创新点如下:针对扩展卡尔曼滤波器(Extended Kalman Filter,EKF)线性化导致估计精度变差的问题,提出了一种基于迭代EKF的SINS大方位失准角初始对准算法。迭代EKF算法使用k+1时刻的状态估值代替k时刻的状态估值并对非线性方程重新线性化,从而减少EKF由于忽略非线性函数的高阶项带来的截断误差。在大方位失准角的情况下,通过使用计算得到的状态估值代替前一时刻的值进行多步迭代,进一步提高了大方位失准角下的惯导对准精度,迭代扩展卡尔曼滤波算法比传统扩展卡尔曼滤波器的稳定性更好、对准精度更高。针对方位失准角较大且系统噪声方差未知的问题,提出了一种基于自适应平滑变结构滤波的SINS大方位失准角初始对准方法。滤波器使用新息的自适应估计方法在线估计观测噪声方差矩阵,充分利用现时的测量数据,实时辨别系统的噪声方差和观测噪声方差,减少了系统的计算量,缩短了系统的对准时间。当SINS的噪声方差未知时,自适应平滑变结构滤波器相比EKF可以较好地解决参数以及模型不确定性问题,且方位失准角的估计精度比EKF的精度更高。针对SINS模型中噪声统计特性未知且方位失准角过大的问题,提出了一种粒子滤波和平滑变结构滤波相结合的滤波器。由于大方位失准角下的SINS误差模型不再是线性的,且状态变量的维数较大,单独使用平滑变结构滤波需将其线性化,而粒子滤波维数越大其运行效率越低,因此将系统的状态向量分为两个部分。对速度和陀螺加计误差进行平滑变结构滤波器滤波,三个姿态角误差使用粒子滤波算法。此组合滤波器不仅保留了粒子滤波可应用于非线性非高斯系统的优点,也避免了平滑变结构滤波线性化的过程。该滤波算法比PF的运行效率更高,在系统噪声非高斯且系统突变等情况下,此滤波较EKF更加具有抗干扰能力。在静基座大方位失准角的基础上,通过无人机中的惯性传感器采集得到其静止数据,对本文所提出的非线性滤波算法进行仿真验证,结果表明其可以改善SINS的对准精度和实时性能。
田常正[3](2020)在《仿生偏振光初始对准方法研究》文中研究表明近年来,导航技术在航空航天、深海潜航、交通运输等多领域已经得到广泛而深入的应用。目前,导航技术的发展趋势是小型化、智能化、强自主、高精度、快响应、强抗扰等。捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)作为典型的导航方式,因其体积小,自主性强,导航参数全,输出频率高等优点,已经成为导航领域核心的技术。但是,作为一种航迹推算导航,它的解算过程本质上是积分过程,导航误差随时间积累,较大误差的初始状态将导致导航状态计算失效。因此,在导航前需要高精度的初始状态。初始对准技术就是为了获取高精度的初始姿态和参数,关键的技术在于确定载体坐标系相对于导航坐标系间的初始姿态矩阵。但是,现有初始对准技术自主性低,且存在对准时间长、精度低等问题。学者发现沙蚁可以在长距离随机觅食后沿近乎于直线的路径返回巢穴,这为高精度的自主对准技术提供了生物学视角。受此启发,仿生偏振光传感器应运而生,作为一种新型仿生传感器可满足高精度、无累计误差且强抗干扰能力的自主式初始对准的要求。本文将仿生偏振光传感器(Polarized Skylight Sensor,PSS)与SINS组合建立惯性/偏振天空光传感器组合导航系统(SINS/PSS)。初始对准包括粗对准和精对准两阶段。在粗对准阶段,提出了基于大气偏振光的解析粗对准方法;在精对准阶段,分别从小失准角和大失准角两种不同的情形出发,建立了SINS/PSS线性及非线性模型,分析了模型的可观测性及可观测度。设计了卡尔曼滤波器(Kalman filter,KF)和无迹卡尔曼滤波器(Unscented Kalman filter,UKF)来实现初始对准方法。主要研究内容为:一、针对传统解析粗对准方法受陀螺精度影响问题,提出了一种基于偏振信息的解析粗对准方法,分析了仿生偏振光解析粗对准的误差特性,并通过仿真验证了当陀螺精度不满足粗对准要求时,可利用偏振信息来实现解析粗对准。二、针对小失准角初始对准下天向失准角对准精度低、对准时间长问题,在传统SINS线性模型的基础上,建立了基于偏振光信息的SINS/PSS组合导航系统线性模型。基于几何可观性和随机可观性分析方法,分析了SINS/PSS线性模型可观性和可观测度,设计了KF算法实现信息融合,分别通过仿真和实验对SINS和SINS/PSS两种模式进行了对比,证明了提出方法的有效性。三、针对大失准角初始对准下对准精度受失准角类型影响的问题,建立了SINS/PSS非线性误差状态模型。基于李导数的方法分析了SINS/PSS非线性模型的可观性,设计了UKF算法实现信息融合。通过仿真和实验对比,验证了在不同类型的大失准角下几乎不影响SINS/PSS非线性误差状态模型的初始对准时间及精度,且对准效果明显优于SINS。
夏秀玮[4](2020)在《船用星敏感器/光纤惯性测量单元组合导航技术研究》文中指出惯性导航系统(Inertial Navigation System,INS)是海洋运载器导航系统的核心,一种完全自主的导航设备,具有隐蔽性强、短期导航精度高、输出导航参数全面、连续输出等优势,但是其导航误差会随时间累积,无法长时间单独工作。星敏感器通过观测恒星位置来进行导航,能直接输出载体相对惯性空间的高精度姿态信息,具有自主性强、功耗低、精度高等优势,但是也存在数据更新频率低、无法单独定位的问题。为了弥补上述各导航设备的不足,满足海洋运载器对导航系统全天候、长航时的应用需求,本文提出一种由星敏感器/光纤惯性测量单元(Inertial Measurement Unit,IMU)构成的组合导航系统方案,围绕星敏感器动态误差修正、高精度光纤IMU技术、星敏感器/光纤IMU深耦合技术等几个方面进行深入研究,最后构建星敏感器/光纤IMU组合导航系统原理样机,验证理论研究成果的有效性。论文的主要工作有:针对海洋运载器摇摆运动会导致星体的星点光斑在星敏感器像平面上发生像移,影响星敏感器姿态测量精度的问题,深入分析星敏感器动态误差产生机理,提出一种基于光纤IMU信息的星敏感器动态测量误差修正方法,该方法将光纤IMU输出的角速度信息引入星敏感器内部,利用上一时刻的星敏感器姿态数据和光纤IMU角速度信息来预测下一时刻的海洋运载器姿态,进而推算已知恒星在下一时刻的理想坐标,对星点做准确的跟踪和预测,有效修正海洋运载器摇摆导致的星敏感器的动态测量误差。光纤IMU精度不仅影响着星敏感器动态测量误差修正效果,而且制约着系统导航精度。光纤陀螺是IMU的核心器件,为此深入分析由温度变化所引起的光纤陀螺误差产生机理,建立了改进的温度误差模型,并根据陀螺的温度特性提出了一种温度误差分段补偿方案,测试结果表明该方案能够有效补偿温度漂移,提升光纤陀螺精度;在系统方面,采用旋转调制的思想,在器件输出误差模型的基础上,分析了双轴旋转对于光纤IMU各个误差项的抑制机理,设计了相应的光纤IMU双轴正反转停方案。