鲁棒最小方差滤波在惯导初始对准中的应用研究

在运载体机动时，卡尔曼滤波器会导致捷联惯导系统初始对准时产生较大的机动误差。而H∞鲁棒滤波技术将噪声和不确定输入看作是只知道上界的参数，而不是统计特性服从某一分布的随机向量，从而提高了系统的鲁棒性。但由于H∞滤波一般不单独考虑系统不确定项的影响，从而得到的结果较为保守。因此，学者们又提出了离散时间不确定系统的鲁棒最小方差滤波技术。计算机仿真结果表明，用鲁棒H∞滤波器和鲁棒最小方差滤波器代替卡尔曼滤波器对SINS初始对准时的状态变量进行估计校正后，能有效降低SINS初始对准的机动误差，提高系统初始对准的精度。但鲁棒最小方差滤波器比鲁棒H∞滤波器滤波校正效果更好。     

INS/GPS组合导航系统动基座初始对准研究

针对位置/速度模式的INS/GPS组合导航系统,确定其动基座下初始对准卡尔曼滤波方案,并进行计算机仿真。结果表明,卡尔曼滤波算法在动基座下INS/GPS组合导航系统初始对准中速度快、精度较高、对水平失调角有较好的估计效果,满足初始对准的基本要求。     

海底地形辅助导航系统滤波算法研究

分析了地形／惯导组合导航系统的状态方程，并对H∞滤波和卡尔曼滤波算法进行了对比分析，同时给出仿真结果。理论分析和仿真实验表明：H∞滤波算法和卡尔曼滤波都具有较好的收敛特性，能在一定程度上提高地形辅助导航系统精度，但H∞滤波的效果优于卡尔曼滤波。     

H^∞滤波在无源北斗／SINS组合导航系统中的应用

无源北斗接收机输出有色噪声大,数据跳变点多,噪声分析和建模工作困难。而传统的卡尔曼滤波存在不确定的滤波统计参数,滤波稳定性不高,提出将H^∞滤波用到无源北斗／SINS组合导航系统中。H^∞滤波追求噪声干扰对可控输出的影响最小,即强调系统的鲁棒性,而且不需要建立精确的数学模型,也不需要精确知道系统的统计特性,滤波参数设置简单。通过仿真实验验证,在相同滤波误差模型下,其滤波算法稳定性高于卡尔曼滤波的稳定性。     

水下潜器初始姿态的建模仿真与计算

惯性导航是水下潜器主要的导航方式,初始对准对惯性导航的精度至关重要。针对水下潜器的自对准,建立了捷联惯导初始对准的误差模型和卡尔曼滤波模型。使用速度误差作为观测量,进行了卡尔曼滤波仿真。结果表明,建立的误差模型和方法在对准时间内,姿态角误差稳定在10″,航向角误差稳定在1′~2′,准确地计算出了水下潜器的初始姿态航向角。     

自适应算法在单轴激光惯导初始对准中的应用

针对传统的卡尔曼滤波在单轴旋转激光惯导动基座初始对准中当系统噪声和量测噪声未知时,会导致滤波精度下降甚至发散的问题,设计了简化Sage-Husa自适应滤波算法,建立了动基座条件下的单轴旋转激光捷联惯导的误差方程,利用设计的算法进行了仿真,结果表明在误差模型较大时,自适应滤波算法可以很好的提高滤波精度和稳定性。     

基于H_∞滤波技术的重力辅助导航仿真研究

因无法对系统模型和噪声模型精确建模导致Kalman滤波器精度较低或发散问题,本文将H∞滤波理论引入重力仪/INS组合导航系统。文中首先给出了最优H∞范数的计算方法,解决了过去根据经验或多次试验确定该值的问题。组合导航系统包含位置、速度和姿态9维状态误差,利用重力仪实测重力异常与INS指示位置地图重力异常值之差作为观测信息对系统进行H∞滤波。仿真实验表明,该方法可极大地改善组合导航系统的鲁棒性和可靠性,明显提高系统的导航精度,减小滤波系统的阶次,加快对系统状态的滤波估计,对工程实际应用具有重要意义。     

基于可观测性分析的单轴激光惯导初始对准方法研究

在单轴旋转激光惯导系统中，采用奇异值分解的方法对系统进行可观测性分析，得出在初始对准过程中方位失准角的可观测度相对水平失准角较低，估计速度较慢，影响整个系统的初始对准速度。针对这一问题采用水平失准角的稳态估计值去估计方位失准角的方法。仿真结果表明：该方法可以有效提高方位失准角的估计速度。     

