惯性导航及其基于位置信息校正的关键技术研究

论文围绕惯性导航和基于位置信息的捷联惯导系统校正技术展开研究,内容涵盖了惯导系统的基本理论、惯性元件误差的分析与处理、静基座捷联惯导解析法对准、地固系捷联惯导系统关键算法、基于位置信息的捷联惯导系统综合校正技术等。     

基于捷联惯导的航空矢量重力测量的降阶滤波算法

捷联惯导系统(SINS)在航空矢量重力测量中的基本功能是比力测量,但是纯惯导不能满足精度要求,因此通常采用卡尔曼滤波SINS/DGPS组合导航来提高比力测量的精度。通过误差状态可观性分析设计一种新的降阶滤波算法,该算法使得比力测量分系统的概念更加明晰,并通过仿真验证新算法的正确性。     

一种提高导航精度的改进滤波方法

卡尔曼滤波技术是目前GPS/IMU组合导航中应用最广的误差估计关键技术之一。本文在捷联式惯导系统正向导航滤波算法与逆向导航滤波算法基础之上,提出一种将二者有机结合的组合滤波算法,用于事后IMU/GPS联合解算中,以提高组合导航的精度,并通过实际的机载飞行试验数据解算结果验证该方法的可行性。组合滤波后的位置精度达到厘米级,速度误差小于0.02 m/s,航向角精度约为0.2°。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

基于ICCP算法的重力辅助惯性导航

迭代最近等值线算法(ICCP)是一种重要的匹配导航算法,文中首先介绍ICCP算法的基本原理,随后在0.2′×0.2′重力异常数据库的基础上,利用ICCP算法进行仿真计算得到最佳匹配位置。最后为了验证匹配位置是否可用于修正惯导误差,提出将匹配位置误差作为观测量,用卡尔曼滤波对惯导系统误差进行最优估计。由最后的仿真结果可以看出,ICCP算法可有效抑制惯导纬度误差的增长,且最大纬度误差不超过2,′以匹配位置误差作为观测量可以用来估计惯导方位误差角。     

新型自适应滤波算法在惯导/双星组合中的应用

在系统模型误差和噪声统计特性未知时,为防止滤波发散和提高系统的实时性,提出了一种模糊自适应Kalman滤波算法。该算法利用滤波异常判据获得一个滤波状态因子,进而利用模糊推理系统在线调整量测噪声协方差阵的值,使滤波实现自适应。将该算法应用到惯导/双星组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明：在滤波精度相当的情况下,该算法简化了运算,提高了实时性。     

惯导/双星定位组合导航方案与精度分析

分析了惯导／双星定位组合的可行性;针对惯导／双星定位组合导航在飞行器上应用存在的有关问题进行了讨论,提出了可能的对策。通过不同方案的比较分析,给出了较为实用的惯导／双星定位组合导航系统设计方案,并对组合的时机和组合导航的精度进行了仿真计算和结果分析。结果表明,采用按精度要求进行惯导／双星定位位置组合,可以在某种程度上弥补双星定位导航系统为有源系统的缺点,并具有较高的精度。     

水下重力异常最近等值线迭代匹配算法的改进

提出了基于费波纳奇数列调优的最近等值线迭代匹配算法;针对最近等值线迭代匹配只适用于真实航迹位于惯导航迹附近的局限性,提出了相应的改进算法,即先基于相关极值匹配将惯导航迹修正到真实航迹附近,然后再进行最近等值线迭代匹配,以进一步提高修正精度。通过试验区在不同仿真条件下的计算分析表明,惯导导航误差均得到了有效的修正。     

应用EKF平滑算法提高GPS/INS定位定姿精度

为了提高城市遮挡环境下GPS较长时间(60s)无法单独定位情况下GPS/INS组合定位定姿精度,研究了扩展卡尔曼滤波及其RTS(Rauch Tung Striebel)平滑算法;同时给出了基于ψ角惯导误差模型的GPS/INS组合系统状态方程和基于位置、速度更新的量测方程。实验中模拟GPS信号失锁60s,应用RTS后处理算法进行了GPS/INS组合数据处理。结果表明,扩展卡尔曼滤波EKF平滑算法可以有效地提高城市遮挡环境下GPS/INS组合定位定姿精度,特别是对GPS失锁的情况。从而很大程度上降低对高成本惯导的依赖。     

