基于地籍测量的惯性系统初始对准方法研究

地籍测量过程中具有静态、可调平和转位的特点,在静基座条件下,捷联惯性测量系统(SIMS)粗对准的失准角与卡尔曼滤波精对准的失准角相当,但是解析粗对准的方位角误差较大。本文在建立SIMS静基座粗对准误差方程的基础上,对影响解析粗对准精度的误差因素进行分析,提出利用光纤陀螺寻北仪进行四位置转位寻北的方法来估算方位角的精度,以提高方位角的估计精度。仿真结果表明,该方法可以有效地提高对准精度,适合于静基座外界干扰小的捷联式惯性测量系统上,在一定程度上可以直接作为对准的结果用于地籍测量定位解算。     

静基座捷联惯导解析法对准研究

初始对准是捷联惯导系统的关键技术之一,对准精度直接影响到导航系统的导航解算精度,静基座捷联惯导卡尔曼滤波法对准的精度和收敛时间受模型参数以及初始条件的影响,对于低精度的捷联惯导,这种影响更大,滤波结果往往不能收敛,甚至发散。采用解析法对准是解决上述问题的有效途径,针对静基座解析法对准做了系统研究,推导了惯性器件误差的解析表达式,分析了对准时间与仪器误差估计精度的关系。实测试验结果表明,给予适当的对准时间,解析法对准亦可接近极限精度;同时,在解析法初始对准中,等效天向加速度计零偏可得到有效估计;等效天向、北向陀螺漂移虽可估计,但随机游走对估计结果的影响不可忽视。     

低精度INS／GPS组合导航大方位失准角初始对准方案

在低精度MEMS-IMU和GPS组合导航中,由于IMU的精度问题,无法通过传统的解析方法实现方位失准角的粗对准,造成了大方位失准角问题,从而导致系统的强非线性。通过变换状态量,用方位失准角的两个三角函数代替方位失准角作为状态量,建立了新的线性系统方程。用改进奇异值分解法对新对准系统进行可观测度分析,完成了车载导航试验,结果表明：本初始对准方案在低精度的组合导航中具有很好的对准精度和对准速度。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。     

一种改进的捷联惯导参数辨识初始对准方法

针对船舶在系泊状态下存在低频线振动条件的捷联惯导系统初始对准需求,研究一种兼具精度和快速性的参数辨识对准方法。基于传统参数辨识对准模型的理论分析,指出对其地球角速度正余弦函数的一阶近似会导致对准结果随着时间增加而发散,因此在对准观测建模中对地球自转角度对应的正余弦函数进行高阶近似,以减小一阶近似带来的近似误差。同时合理考虑载体存在线振动干扰对速度误差观测的影响,在模型中加入常值估计项以减小线振动干扰,提高系统对准精度。对数字仿真和不同条件下的实际对准试验结果表明,在给定的线振动和惯性器件水平下,所提方法参数辨识的水平姿态对准精度为20',航向对准精度为4'。     

大失准角的SINS/GPS组合对准算法研究

利用四元数误差方程和非线性滤波技术能较好地解决大失准角下SINS的空中对准问题。迭代滤波比扩展卡尔曼滤波能在更大程度上改善对准精度，但计算量大。针对此不足，本文基于扩展卡尔曼滤波的状态与偏差解耦算法具有较高数值效率和迭代滤波具有较高精度的特点，推导出了一种非线性滤波算法，并对基于加性四元数误差方程的SINS／GPS组合对准进行了数字仿真。仿真结果表明：该算法既具有迭代滤波的精度又比迭代滤波计算量小。     

地固系下四元数和卡尔曼滤波方法的惯导初始精对准研究

从地心地固系中卡尔曼滤波方程的推导入手,设计了一个12状态滤波器,对失准角进行估计,在地心地固坐标系中完成了惯导的初始精对准。模拟计算证明了此算法的正确性与有效性,并讨论了对准的精度。     

基于惯性系原理的动基座粗对准及其性能影响因素分析

捷联惯导系统(strapdown inertial navigation system,SINS)在进行导航解算前需要粗对准提供初始姿态角,载体受多种因素影响和制约,在微幅晃动或运动状态下,需要进行动基座粗对准.从惯性系对准原理出发,讨论了基于比力和速度矢量的两种动基座粗对准解算方案,分析了位置误差、速度误差、杆臂误差对动基座粗对准的影响.结果表明,惯性系对准方法能够满足SINS粗对准的要求,速度误差和杆臂误差是制约对准精度与速度的主要因素,机动性强的轨迹能够加快对准速度,基于速度矢量的解算方案能够有效减弱姿态角收敛过程中的抖动,以提高对准效率.     

惯性测量数据的最优实时处理方法

如何提高惯性测量的精度,是惯性测量工作者面临的主要问题。本文首先对目前惯性测量系统中采用的几种实时处理方法进行了分析和比较,提出一种改进的卡尔曼滤波算法。仿真结果表明:改进的卡尔曼滤波算法较卡尔曼滤波定位精度高。     

多传感器行人航位推算方法和UKF融合算法

针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。     

基于惯性导航系统的轨道检查仪双位置对准方法

为提高轨道检查仪惯性导航系统对准精度,提出适用于轨道检查仪的惯性导航系统双位置对准方法。该方法利用轨道检查仪掉头方式,实现惯导系统加速度计常值零偏补偿。选用0.1°/h光纤陀螺仪和200 μg石英挠性加速度计组成惯性导航系统,在一铁路路段进行轨道检测试验。试验结果表明,双位置对准方法能够有效去除惯性器件零偏误差导致的轨道参数检测误差,在轨检仪连续工作300 m的情况下,铁路轨道水平检测精度明显提高。     