潜射弹道导弹传递对准方法研究

针对潜射弹道导弹如何快速完成传递对准的问题,分析潜射弹道导弹传递对准模式,建立基于速度和框架角匹配的传递对准模型,结合平方根滤波和H＿∞滤波中状态更新方程的特点,提出一种平方根/H＿∞混合滤波算法。结合潜艇可能的机动方式,分析变速直航机动、C型机动和S型机动过程中3种滤波算法的收敛性和传递对准误差。研究表明,潜射弹道导弹在进行传递对准时应该采用S型机动的方式,而且平方根/H＿∞混合滤波算法具有鲁棒性好的优点。     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

扩张状态观测器在惯导系统初始对准中的应用研究

根据平台式惯导系统初始对准的误差模型,首先介绍了初始对准的卡尔曼滤波方法,而后研究了把扩张状态观测器与卡尔曼滤波器相结合用于惯导系统的初始对准方法,最后对系统在受干扰和未受干扰2种情况下,分别进行了仿真研究.仿真结果表明,该方法与卡尔曼滤波方法相比,在保证对准精度的条件下,系统姿态角对准时间大大缩短;在系统受到干扰时,该方法仍具有很强的适应性和稳定性.     

基于H∞滤波技术水动力模型糙率修正方法研究

将H∞滤波法引入水动力学模型,应用于一维河道洪水模拟计算,利用其能在不确定模型噪声及量测噪声统计分布情况的条件下进行状态参数估计的特性,对河道糙率系数进行动态修正.选择淮河流域进行计算检验,证实此方法对提高模拟计算精度效果显著,具有较强的实用性.     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

基于UKF的大失准角条件下单轴旋转SINS初始对准方法

论文阐述了单轴旋转调制技术对捷联惯导系统误差抑制的原理,针对单轴旋转捷联惯导系统的初始对准,推导了大失准角误差条件下非线性初始对准误差模型,同时为充分利用惯导系统输出信息,提出了一种“加速度+速度”的非线性观测模型;根据系统误差方程和观测方程同时非线性,设计了一种Unscented卡尔曼滤波算法,并对静基座单轴旋转SINS初始对准进行了仿真试验.结果表明,采用该算法水平和方位对准在较短时间内都能达到较高精度,同时对加速度计零偏和三个陀螺漂移实现有效标定.     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

一种AUV捷联惯导系统动基座快速初始对准方法

针对AUV的特点,介绍一种采用捷联惯导系统进行导航的AUV动基座快速对准方法.通过模型建立与公式推导提出用两个水平失准角的稳态值估计方位失准角稳态值的方法,仿真结果证明,在保证一定精度的前提下,可大大加快初始对准的速度.     

船载炮的射击误差分析及消除方法

基于船舶在海浪中运动模型，结合炮兵射击学原理，研究了船舶摇摆导致火炮基座运动以及杆臂效应导致子惯导初始对准误差等因素对火炮射击的影响，分析了传递对准消除对准误差角的效果。仿真表明，低射界射击情况下，纵摇和横摇对射击距离的影响随射程增大而减小；对射击方向而言，纵摇的影响随射程增大而减小，而横摇的影响则随射程增大而增大；由安装偏差所造成的杆臂效应产生的误差角对射击的影响也很明显，其影响随船舶振荡运动的幅度的增加而增大；采用基于卡尔曼滤波的传递对准能快速消除船载炮初始对准角误差，从而提高火炮初始装定射角的准确性。     

基于AKF的组合对准方法在AUV中的应用

针对水下航行器(AUV)初始对准过程中,由于惯性测量器件的测量精度不高,导致系统自对准的精度不高的问题,提出在初始对准阶段采用DVL辅助的组合对准方法,引入 DVL提供的速度信息提高对准的精度.建立AUV中系统的状态方程和观测方程,同时为解决噪声不确定导致滤波器发散的问题,提出将自适应卡尔曼滤波(AKF)用于组合对准中.通过采集到的实验数据验证基于AKF的组合对准方法的精度比较高,将其用于AUV的初始对准中是可行的.     

比例导引下的机动目标跟踪算法仿真研究

针对比例导引目标的跟踪问题,将比例导引规律引入状态方程,建立线性时变系统模型,利用含有参数的标准卡尔曼滤波方法给出了目标的状态估计。运用语言进行仿真计算,分析并得到了在不同的初始航向角、比例导引系数、导弹的初始位置和速度下的导引弹道滤波曲线和弹目相遇时间。仿真结果表明,此方法正确可行。     

H∞滤波及数据融合在目标跟踪中的应用

为了解决在强干扰下的目标跟踪问题,本文基于H∞滤波和数据融合的思想提出一个多传感器跟踪算法.与卡尔曼滤波算法相比,本文提出的方法具有较高的滤波精度和较强的鲁棒性.最后的仿真表明了该算法的优良性能.