PPP/SINS紧耦合系统仿真的研究与分析

在捷联惯导(SINS)和GPS卫星接收机进行紧耦合的研究中,采用差分定位进行紧耦合的方法比较成熟,而关于精密单点定位(PPP)与捷联惯导紧耦合的研究还比较少。本文对精密单点定位与捷联惯导紧组合系统进行了Matlab仿真,利用数学解析的方法产生机载运动轨迹,通过设置系统的参数,获得仿真SINS和GPS数据;然后,通过PPP/SINS紧组合系统的仿真程序解算,将定位结果与PPP的结果比较,表明PPP/SINS紧组合导航定位的结果比PPP的精度和可靠性好,而且收敛的速度更快,同时也验证了算法的正确性。最后,分析了不同等级惯导对定位精度的影响。     

面向低成本车载IMU的安装姿态估计

车载IMU相对于车体的安装姿态信息是应用车辆非完整约束的必需条件，而车辆非完整约束可以有效解决GNSS信号长时间中断的情形下低成本INS+GNSS组合导航系统精度降低的问题。本文针对车载场景下的低成本消费级IMU，基于卡尔曼滤波和粒子滤波提出了一种估计IMU安装姿态的算法。该算法无需限制IMU相对于车体的姿态为小角度；随后，基于仿真平台对低成本消费级IMU进行建模，利用生成的若干组不同安装姿态的IMU数据对算法进行验证；最后进行车载测试。仿真结果和车载测试结果都表明，该算法可以准确地估计IMU相对于车体的安装姿态，对于低成本INS+GNSS组合导航系统精度的提高具有实际意义。     

Design of a low-cost attitude determination GPS/INS integrated navigation system

Due to their complementary features of GPS and INS, the GPS/INS integrated navigation system is increasingly being used for a variety of commercial and military applications. An attitude determination GPS (ADGPS) receiver, with multiple antennas, can be more effectively integrated with a low-cost IMU since the receiver gives not only position and velocity data but also attitude data. This paper proposes a low-cost attitude determination GPS/INS integrated navigation system. The proposed navigation system comprises an ADGPS receiver, a navigation computer unit (NCU), and a low-cost commercial MEMS IMU. The navigation software includes a fault detection and isolation (FDI) algorithm for integrity. In order to evaluate the performance of the proposed navigation system, two flight tests have been performed using a small aircraft. The first flight test confirmed the fundamental operation of the proposed navigation system and the effectiveness of the FDI algorithm. The second flight test evaluated the performance of the proposed navigation system and demonstrated the benefit of GPS attitude information in a high dynamic environment. The flight test results show that the proposed ADGPS/INS integrated navigation unit gives reliable navigation performance even when anomalous GPS data is provided and gives better navigation performance than a conventional GPS/INS unit.     

BDS RTK／MEMS-INS组合数学模型研究与性能分析

卫星导航系统和惯性导航系统（INS）具有极强的互补性,两者组合能有效提高导航定位结果的可用性、连续性和可靠性. 随着北斗卫星导航系统（BDS）的快速发展和低成本惯导元件（IMU）性能的不断提高,进行基于BDS和低成本IMU的组合导航系统相关理论和技术研究具有很强的研究意义和实用价值. 本文首先对BDS RTK／M-EMS INS组合理论模型进行推导,并利用实测车载数据对组合系统的性能进行分析. 实验结果表明,在BDS中引入低成本IMU,可以在不损失定位精度的同时有效改善测速精度. 组合后在车载动态中定位精度影响为mm级,而速度误差改善在北、东、地方向达到了75.8％、79.5％、66.7％. 此外,在BDS+INS紧组合中使用双频数据可以改善测速定姿精度,速度误差改善为18.2％、33.3％、33.3％,姿态误差改善为41.1％、26.7％、59.0％.      