仿真结果表明,采用该方案能够有效抑制惯性器件误差,为进一步提高星敏感器测量精度及组合导航精度提供保障。针对星敏感器定位精度受外界辅助水平姿态精度影响的问题,提出了一种基于惯性系重力的高精度水平姿态确定方法,该方法通过自适应数字滤波器在光纤IMU的输出中提取出高精度重力矢量信息,再结合星敏感器的姿态信息得到高精度水平基准,利用该水平基准信息辅助星敏感器进行定位,避免了惯导误差对星敏位置信息的耦合,提高了星敏感器的定位精度。针对复杂海况环境下采用Kalman滤波进行星敏感器/惯性组合对准效果较差的问题,提出一种基于加权递推最小二乘组合对准方法,通过对星敏感器的观测量分析,根据递推回归原理,采用加权处理的方式,快速、准确的实现了光纤IMU的精对准。进一步,针对恶劣海况下星敏感器随船体晃动剧烈,无法辅助惯导组合对准的问题,提出一种基于双数学解算系统(Dual Mathematical Calculation System,DMCS)的旋转式惯导自对准方法,该方法同时运行两套旋转式光纤惯导对准算法以实现对同一数据的处理,克服了恶劣海况环境下粗对准造成的大方位失准角对系统精对准的影响,使系统在大方位失准角下仍能精确的进行对准。海洋运载器在摇摆环境下的状态变化具有较大的随机性和幅值扰动,故根据星敏感器/光纤IMU组合原理,推导了基于星敏感器的惯导系统误差方程,建立基于加性四元数和基于乘性四元数“姿态+位置”匹配的星敏感器/光纤IMU深度耦合惯性空间非线性模型,选取姿态误差四元数和位置误差作为外观测量,采用边缘化容积卡尔曼滤波(Rao-Blackwellised Additive Cubature Kalman Filter,RBACKF)对系统误差状态量进行估计。仿真结果表明,该方案能够有效提升组合导航系统精度。最后,利用实验室现有测试环境对上述理论成果的有效性与可行性进行了验证,采用光纤IMU双轴旋转惯导原理样机,对旋转调制误差抑制方案进行验证。然后搭建了船用星敏感器/光纤IMU组合导航原理性试验系统,通过水面试验验证了星敏感器/光纤IMU深耦合导航算法的有效性及可行性。
李珊珊[5](2020)在《极区捷联惯导系统的快速对准算法研究》文中提出极区的恶劣自然条件使得极区导航困难重重。地磁力线迅速收敛、极区磁场异常、严重的干扰和多径效应等问题导致了地磁导航、无线电导航、卫星导航等中低纬度地区常用的导航手段在极区不能正常使用。能够全天候、全时间自主导航且具有较强隐蔽性的捷联惯性导航系统(SINS)几乎成为极区导航的唯一选择。初始对准技术是SINS在导航开始前的重要步骤,初始对准的精度会直接影响SINS的导航精度。目前,如何在极区完成精度较高、对准时间较短的SINS初始对准仍是众多学者关注的焦点问题之一。因此这项工作具有很高的研究意义,且在未来拥有广阔的实用前景。本文主要针对高纬度地区的SINS快速初始对准进行研究,利用陀螺仪和加速度计的实时输出完成SINS的精对准。本文的研究工作主要分为以下几个部分:首先分析了基于指北方位机械编排的传统SINS初始对准算法在极区失效的原因并提出新的基于椭球地球模型的伪地球系机械编排。目前常用的极区机械编排有格网坐标系机械编排和横坐标系机械编排,然而前者计算较为复杂且方位解算有发散的可能性,后者采用球形地球模型有原理性误差。基于上述问题,本文提出由载体的初始位置建立伪地球坐标系并采用椭球地球模型参数,减小了采用球形地球模模型引起的发散问题,也解决了高、低纬地区机械编排频繁切换导致的工程实施困难。经过仿真验证了该机械编排在中低纬度和高纬度地区的可行性。其次,在建立极区适用的机械编排的基础上,提出了静基座下基于观测向量扩充的快速初始对准算法。本文提出基于观测向量扩充的快速对准算法,在不改变系统状态方程的前提下,将地球自转速度在伪地理坐标系的投影扩充为卡尔曼滤波的观测量,在不影响对准精度的基础上达到了缩短初始对准时间的目的。半实物仿真实验结果表明:即使在纬度88.5°,粗对准失准角3°的情况下,方位失准角也可以在60秒内迅速收敛于0.2°以内,具有重要的工程应用价值。最后,针对大失准角状态下传统卡尔曼滤波模型不准确和对准时间长的问题,提出了基于强跟踪滤波的快速双位置解析对准方法。通常,SINS初始对准首先利用粗对准将失准角控制到小失准角的范围内并采用线性误差模型,才能进行精对准。本文利用反馈校正与强跟踪滤波结合的方法,省略粗对准的步骤,在大失准角状态下直接进行精对准。仿真结果证明,该方法的对准精度与小失准角状态下的对准精度差别不大,且节省了粗对准所用的时间。在此基础上,本文采用双位置解析对准方法,确定最优两位置对准的旋转角度并设计了最优两位置对准流程,进一步提高初始对准精度。经过仿真验证了该方法适用于极区大失准角状态下的初始对准。
王威[6](2019)在《光纤陀螺误差处理及初始对准技术研究》文中研究指明光纤陀螺仪(Fiber-Optic Gyroscope,FOG)是光纤捷联惯导系统的核心器件,FOG的精度决定了光纤惯导系统的极限精度。由于弹光效应的存在,FOG易受外界振动干扰而产生输出误差。解决FOG振动问题的手段可分为硬件方法和软件方法两种,硬件方法主要为加装减振装置、光纤环加固胶、改进机械结构和采用多极对称绕法等手段,这是以增加体积和成本为代价的。相比硬件消除振动的方法,软件方法则具有更好的灵活性和效果。构成FOG的核心部件对温度较为敏感,当环境温度发生变化时,在陀螺的输出信号中将产生非互易性相位误差。消除FOG的振动误差和温漂误差是提高FOG精度的关键。初始对准是捷联解算的前提和基础,初始对准的精度是导航精度的重要组成部分。罗经精对准的收敛效率和对准精度是一对矛盾,需要合理设置对准参数来协调两者的关系。线性卡尔曼精对准由于FOG常值漂移的存在,水平失准角误差存在较为明显的漂移。大失准角或动基座条件下的粗对准具有强非线性,寻求高阶非线性滤波算法和相应的改进算法是解决问题的有效途径。本文围绕FOG振动误差处理、FOG温漂误差处理、基于罗经法和线性卡尔曼方法的精对准、基于高阶非线性滤波的大失准角粗对准等方面开展研究,主要的创新成果如下:1、针对FOG受振动干扰而产生的输出误差问题,提出一种改进掩膜经验模态分解(Empirical Mode Decomposition with masking signal,M-EMD)算法,通过改进算法对角振动和线振动干扰进行提取和补偿,达到消除振动误差的目的。针对传统M-EMD消除模态混叠的不足,分析并给出了最优掩膜信号的频率及其范围,利用粒子群算法(Particle Swarm Optimization,PSO)对掩膜信号的频率和幅值进行寻优。