噪声协方差自适应控制下的双天线GNSS/INS初始对准方法

为降低系统模型误差及观测模型误差的影响,结合噪声协方差自适应控制机制,对双天线GNSS/INS初始对准方法进行改进。利用噪声协方差自适应控制下的扩展卡尔曼滤波进行数据处理,包括系统噪声协方差控制及观测噪声协方差控制。试验结果表明,系统噪声协方差自适应控制机制可提高系统稳定性,降低滤波稳态值;观测噪声协方差自适应控制机制可降低观测噪声的影响,提高对准绝对精度。采用后处理的方式,利用基线长度偏差最小的基线结果辅助姿态解算,绝对精度进一步提高,对准绝对精度主要受观测值影响。利用本文方法,横滚角、俯仰角对准绝对精度可达0.02°,航向角对准绝对精度可达0.04°。     

惯性测量系统中垂线偏差和重力异常的确定

本文对惯性测量各项系统误差及异常重力场进行了分析和研究,并在此基础上建立了两种用于惯性重力测量的估算模型;模拟计算的结果表明,所建模型在原理上是可靠的,结果是令人满意的;同时,本文较为详细地分析了各项系统误差对异常重力元素估计精度的影响,对卡尔曼滤波应用中的有关问题进行了讨论。     

GNSS精密单点定位与惯性导航紧组合理论模型

针对精密单点定位(Precise Point Positioning,PPP)动态定位精度低、收敛速度慢等问题,本文采用PPP/INS紧组合系统来达到改善PPP动态定位性能的目的。本文对PPP/INS紧组合的观测方程、误差补偿模型、参数估计模型等进行详细推导。通过车载实验采集的卫星观测数据和不同等级的惯性数据,对动态PPP及PPP/INS紧组合的定位定姿性能进行分析,评估不同等级惯性传感器对PPP/INS紧组合定位精度和收敛速度的影响。实验结果表明:PPP/INS紧组合在北—东—高方向的位置RMS相对于PPP分别改善了70.2%、29.1%和16.8%,达到4.8 cm、12.3 cm和7.4 cm。在卫星跟踪条件良好时,惯性传感器性能对PPP/INS紧组合定位精度影响不大;而在卫星观测条件不足时,惯性传感器性能对PPP/INS紧组合定位精度影响明显。此外,仿真和恶劣条件下的数据结果表明,PPP/INS初始定位精度与收敛速度随惯性传感器性能提高而改善明显。     

滤波降阶和等效性操作的捷联惯导静基座精对准

推导了捷联惯导静基座精对准方程,阐明了精对准模型和机械编排之间的等效性操作原理,并进行了可观测性分析,以此给出了精对准简化模型实现的关键技术,通过舍去科氏力项,消除不可观测量,将犫系零偏转为狀系等效零偏估计,三个步骤改进了零速条件下的Kalman滤波自对准模型。试验结果表明,简化模型不仅使得模型大大简化,减轻了计算负担,加快了运行速度,并且保持了原有的快速收敛性和较高的估计精度,是一种优化的静基座精对准方法。     

基于智能手机的PDR定位航向估计算法研究

随着智能手机的普及,基于手机惯性传感器的PDR定位研究和应用越来越广泛。为探究不同航向估计算法对航向角解算的精度以及对PDR定位轨迹的影响,介绍了PI互补滤波法、梯度下降法、卡尔曼滤波法三种姿态解算算法的基本原理。在相同环境下,设置转台实验进行算法精度对比,设置PDR定位实验,分析三种算法对PDR定位轨迹的影响。通过试验结果的对比分析,论述了三种算法的精确度以及优缺点。     

基于自适应卡尔曼滤波的地表移动变形预报研究

构建自适应卡尔曼滤波预报模型,利用GNSS CORS连续运行实时监测数据,通过自适应卡尔曼滤波预报值、标准卡尔曼滤波预报值及实测数据对比分析,得到自适应卡尔曼滤波预报偏差明显减小,预报精度明显提升,满足了地表移动变形实时监测的精度要求。      

Xtion/IMU组合的机器人室内定位方法

针对机器人在室内、深海或者高楼林立的大都市导航定位存在的问题,该文展开了基于Xtion传感器与惯性测量单元(IMU)松组合的移动机器人室内定位算法的研究,采用了组合导航及自适应渐消扩展卡尔曼滤波算法等创新性方法,解决了机器人室内定位精度不高的问题。通过对机器人室内组合导航轨迹的实验验证,该文的组合导航方法能够提高机器人移动轨迹的精度,更接近于真实轨迹,满足了移动机器人室内导航定位的需求。     

关于MEMS惯性传感器的发展及在组合导航中的应用前景

介绍MEMS惯性传感器的原理和发展现状。与常规惯性传感器相比,MEMS惯性传感器有一系列优点。由于独特的性能优势,该类传感器已被作为国防关键技术予以发展。着重对MEMS惯性传感器在惯性导航中的应用现状进行分析,并展望其在组合导航中的应用前景。     

简化5级-CKF在SINS大失准角初始对准中的应用

针对大失准角情况下,利用3级-CKF进行SINS初始对准性能不高的问题,提出5级-CKF算法。在系统模型噪声和量测噪声均为加性噪声且量测方程为线性方程时,推导了简化5级-CKF算法,步骤需要在Kalman滤波的基础上利用5级容积采样点对非线性状态方程的状态及其方差进行预测。采用SINS静基座初始对准仿真实验验证算法的有效性,结果表明:简化5级-CKF对任意失准角都是有效的,失准角较小时,3级-CKF和简化5级-CKF的对准精度和收敛速度性能相近,但简化5级-CKF的数值稳定性更高;失准角较大时,简化5级-CKF较3级-CKF具有更高的收敛速度和对准精度。