地磁匹配导航算法研究

提出一种MonteCarlo方法和均方差算法（MSD）相结合的匹配算法，并将本算法用于地磁匹配导航中。该方法根据惯性导航系统指示的位置从地磁图上提取参考地磁数据，将地磁测量数据进行若干次随机干扰后和参考地磁数据使用MSD算法进行匹配，得到若干个匹配位置，取其均值作为最终匹配位置。仿真结果表明本算法可行。     

抗差估计在RTK／INS紧组合中的应用研究

针对动态环境下GNSS／INS导航定位结果常受粗差影响的问题,提出了一种基于抗差卡尔曼滤波的GPS／BDS双系统RTK／INS紧组合导航定位算法,根据方差膨胀模型,建立抗差卡尔曼算法,得到GNSS／INS紧组合抗差解,并通过两个不同区域的实测车载实验进行了算法验证. 实验结果表明:本方法相较于传统方法，在N、E、D三个方向的导航精度分别提高1.4～4.6 cm,0.7～9 cm,1.5～2 cm,模糊度固定成功率提高10.3％～25.6％,导航精度及可靠性得到显著提高,对动态环境下车载或自动驾驶等应用具有一定的理论参考和实用价值.      

INS/GNSS/ODO嵌入式系统的容错技术研究

车载低成本嵌入式组合导航系统的可靠性容易受到多种传感器故障和环境的影响,基于全球卫星导航系统(GNSS)状态的惯性导航系统(INS)/GNSS/里程计(ODO)抗差组合导航算法,提出了一种两级故障检测处理方法.其中,第一级检测使用了基于解析冗余的残差卡方检验法,第二级检测使用了改进的双状态传播卡方检验算法.利用自主研制...     

PPP／INS组合系统研究进展与展望

随着GNSS多系统的建设,精密单点定位(PPP)技术向着实时固定解方向发展,PPP／INS组合系统因无需布设基准站,在导航测绘领域有着广泛应用前景。本文系统总结了GNSS多系统、PPP模糊度固定、INS辅助对PPP／INS组合系统的贡献,以及组合系统在滤波方法、平滑算法、随机模型建立等方面的工作,并展望了PPP／INS组合系统的发展趋势。      

GNSS/INS组合导航系统定位精度分析

GNSS/INS组合导航系统近年来得到了快速发展,应用领域越来越广泛。组合导航的定位精度是一个重要的研究方向,本文将应用于航空遥感领域的高精度GNSS/INS组合导航系统放置在地面平台上,采集试验数据,通过与NRTK定位结果比较,对组合导航系统定位精度进行分析,得出GNSS/INS组合导航系统的定位精度可达到厘米级的试验结论。     

A wavelet-extreme learning machine for low-cost INS/GPS navigation system in high-speed applications

The combined navigation system consisting of both global positioning system (GPS) and inertial navigation system (INS) results in reliable, accurate, and continuous navigation capability when compared to either a GPS or an INS stand-alone system. To improve the overall performance of low-cost micro-electro-mechanical systems (MEMS)-based INS/GPS by considering a high level of stochastic noise on low-cost MEMS-based inertial sensors, a highly complex problems with noisy real data, a high-speed vehicle, and GPS signal outage during our experiments, we suggest two approaches at different steps: (1) improving the signal-to-noise ratio of the inertial sensor measurements and attenuating high-frequency noise using the discrete wavelet transform technique before data fusion while preserving important information like the vehicle motion information and (2) enhancing the positioning accuracy and speed by an extreme learning machine (ELM) which has the characteristics of quick learning speed and impressive generalization performance. We present a single-hidden layer feedforward neural network which is employed to optimize the estimation accuracy and speed by minimizing the error, especially in the high-speed vehicle and real-time implementation applications. To validate the performance of our proposed method, the results are compared with an adaptive neuro-fuzzy inference system (ANFIS) and an extended Kalman filter (EKF) method. The achieved accuracies are discussed. The results suggest a promising and superior prospect for ELM in the field of positioning for low-cost MEMS-based inertial sensors in the absence of GPS signal, as it outperforms ANFIS and EKF by approximately 50 and 70%, respectively.