在振动信号分解的基础上,根据本征模态函数(Intrinic Mode Function,IMF)和原始振动信号之间的相关系数、IMF的均值等完成振动信号的提取和补偿。通过对周期振动信号的建模和预测,实现了周期性振动信号的实时补偿。2、针对单一温变速率下FOG的温度漂移误差的建模问题,提出了基于多参数的新型组合核函数的支持向量机(Support Vector Machine,SVM)建模算法,采用改进的粒子群算法(Particle Swarm Optimization,PSO)对参数进行寻优,进而获得高精度温漂模型。针对单一核函数回归精度低下的问题,提出了多参数的组合核函数。为了提高PSO算法的收敛效率和准确性,对惯性权重w进行了优化设计。实验结果表明,基于改进算法的FOG温漂模型较传统方法的模型具有更高的精度。3、针对多温变速率下的FOG温漂补偿问题,提出了基于改进EEMD(Ensemble Empirical Mode Decomposition,EEMD)算法的多尺度温漂补偿方法。首先使用改进的EEMD对光纤陀螺温漂数据进行多尺度分解,通过IMF的排列熵滤除噪声相关IMF;再通过对IMF的Hilbert瞬时频率均值的分析,确定多尺度模型的个数和划分方法。为了提高FOG温漂模型的精度,除了温度参数以外还增加了历史温漂数据作为SVM模型的特征属性参数,并用赤池信息量准则(Akaike Information Criterion,AIC)对历史数据的个数进行寻优。最后通过SVM对多尺度温漂数据进行补偿。4、针对罗经精对准的收敛效率和收敛精度不能兼顾的问题,引入指数形式的有限时变阻尼周期来提高精对准的快速性和收敛的精度。针对线性卡尔曼精对准水平失准角误差漂移问题,引入用失准角估计值全反馈实时修正姿态矩阵的反馈算法,以此解决水平失准角误差漂移问题,与此同时提高了对准的精度。针对粗对准结束后的失准角没有收敛到小角或粗对准失败情况下的精对准问题,引入自适应五阶容积卡尔曼(Cubature Kalman Filter,CKF)算法,通过利用当前时刻的新息计算反馈系数,改善了新息的反馈效率,提高了新息利用效率和滤波精度。5、针对大失准角的粗对准问题,提出了渐消自适应五阶CKF算法,通过渐消记忆指数加权来计算当前新息协方差矩阵的估计值,以此提高新息的利用效率和滤波精度。为了提高新息的反馈效率,利用渐消因子反馈系数对下一滤波周期的状态一步预测协方差阵进行整体修正,能够提高对准的收敛效率。在滤波进入收敛阶段后,针对由于渐消卡尔曼算法的过反馈而导致的振荡或发散问题,选择在方位失准角估计值的梯度最大处停止自适应反馈修正,以此保证算法的收敛性。FOG振动误差处理方法分别通过了振动台的角振动和线振动数据验证,实验表明了改进算法能够有效提取和补偿振动干扰。FOG温漂建模和多尺度补偿方法在温箱实验中得到了验证,建模精度和补偿效果均有提升。改进的精对准算法和粗对准算法分别在转台和车载实验中得到了验证,取得了较好的结果。
万伟[7](2019)在《MEMS INS/GNSS组合导航系统研究》文中研究表明微机电系统(Micro Electro Mechanical System,MEMS)技术的发展带来了惯导设备的革新,卫星导航定位以及惯性导航定位两种典型导航方式的结合是目前导航定位领域的研究热点与重点。两种导航定位方法优势互补,取长补短,增强了导航定位系统的精度与稳定性。基于此背景,本文针对MEMS INS/GNSS组合导航定位系统一些关键技术进行了算法研究与实现,本文的主要工作有:(1)对MEMS惯导设备的误差作了系统的描述,设备误差分为两类:确定性误差与随机误差。在确定性误差部分,对标定与补偿方法作了介绍,并采用六位置法针对加速度计确定性误差作了具体的实验分析。结果表明,六位置法标定方法简单有效。此外,着重对MEMS惯导设备的随机误差进行了分析与建模,采用Allan方差分析法辨识并拟合MEMS惯导设备中存在的典型随机误差,包括零偏不稳定性、角随机游走、速率随机游走等。针对传统Allan方差存在的缺点,将动态Allan方差理论运用到MEMS惯导设备的随机误差分析中,分析了惯导设备随机误差的时变特性,采用实测数据利用动态Allan方差分析方法进行分析验证,结果表明,实验设备的时变特性不明显说明此款MEMS设备稳定性较高。在随机误差分析的基础上,提出了运用随机微分方程建模方法对惯导设备的随机误差进行建模的方法与策略;(2)针对MEMS惯性设备的特点,总结分析了适用于MEMS设备初始对准的方法,包括基于惯性系矢量积分对准算法、基于惯性系的Whaba最优矩阵求解对准算法、基于比力量测的Kalman滤波算法、基于速度量测的Kalman滤波对准算法以及捷联罗经初始对准算法。对上述方法原理及步骤进行了介绍与论述,并对各个方法进行了实验验证与对比分析,指出各种对准方法的优劣及其使用策略。针对特定的大失准角下的SINS初始对准,提出了一种简化UKF滤波的初始对准方法,并在各类条件下(大失准角、大方位失准角、小失准角、高、低精度惯导设备)针对所提出的方法进行了验证分析。结果显示,本文提出的方法适用于高精度惯导设备各种失准角状态下的初始对准,对于低精度惯导设备其水平对准效果较好,方位对准收敛效果不佳,有待进一步深入研究;(3)对捷联惯导在地心地固坐标系坐标系与当地地理坐标系下的导航算法进行了推导与建模,并对惯导算法的误差方程进行了分析与建模,仿真验证了纯惯导算法的有效性,并有针对性的仿真分析了惯导算法的误差传播特性;(4)在扩展Kalman滤波算法的基础上建立了MEMS INS/GNSS松、紧组合导航系统数学模型,并对两种组合导航模型进行了实验分析与有效性验证,结果表明,组合导航系统的定位精度与稳定性都有明显提高。此外,将组合导航算法分别应用到车载AHRS与POS实际使用当中,并针对POS事后算法提出正反向滤波策略,经过实验对比,证明了算法的有效性。
