简介:针对风场对临近空间伪卫星导航精度影响的问题,提出伪卫星抗风场干扰自主导航算法,以提高伪卫星的导航精度。首先,将风场模型加入伪卫星SINS/CNS/SAR组合导航的量测模型中,建立风场干扰下的SINS/CNS/SAR组合导航系统模型;然后,设计自适应UPF非线性滤波算法,将该算法用于SINS/CNS/SAR组合导航解算中,分别在考虑风场干扰和不考虑风场干扰的情况下,利用UKF、UPF和自适应UPF算法对临近空间伪卫星组合导航系统误差进行估计。仿真结果表明,在考虑风场干扰的条件下,提出的自适应UPF算法在东向、北向和天向的速度误差均控制在±0.21m/s以内,误差大小分别是现有的UKF和UPF的1/5和1/3。该算法能有效抑制风场对导航解算精度的影响,提高伪卫星的定位精度。
简介:直接敏感地平是一种典型自主天文导航方法,该方法简单可靠,易于实现,但是由于常用卫星轨道动力学J2模型精度有限,地球敏感器精度较低,因此导航精度不高。加速度计是测量运载体线加速度的常用惯性导航设备,当航天器在轨运行时,星载加速度计能够测量航天器所受发散力。结合上述两种方法的特点,提出一种将加速度计和天文相结合的自主天文导航新方法。在常用卫星轨道动力学模型基础上,引入大气阻力和太阳光压系数模型作为自主导航系统状态方程的一部分,并建立近地空间环境下星载加速度计的测量模型,将其与直接敏感地平均作为导航系统观测方程。设计基于信息融合的自主导航滤波方法,通过对多种导航模式进行数值仿真及结果分析,结果表明所设计方法提高了系统定位精度62.8%和速度精度63.9%,增强了系统可靠性。
简介:惯性导航系统(INS)以其自主的工作能力广泛应用于军事武备的导航、制导与控制系统和国民经济的诸多领域.它的主要缺点是定位误差随其工作时间的增长而增大.对惯导系统的误差进行估计和补偿是在保证性能价格比的前提下,提高惯性导航系统精度的有效途径.目前,对惯导系统的误差修正均采用外信息(如GPS的输出信息)校正,即在INS工作的全部时间内,定期地利用GPS输出的速度和位置信息与INS输出的相应信息的差值作为观测量,对INS误差进行估计和补偿.Kalman滤波的方法广泛地应用于惯导系统的误差修正初始对准.本文研究了当地水平惯导系统的的误差估计和补偿问题.分析结果表明,采用Kalman滤波的方法,可以精确地估计惯导系统的误差(包括陀螺漂移和加速度计零偏),误差估计的精度高,并且估计的方差阵收敛快.
简介:无陀螺惯性导航系统是一种主要以加速度计为惯性元件构造的惯性导航系统。本文设计研制了一种基于9加速度计的无陀螺惯性导航系统原理样机,提出了无陀螺惯性导航系统与GPS扩展松组合导航的模型,设计了组合导航的卡尔曼滤波算法,进行了组合导航实验。无陀螺惯性导航系统独立工作模式下3min的纬度误差最大为0.1",经度误差最大为0.6";在GPS不能定位时,3min的松组合导航纬度误差最大为0.08",经度误差最大为0.02"。与GPS扩展组合导航模式下,3min的纬度误差最大为0.01",经度误差最大为0.01"。实验结果表明,与GPS进行扩展松组合导航能够有效提高无陀螺惯性导航系统的长期定位精度,增强GPS导航设备的抗干扰性能。
简介:为了实现某型导弹小姿态惯性导航平台射前自标定,分析并建立了精确实用的小姿态导航平台静态误差模型,设计了转动控制与测漂电路,充分利用射向条件和平台稳定性,实现导航平台在全装弹状态下自动转动、锁定和测漂,并以加速度计和陀螺输出作为开环观测量,结合误差模型分离出各误差系数。通过对各种误差进行综合仿真分析,得到标定系数的相对误差不超过4%,其标定时间缩短为借助转台标定所需时间的40,满足了射前标定的精确性和快速性要求。方案在不改变现有装备的情况下,控制平台按照预设轨迹小角度旋转两次,仅分别在三个预设位置同时对三个陀螺进行测漂标定,适合实际导弹发射。
简介:为了提高非线性卫星姿态控制系统的滤波性能,在建立了采用磁强计及太阳敏感器的卫星姿态模型的基础上尝试了新兴的粒子滤波(PF)算法对卫星系统进行姿态估计,进而对采用矢量观测的三轴稳定卫星的姿态确定问题进行了滤波算法的实时仿真,并将四元数转换成旋转矢量引入了粒子滤波算法,最后给出了卫星模型在不同粒子数目下的滤波性能比较,并在系统初始误差较大的情况下将粒子滤波算法与EKF滤波算法进行了滤波性能的对照。仿真结果表明,粒子滤波算法对粒子数目具有明显的依赖性,但是当粒子达到一定的数目时,粒子滤波的精度以及滤波稳定性都可以得到保证,尤其是在系统初始误差较大的情况下粒子滤波算法更显示了其优于EKF算法的滤波性能。
简介:以SINSiGPS组合导航系统为背景,在对Kalman滤波原理和工程应用进行深入分析的基础上,总结了该方法的不足,提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化,实时调整自适应因子,间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明,该算法对模型和噪声干扰有较强的自适应性,能够有效抑制滤波发散,在不损失原有精度的前提下,提高了系统的鲁棒性。
简介:提出一种单目视觉里程计/捷联惯性组合导航定位算法。与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题。通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差。分别在室内外不同环境下进行了22m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%。与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航。