宁一鹏[8](2019)在《GNSS/INS组合导航系统初始对准及其故障修复研究》文中研究说明全球卫星导航系统可在无遮蔽环境中为用户提供高精度、低频率的导航定位服务,但在复杂环境中,GNSS信号易被遮挡或干扰。惯性导航系统经过初始化后,能够独立自主提供高频率、连续的位置、速度和姿态信息。通过二者合理结合,能够在遮蔽或半遮蔽环境中为用户提供连续且可靠的导航解。本文重点研究GNSS/INS组合导航系统初始化及其故障修复方法,内容涵盖高精度惯导快速自对准技术、大失准角故障处理、磁力计辅助MEMS IMU抗差自适应姿态融合、神经网络辅助GNSS/INS组合导航系统故障识别与修复和惯导辅助BDS三频周跳探测与修复技术等,主要研究成果如下:(1)初始对准的精度和速度将直接影响惯性导航系统的导航定位性能。针对静基座对准的精度低、收敛速度慢、可观测性差等问题,建立了静基座对准模型,利用PWCS法对静基座的可观测性进行了分析,提出了利用转位机构增强可观测性的最优多位置对准方案。结果表明,提出的最优三位置对准方法能实现所有状态量可观测,提高状态量的估计精度,有效缩短对准时间。(2)大方位失准角会使SINS误差模型的非线性程度大大增强,从而导致传统EKF滤波估计精度降低甚至发散。针对惯性系统大失准角故障,推导了SINS任意失准角误差模型,引入了单行采样的sigma点策略,降低UT变换的复杂度,同时为了保证精度,提出利用比例最小偏度动态调整sigma点至采样中心的距离,避免高阶项误差。利用提出的SSUKF处理大失准角对准的非线性方程,结果表明,SSUKF算法具有与SUKF算法近似的估计精度,但计算复杂度明显降低,有利于减少计算量。(3)低精度MEMS IMU姿态初始化需要磁力计等其他传感器辅助,但外部磁干扰环境会导致磁力计出现量测故障。针对磁力计故障,提出了简化的六参数校正模型,改进了传统的LM算法,优化了迭代策略,建立了载体系下现场快速磁力计校正算法。在此基础上,基于相关观测抗差估计理论提出了磁力计/IMU抗差自适应融合定姿模型。结果表明,该模型能有效削弱磁力计故障引起的姿态融合异常,且实现了低精度IMU短时受振时的姿态稳健融合估计。(4)复杂城市环境中,GNSS/INS组合导航系统易受观测值粗差和动力学模型故障双重影响。针对传统故障检测手段无法识别两类故障的弊端,建立了基于马氏距离的整体故障检测方法,提出了最优RBF神经网络训练策略并辅助组合导航故障识别,然后针对识别的不同故障来源分别建立了双调节抗差因子和自适应遗忘因子进行调节,有效识别、分离并削弱组合系统中的两类故障。结果表明,针对较小的密集GNSS观测值粗差,最优RBF神经网络的识别成功率可达92%。此外,当GNSS信号完全失锁时,最优RBF神经网络还能根据INS测量值预测导航解,短时间内继续提供高精度位置信息。(5)强多路径环境中,严重的伪距多路径效应会导致卫星整周跳变或失锁,历元间变化剧烈的伪距多路径残差还会影响周跳估值的判定,导致传统三频伪距相位组合周跳探测模型失效。为了实现强多径环境中周跳的准确探测与修复,以BDS/INS组合系统为例,提出了INS定位辅助的北斗三频组合法,构建了INS辅助的周跳决策量,优选了强多路径环境中的决策量组合,分析了INS定位误差对周跳探测能力的影响。结果表明,惯性辅助的周跳探测方法有效减少了强多路径环境中的周跳误探概率,对密集小周跳的探测与修复不受多路径效应残差影响。该论文有图93幅,表29个,参考文献187篇。
成光浩[9](2019)在《基于抗干扰滤波的捷联惯导系统初始对准研究》文中进行了进一步梳理现今,惯性导航系统在军事和民用领域中发挥越来越重要的作用。惯性导航具有不受外界干扰、不受地形和恶劣天气影响、隐蔽性好、数据更新率高、短期精度好以及能够同时提供载体的位置、速度、姿态信息等优点。初始对准是捷联惯导系统的关键技术,直接影响到导航系统的精度。本文分析了捷联惯性导航系统的工作原理、误差特性、干扰特性等,建立了静基座下捷联惯导系统的误差模型。当惯导系统存在模型不确定性、噪声统计特性未知、多种类型干扰等问题时,传统卡尔曼型滤波器的稳定性和鲁棒性有所欠缺。因此需要设计一类基于抗干扰滤波的捷联惯导系统初始对准方法,提高导航精度。本文的主要工作及创新点如下:针对捷联惯性导航系统中模型误差难以精确测量,大部分已有的初始对准方法将模型误差假设为高斯白噪声的局限性,提出了一种预测迭代卡尔曼滤波方法。使用预测滤波器估计出惯性器件引起的模型误差,同时利用迭代卡尔曼滤波技术,防止一步预测误差过大,导致结果不稳定。通过预测模型误差以及调整模型误差的权值,预测迭代卡尔曼滤波器比传统卡尔曼滤波器稳定性更好、对准精度更高。针对基于卡尔曼滤波的惯导对准方法难以精确估计噪声和外部干扰、抗干扰能力不强的问题,提出了一种含遗忘因子的平滑变结构滤波器。滤波器中加入遗忘因子限制平滑变结构滤波器的记忆长度,充分利用现时的测量数据,提高现时数据在状态估计中的权重,以此避免滤波发散。当惯导系统中含有非高斯干扰时,含遗忘因子的平滑变结构滤波器比传统卡尔曼滤波器精度高、抗干扰能力强。平滑变结构滤波器本质是一种次优滤波器,当系统噪声为高斯白噪声、且系统正常运行时,精度比最优的卡尔曼滤波器略差。针对惯导系统模型中噪声统计特性未知的问题,提出了一种卡尔曼平滑变结构组合滤波的方法。通过定义一个全平滑有界层,进行最优估计。当平滑边界层小于恒定边界层时,采用传统卡尔曼滤波,提高对准系统的精度;当平滑边界层大于恒定边界层时,采用平滑变结构滤波,提高初始对准系统的鲁棒性。以此融合平滑变结构滤波算法的鲁棒性和卡尔曼滤波算法的准确性。仿真和实验结果验证了本文的抗干扰滤波算法,从结果可以得出,本文所提出的抗干扰滤波方法能提高惯性导航系统初始对准的精度和稳定度,具有一定的抗干扰能力和鲁棒性能,为高精度惯性导航系统的设计提供了基础。
季云健[10](2019)在《抗差CKF算法在组合导航中的应用研究》文中进行了进一步梳理随着科学技术的发展,全球卫星导航系统的应用已经遍及航空航天、导航、通信、人员跟踪、车辆的实时监控管理、汽车导航和信息服务等方面。单一的卫星导航系统在实际应用中虽具有较高的精确度和稳定性,但存在出现信号遮挡、抗干扰能力差、数据输出频率低等缺点。为了能够克服单一导航系统存在的不足,达到性能上的互补,本文将中国北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)和捷联惯导系统(Strap-down Inertial Navigation System,SINS)进行组合。BDS/SINS组合导航系统具有改善系统精度、抗干扰能力强、降低对惯导性能要求等优点。在此基础上,针对容积卡尔曼滤波算法在惯性导航初始对准中的问题,及因组合导航系统强非线性、观测误差等情况,导致协方差矩阵负定和滤波发散等问题进行研究。鉴于此,本文开展了下述研究:(1)针对恶劣的工程环境下,已有初始对准误差模型已经不能满足需求,建立基于SINS的抗差SRCKF(抗差平方根容积卡尔曼滤波)误差模型。鉴于在实际工程中,系统模型噪声不确定,标准的CKF可能会出现发散的问题,采用抗差SRCKF算法进行滤波,抗差SRCKF算法能够保证数值计算稳定性和消除粗差对容积卡尔曼滤波(Cubature Kalman Filter,CKF)滤波器的影响,从而抑制滤波的发散,进一步提高滤波器的稳定性。(2)基于抗差CKF算法在惯性导航初始对准中的研究的基础上,为进一步研究改进的CKF算法在组合导航系统中的有效性,为此需要设计载体轨迹发生器,完成相关仿真数据的生成,通过卡尔曼滤波器,完成组合导航系统的设计。结果表明,该组合导航系统能够在将抗差CKF应用到惯性导航初始对准的基础上,进一步将抗差CKF应用到组合导航中。(3)针对观测误差和动力学模型误差影响下,组合导航中标准CKF算法滤波精度下降甚至发散,提出抗差自适应SRCKF算法,该算法提高了数值计算的稳定性;针对观测误差和矩阵正定性问题,通过引入M估计理论,用Huber法求解等价权矩阵;针对动力学模型误差问题,通过对自适应因子的选取去解决。仿真结果表明改进的算法的有效性。本文所改进的算法,提高了组合导航系统的鲁棒性和导航精度。
二、捷联惯导系统大方位失准角下的非线性对准(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、捷联惯导系统大方位失准角下的非线性对准(论文提纲范文)
(2)基于非线性滤波的SINS大方位失准角初始对准方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外发展及研究现状 |
1.2.1 捷联式惯导系统发展概况 |
1.2.2 捷联式惯导初始对准发展概况 |
1.3 论文结构安排和主要内容 |
第2章 捷联惯导初始对准基本理论 |
2.1 引言 |
2.2 捷联式惯导系统的基本原理 |
2.2.1 常用的坐标系 |
2.2.2 姿态矩阵的定义和更新算法 |
2.3 捷联惯导大方位失准角下的误差分析 |
2.3.1 非线性速度误差方程 |
2.3.2 非线性姿态误差方程 |
2.3.3 惯性器件误差模型 |
2.4 捷联惯导初始对准的关键技术 |
2.4.1 粗对准 |
2.4.2 精对准 |
2.5 常用滤波方法 |
2.5.1 扩展卡尔曼滤波 |
2.5.2 无迹卡尔曼滤波 |
2.5.3 容积卡尔曼滤波 |
2.6 本章小结 |
第3章 基于迭代扩展卡尔曼滤波的SINS大方位失准角初始对准方法 |
3.1 引言 |
3.2 大方位失准角下的非线性初始对准模型 |
3.3 迭代扩展卡尔曼滤波 |
3.4 实验仿真结果与分析 |
3.5 本章小结 |
第4章 基于自适应平滑变结构滤波的SINS大方位失准角初始对准方法 |
4.1 引言 |
4.2 系统误差模型 |
4.3 自适应平滑变结构滤波器 |
4.3.1 平滑变结构滤波算法的稳定性证明 |
4.3.2 自适应平滑变结构滤波过程 |
4.4 实验仿真结果及分析 |
4.5 本章小结 |
第5章 基于PF-SVSF组合滤波的SINS大方位失准角初始对准方法 |
5.1 引言 |
5.2 系统误差模型 |
5.3 粒子滤波 |
5.4 粒子平滑变结构组合滤波器 |
5.5 实验仿真结果及分析 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 本文工作总结 |
6.2 展望 |
参考文献 |
攻读硕士期间研究成果 |
致谢 |
(3)仿生偏振光初始对准方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 仿生偏振导航研究现状 |
1.2.2 初始对准方法研究现状 |
1.2.3 可观性分析研究现状 |
1.3 论文研究内容及编排 |
1.3.1 论文研究内容 |
1.3.2 论文编排 |
第二章 仿生偏振光解析粗对准方法 |
2.1 坐标系定义及太阳矢量建模 |
2.1.1 坐标系介绍 |
2.1.2 太阳矢量建模 |
2.2 传统解析粗对准方法 |
2.3 仿生偏振光解析粗对准方法 |
2.4 仿真 |
2.5 本章小结 |
第三章 惯性/偏振组合导航系统小失准角初始对准方法 |
3.1 传统惯性误差状态模型 |
3.2 基于偏振光传感器的量测建模 |
3.3 SINS/PSS组合导航系统线性误差状态模型建模 |
3.4 SINS/PSS组合导航系统线性误差状态模型可观性分析 |
3.4.1 几何可观性及可观测度分析 |
3.4.2 随机可观性及可观测度分析 |
3.5 仿真与实测 |
3.5.1 仿真实验 |
3.5.2 实测实验 |
3.6 本章小结 |
第四章 惯性/偏振组合导航系统大失准角初始对准方法 |
4.1 SINS/PSS组合导航系统非线性误差状态模型建模 |
4.2 SINS/PSS组合导航系统非线性误差状态模型可观性分析 |
4.2.1 基于李导数的非线性可观性分析方法 |
4.2.2 SINS/PSS组合导航系统非线性误差状态模型的可观性分析 |
4.3 无迹卡尔曼滤波器设计 |
4.3.1 SINS/PSS组合导航系统非线性误差状态模型离散化 |
4.3.2 无迹卡尔曼滤波器设计 |
4.4 仿真及实测 |
4.4.1 仿真实验 |
4.4.2 实测实验 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 研究展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(4)船用星敏感器/光纤惯性测量单元组合导航技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究的目的和意义 |
1.2 国内外相关研究现状 |
1.2.1 捷联惯性导航技术发展现状 |
1.2.2 星敏感器关键技术发展现状 |
1.2.3 星敏感器/惯性组合导航发展现状 |
1.2.4 组合导航滤波理论发展现状 |
1.3 论文主要研究内容及安排 |
第2章 基于光纤惯性测量单元的星敏感器动态测量误差修正方法研究 |
2.1 常用坐标系与姿态参数描述 |
2.1.1 常用坐标系定义及转换 |
2.1.2 载体姿态描述参数 |
2.2 星敏感器动态测量误差修正方法 |
2.2.1 星敏感器工作原理及技术参数 |
2.2.2 船用星敏感器动态误差分析 |
2.2.3 基于光纤陀螺角速度信息的星敏动态误差修正 |
2.3 星敏动态测量误差修正仿真验证 |
2.4 本章小结 |
第3章 基于温补的旋转式光纤惯性测量单元高精度测量技术研究 |
3.1 光纤IMU温度敏感性误差补偿研究 |
3.1.1 光纤陀螺受温度影响机理 |
3.1.2 光纤陀螺温度补偿模型建立 |
3.1.3 分段多模型光纤陀螺温度误差补偿 |
3.1.4 光纤陀螺温度补偿试验验证 |
3.2 光纤IMU旋转调制误差抑制研究 |
3.2.1 双轴旋转光纤IMU误差抑制分析 |
3.2.2 双轴光纤IMU停转方案研究设计 |
3.2.3 双轴旋转姿态测量精度影响分析 |
3.2.4 旋转调制的航向变化影响抑制方法 |
3.2.5 双轴旋转调制仿真验证 |
3.3 光纤IMU相对惯性空间的高精度姿态解算方法 |
3.3.1 水平姿态误差对星敏感器定位影响 |
3.3.2 基于自适应数字滤波器的重力矢量提取 |
3.3.3 光纤IMU高精度水平姿态确定 |
3.3.4 高精度姿态解算仿真验证 |
3.4 本章小结 |
第4章 基于深耦合的星敏感器/光纤IMU组合导航技术研究 |
4.1 星敏感器/光纤IMU组合对准方案 |
4.1.1 星敏感器辅助的惯导组合对准原理 |
4.1.2 基于加权递推最小二乘组合对准方法 |
4.1.3 基于DMCS的旋转式惯导对准方法 |
4.1.3.1 DMCS对准方法基本思想和工作原理 |
4.1.3.2 大方位失准角下的DMCS对准方法 |
4.1.3.3 仿真分析 |
4.2 星敏感器/光纤IMU深度耦合非线性模型 |
4.2.1 星敏感器/光纤IMU组合导航原理 |
4.2.2 基于星敏感器的惯导系统误差方程 |
4.2.3 基于加性四元数“姿态+位置”匹配的组合导航模型 |
4.2.4 基于乘性四元数“姿态+位置”匹配的组合导航模型 |
4.3 星敏感器/光纤IMU深耦合非线性滤波算法 |
4.3.1 边缘化容积卡尔曼滤波原理 |
4.3.2 星敏感器/光纤IMU耦合滤波算法 |
4.4 星敏感器/光纤IMU深耦合方案仿真验证 |
4.5 本章小结 |
第5章 船用星敏感器/光纤IMU深耦合导航试验验证 |
5.1 双轴旋转光纤惯导原理样机搭建及试验分析 |
5.1.1 双轴旋转光纤惯导样机搭建 |
5.1.2 双轴旋转SINS试验及分析 |
5.2 船用星敏感器/光纤IMU组合导航系统试验方案设计 |
5.2.1 船用星敏感器/光纤IMU组合导航系统总体框架设计 |
5.2.2 船用星敏感器/光纤IMU组合导航系统实船试验设计 |
5.3 试验分析验证 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(5)极区捷联惯导系统的快速对准算法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题的背景及意义 |
1.2 极区导航方案可行性分析 |
1.3 国内外相关技术研究现状 |
1.3.1 极区机械编排国内外研究现状 |
1.3.2 极区对准国内外研究现状 |
1.3.3 国内外滤波估计方法 |
1.4 论文主要研究内容及章节安排 |
第2章 捷联惯导初始对准相关知识 |
2.1 捷联惯导初始对准基本知识 |
2.1.1 对准常用坐标系及参数 |
2.1.2 惯导坐标系变换 |
2.1.3 姿态矩阵的更新 |
2.2 捷联惯导系统的误差方程 |
2.3 捷联惯导对准原理 |
2.4 传统指北方位机械编排及其在极区的适用性 |
2.4.1 旋转角速度误差 |
2.4.2 姿态更新误差 |
2.4.3 经度更新误差 |
2.5 本章小结 |
第3章 捷联惯导系统在极区的机械编排 |
3.1 常用的极区惯导机械编排工作原理 |
3.1.1 游移方位惯导编排 |
3.1.2 格网坐标系惯导编排 |
3.1.3 横地球坐标系惯导编排 |
3.2 伪地球系机械编排 |
3.2.1 伪地球系定义 |
3.2.2 伪地球系误差分析 |
3.3 基于椭球模型的伪地球系惯导编排 |
3.3.1 位置微分方程 |
3.3.2 速度微分方程 |
3.3.3 姿态微分方程 |
3.4 仿真实验 |
3.5 本章小结 |
第4章 基于观测扩充的快速对准 |
4.1 伪地球系初始对准存在的不足及总体思路 |
4.2 基于状态向量扩充的快速对准 |
4.2.1 扩充观测向量 |
4.2.2 引入观测向量扩充的失准角误差分析 |
4.3 可观测性分析 |
4.3.1 奇异值分解(SVD)分析方法 |
4.3.2 姿态精度因子(ADOP)分析方法 |
4.4 半实物仿真试验 |
4.4.1 陀螺仪与加速度计噪声提取 |
4.4.2 极区初始对准半仿真试验 |
4.5 本章小结 |
第5章 大失准角下的快速双位置对准 |
5.1 极区双位置对准 |
5.1.1 最优双位置对准 |
5.1.2 双位置对准仿真 |
5.2 大失准角下的快速双位置对准 |
5.2.1 反馈校正技术 |
5.2.2 强跟踪滤波技术 |
5.2.3 大失准角下的极区双位置对准仿真 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(6)光纤陀螺误差处理及初始对准技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状分析 |
1.2.1 光纤捷联惯导系统发展现状 |
1.2.2 光纤陀螺温漂误差处理研究现状 |
1.2.3 光纤陀螺振动误差处理研究现状 |
1.2.4 初始精对准的研究现状 |
1.2.5 大失准角初始粗对准的研究现状 |
1.3 主要研究内容及论文结构安排 |
第二章 光纤陀螺振动信号处理 |
2.1 振动干扰光纤陀螺的机理 |
2.1.1 弹光效应 |
2.1.2 振动引起的非互易相移 |
2.1.3 振动对光纤捷联惯导的影响 |
2.2 改进的掩膜EMD |
2.2.1 EMD算法 |
2.2.2 掩膜EMD算法 |
2.2.3 改进掩膜EMD算法 |
2.2.4 周期性振动信号的实时处理 |
2.3 仿真及实验 |
2.3.1 AM-EMD算法仿真 |
2.3.2 光纤陀螺振动台实验 |
2.4 本章小结 |
第三章 光纤陀螺温漂建模 |
3.1 光纤陀螺温漂的产生机理及补偿 |
3.1.1 光纤陀螺温漂的产生机理分析 |
3.1.2 光纤陀螺温漂建模及补偿 |
3.2 支持向量机及其改进 |
3.2.1 支持向量机算法 |
3.2.2 核函数及其改进 |
3.3 粒子群算法及其改进 |
3.3.1 粒子群算法 |
3.3.2 改进粒子群算法 |
3.4 基于改进SVM和 PSO的分段回归算法 |
3.5 实验验证 |
3.5.1 温度实验 |
3.5.2 结果分析 |
3.6 本章小结 |
第四章 多尺度光纤陀螺温漂补偿 |
4.1 多尺度建模方法 |
4.1.1 基于EMD的多尺度模型 |
4.1.2 噪声IMF的识别 |
4.1.3 多尺度策略 |
4.1.4 历史温漂参数个数寻优 |
4.2 噪声辅助的信号分解 |
4.2.1 EEMD算法 |
4.2.2 EEMD的改进算法 |
4.2.3 基于IEEMD的多尺度建模及补偿方法 |
4.3 实验验证 |
4.3.1 温度实验 |
4.3.2 实验分析 |
4.4 本章小结 |
第五章 大失准角粗对准研究 |
5.1 大失准角对准模型的非线性分析 |
5.1.1 坐标系及欧拉角的定义 |
5.1.2 大失准对准模型及非线性分析 |
5.2 五阶容积卡尔曼滤波 |
5.2.1 高斯近似滤波框架 |
5.2.2 球面径向容积变换 |
5.2.3 五阶容积卡尔曼 |
5.3 自适应滤波及改进 |
5.3.1 自适应滤波方法 |
5.3.2 基于CKF5的改进自适应滤波算法 |
5.4 实验仿真 |
5.4.1 大失准角静基座仿真 |
5.4.2 摇摆基座仿真 |
5.4.3 车载动基座实验 |
5.5 本章小结 |
第六章 精对准方法研究 |
6.1 罗经对准法及改进 |
6.1.1 罗经对准法 |
6.1.2 有限时变罗经法 |
6.2 卡尔曼精对准法及改进 |
6.2.1 大方位失准角对准误差模型 |
6.2.2 小失准角对准误差模型 |
6.2.3 卡尔曼精对准 |
6.2.4 全反馈卡尔曼精对准 |
6.3 基于非线性滤波的精对准 |
6.4 仿真及转台实验 |
6.4.1 大失准角非线性精对准仿真 |
6.4.2 转台精对准实验及分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 论文总结 |
7.2 进一步研究的探讨 |
参考文献 |
致谢 |
攻读博士学位期间科研与获奖情况 |
(7)MEMS INS/GNSS组合导航系统研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文研究背景、意义 |
1.2 研究现状与趋势 |
1.2.1 MEMS惯性设备研究现状 |
1.2.2 MEMS INS研究现状 |
1.2.3 卫星导航定位技术发展现状 |
1.2.4 MEMS INS/GNSS组合导航系统研究现状 |
1.2.4.1 组合导航结构 |
1.2.4.2 组合导航系统信息融合 |
1.3 论文主要工作与章节安排 |
第二章 MEMS惯性设备误差分析与建模 |
2.1 引言 |
2.2 惯导设备确定性误差分析与标定 |
2.3 惯导设备随机误差分析与建模 |
2.3.1 Allan方差分析MEMS陀螺仪随机误差特性 |
2.3.2 动态Allan方差分析MEMS陀螺仪随机误差特性 |
2.3.3 MEMS惯导设备随机误差建模 |
2.4 本章小结 |
第三章 MEMS INS初始对准方法研究 |
3.1 引言 |
3.2 基于惯性系的矢量积分对准算法 |
3.2.1 坐标系定义 |
3.2.2 基于惯性系的矢量积分对准算法原理 |
3.3 基于惯性系的Whaba最优矩阵求解对准算法 |
3.3.1 Whaba问题 |
3.3.2 惯性系REQUEST对准算法 |
3.4 基于速度量测的Kalman滤波对准算法 |
3.5 各类初始对准方法实验对比分析 |
3.5.1 仿真测试 |
3.5.2 实测数据分析 |
3.5.3 实验讨论 |
3.6 一种针对大失准角SINS初始对准的处理方法 |
3.6.1 引言 |
3.6.2 平台误差角微分方程 |
3.6.3 SINS非线性误差模型 |
3.6.3.1 SINS姿态误差方程 |
3.6.3.2 SINS微分方程 |
3.6.3.3 大失准角初始对准滤波模型 |
3.6.4 简化UKF滤波算法 |
3.6.5 实验分析 |
3.6.5.1 不同失准角场景下的验证 |
3.6.5.2 不同精度惯导设备对准误差分析 |
3.6.6 结论 |
3.7 本章小结 |
第四章 捷联惯导系统算法 |
4.1 引言 |
4.2 坐标系定义及相互转换基础 |
4.2.1 坐标系定义 |
4.2.2 坐标系之间的转换 |
4.3 捷联惯导系统在系下的解算与误差分析 |
4.3.1 捷联惯导系统系下的微分方程 |
4.3.2 捷联惯导系统系下的更新算法 |
4.3.3 捷联惯导在系下误差分析 |
4.4 捷联惯导系统在系下的解算与误差分析 |
4.4.1 捷联惯导系统系下的微分方程 |
4.4.2 捷联惯导系统系下的更新算法 |
4.4.3 捷联惯导系统系下的误差分析 |
4.5 捷联惯导算法与误差算例分析 |
4.5.1 纯惯导解算算法仿真实验 |
4.5.2 纯惯导解算误差特性研究仿真实验 |
4.6 本章小结 |
第五章 MEMS INS/GNSS组合导航系统研究与实现 |
5.1 组合导航系统结构 |
5.1.1 松组合结构 |
5.1.2 紧组合结构 |
5.2 松组合导航系统算法 |
5.3 紧组合导航系统算法 |
5.4 扩展Kalman理论基础 |
5.5 算例分析 |
5.5.1 松组合导航系统实验验证 |
5.5.2 紧组合导航系统实验验证 |
5.6 组合导航应用实例 |
5.6.1 低成本车载AHRS应用实例 |
5.6.2 POS系统事后处理算法应用实例 |
5.6.2.1 引言 |
5.6.2.2 POS事后正反向滤波算法 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
硕士期间科研成果 |
1 学术论文 |
2 科研项目 |
致谢 |
(8)GNSS/INS组合导航系统初始对准及其故障修复研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 本文组织结构 |
2 捷联惯性导航系统基本原理 |
2.1 常用坐标系统及其转换关系 |
2.2 惯性导航姿态表达及微分方程 |
2.3 捷联INS机械编排 |
2.4 捷联INS更新算法 |
2.5 INS输出误差来源 |
2.6 本章小结 |
3 高精度SINS快速自对准技术 |
3.1 卡尔曼滤波模型 |
3.2 SINS误差方程 |
3.3 解析式粗对准 |
3.4 似静态精对准 |
3.5 可观测性分析 |
3.6 最优多位置对准方案 |
3.7 本章小结 |
4 大失准角非线性对准模型 |
4.1 基于EPEA的非线性误差方程 |
4.2 大失准角SINS对准模型 |
4.3 简化无迹卡尔曼滤波 |
4.4 Sigma点采样策略改进 |
4.5 实验与分析 |
4.6 本章小结 |
5 磁力计辅助MEMS IMU抗差快速融合定姿技术 |
5.1 地磁测量原理 |
5.2 磁力计误差分类与建模 |
5.3 改进的Lenenberg-Marquardt算法 |
5.4 磁力计/IMU自适应抗差融合定姿 |
5.5 实验与分析 |
5.6 本章小节 |
6 神经网络辅助GNSS/INS系统故障识别与修复 |
6.1 GNSS观测方程 |
6.2 GNSS/INS组合模型 |
6.3 导航故障检测与抑制 |
6.4 最优RBF辅助故障识别 |
6.5 实验与分析 |
6.6 本章小结 |
7 多路径故障下惯性辅助BDS三频周跳探测与修复 |
7.1 BDS三频组合观测值 |
7.2 惯性辅助周跳探测估值 |
7.3 周跳检验量的选取 |
7.4 强多路径对周跳探测的影响 |
7.5 试验与分析 |
7.6 本章小结 |
8 结论及展望 |
8.1 结论 |
8.2 创新点 |
8.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(9)基于抗干扰滤波的捷联惯导系统初始对准研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究意义 |
1.1.1 惯性导航系统简介 |
1.1.2 惯导系统初始对准 |
1.2 捷联惯导的基本原理 |
1.3 国内外研究现状 |
1.3.1 惯性导航系统研究现状 |
1.3.2 初始对准研究现状 |
1.4 本文研究目的及主要研究内容 |
第二章 捷联惯性导航预备知识 |
2.1 捷联惯导的基础知识 |
2.1.1 捷联惯导常用的坐标系 |
2.1.2 捷联惯导的姿态矩阵 |
2.1.3 姿态矩阵的更新算法 |
2.2 捷联惯导的误差分析 |
2.2.1 速度误差方程 |
2.2.2 位置误差方程 |
2.2.3 姿态误差方程 |
2.3 捷联惯导初始对准的关键技术 |
2.3.1 粗对准 |
2.3.2 精对准 |
2.4 常用滤波方法 |
2.4.1 卡尔曼滤波 |
2.4.2 扩展卡尔曼滤波 |
2.4.3 无迹卡尔曼滤波 |
2.4.4 渐消卡尔曼滤波 |
2.5 本章小结 |
第三章 基于预测迭代卡尔曼滤波器的捷联惯导初始对准 |
3.1 引言 |
3.2 系统误差模型 |
3.3 预测迭代卡尔曼滤波 |
3.3.1 预测滤波器 |
3.3.2 预测迭代卡尔曼滤波器 |
3.4 仿真结果与分析 |
3.5 本章小结 |
第四章 基于含遗忘因子的平滑变结构滤波器的捷联惯导初始对准 |
4.1 引言 |
4.2 系统误差模型 |
4.3 含遗忘因子的平滑变结构滤波器 |
4.3.1 稳定性证明 |
4.3.2 含遗忘因子的平滑变结构滤波过程 |
4.4 仿真结果及分析 |
4.5 本章小结 |
第五章 基于卡尔曼平滑变结构滤波的捷联惯导初始对准 |
5.1 引言 |
5.2 系统误差模型 |
5.3 平滑变结构滤波器的最优化 |
5.4 卡尔曼平滑变结构组合滤波器 |
5.5 仿真结果及分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 本文工作总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士期间取得的学术成果 |
(10)抗差CKF算法在组合导航中的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究状态 |
1.2.1 北斗卫星导航系统发展现状 |
1.2.2 SINS导航系统发展状况 |
1.2.3 组合导航系统研究现状 |
1.2.4 组合导航非线性滤波算法综述 |
1.3 研究内容及章节安排 |
1.3.1 论文研究内容 |
1.3.2 论文结构安排 |
第二章 组合导航的基本内容 |
2.1 捷联惯性导航系统 |
2.1.1 初始对准 |
2.1.2 SINS误差分析 |
2.2 北斗卫星导航系统 |
2.2.1 BDS基本原理 |
2.2.2 BDS误差模型分析 |
2.3 SINS/BDS组合导航系统 |
2.3.1 组合导航系统的优势 |
2.3.2 组合方式 |
2.4 卡尔曼滤波理论在初始对准和组合导航中的应用 |
第三章 抗差SRCKF算法在惯性导航初始对准中的应用 |
3.1 引言 |
3.2 抗差SRCKF理论 |
3.2.1 SRCKF算法 |
3.2.2 抗差SRCKF算法 |
3.3 抗差SRCKF理论在惯性导航初始对准中的应用 |
3.3.1 惯性导航误差模型 |
3.3.2 初始对准滤波器模型 |
3.4 仿真验证 |
3.4.1 不加粗差 |
3.4.2 加入粗差 |
3.5 本章小结 |
第四章 组合导航系统的设计 |
4.1 载体轨迹发生器 |
4.2 理想惯性传感器数据生成 |
4.3 含有误差的惯性传感器数据生成 |
4.4 BDS仿真数据生成 |
4.5 惯性导航误差方程推导 |
4.5.1 姿态误差微分方程推导 |
4.5.2 速度误差微分方程推导 |
4.5.3 位置误差微分方程推导 |
4.6 基于标准卡尔曼滤波器的组合导航方法 |
4.6.1 组合导航滤波器状态选择 |
4.6.2 组合导航滤波器状态方程的建立 |
4.6.3 组合导航滤波器观测方程的建立 |
4.6.4 离散化状态方程与观测方程 |
4.6.5 卡尔曼滤波方法 |
4.7 本章小结 |
第五章 抗差自适应容积卡尔曼滤波在组合导航中的应用 |
5.1 抗差自适应容积卡尔曼滤波算法 |
5.2 惯性导航非线性误差模型的建立 |
5.3 SRCKF组合导航结果 |
5.4 抗差SRCKF组合导航结果 |
5.5 观测量粗差对四种组合导航滤波器精度影响对比 |
5.5.1 不含有粗差时四种滤波器精度影响对比 |
5.5.2 加入粗差情况下四种滤波器的精度对比 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 本文主要的研究成果 |
6.2 研究展望 |
致谢 |
参考文献 |
附录A(攻读硕士期间发表的研究成果) |
四、捷联惯导系统大方位失准角下的非线性对准(论文参考文献)
- [1]捷联惯导系统自对准技术研究[D]. 景立博. 哈尔滨工程大学, 2021
- [2]基于非线性滤波的SINS大方位失准角初始对准方法[D]. 张远飞. 扬州大学, 2021(08)
- [3]仿生偏振光初始对准方法研究[D]. 田常正. 北方工业大学, 2020(02)
- [4]船用星敏感器/光纤惯性测量单元组合导航技术研究[D]. 夏秀玮. 哈尔滨工程大学, 2020(04)
- [5]极区捷联惯导系统的快速对准算法研究[D]. 李珊珊. 哈尔滨工程大学, 2020(05)
- [6]光纤陀螺误差处理及初始对准技术研究[D]. 王威. 东南大学, 2019(01)
- [7]MEMS INS/GNSS组合导航系统研究[D]. 万伟. 武汉大学, 2019(06)
- [8]GNSS/INS组合导航系统初始对准及其故障修复研究[D]. 宁一鹏. 中国矿业大学, 2019(01)
- [9]基于抗干扰滤波的捷联惯导系统初始对准研究[D]. 成光浩. 扬州大学, 2019
- [10]抗差CKF算法在组合导航中的应用研究[D]. 季云健. 昆明理工大学, 2019(04)