摘要：针对水下无人潜器无准确外参考信息条件下惯导系统动基座自对准问题,提出基于不变扩展卡尔曼滤波(IEKF)的动基座自对准方法。首先,建立系统误差模型,并针对系统动态模型的不确定性,设计自对准的不变扩展卡尔曼滤波算法;同时基于水下无人潜器一般工作在匀速运动状态,将航向信息耦合到自对准滤波器的量测方程中,最终实现了无准确速度信息条件下的动基座初始对准。跑车实验证明,提出的方法在大失准角情况下,航向角在30 min内收敛到惯性元件所对应的航向精度水平。证明了所提出方法的有效性和可行性。该方法增强了水下和陆上惯性导航设备初始对准的环境适应性。

摘要：在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。

摘要：文中提出一种基于线性最优控制理论的捷联惯导系统初始对准方法,并完成了理论分析、设计和仿真,结果表明该方法能够有效地完成捷联惯导系统的初始对准,相对于传统方法在满足对准精度的同时可以大大缩短对准的时间,即便是存在较大失准角(小于10°),仍可以在几秒钟内收敛。

摘要：针对低精度SINS的陀螺不能辨识地球自转角速度,难以完成自对准的问题,该文引入GPS的位置观测信息利用5级-CKF简化算法辅助低精度SINS完成初始对准;因为低精度SINS粗对准给出的初始姿态质量很差,不满足小失准角的条件,所以必须采用大失准角非线性误差模型和非线性滤波方法。该文提出5级-CKF算法,并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,对5级-CKF算法进行简化,其需要在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。设计仿真实验验证了该方法的有效性,并分析了大失准角情况下载体运动状态对航向角估计的影响。

摘要：以单轴连续旋转式惯导系统为研究对象,针对惯导系统误差模型的非线性本质和对初始对准快速性的要求,通过推导其静基座条件下大方位失准角误差方程,设计一种利用超球体单形采样的UKF滤波器,并通过实际测试验证其有效性。实验结果表明,利用所设计的UKF滤波算法,10 min方位角对准精度能够达到优于0.008°。

摘要：摇摆状态下的捷联惯导初始对准,由于动基座情况下干扰较大,造成对准精度下降。推导了大失准角误差模型,设计了相关的H∞滤波器和Kalman滤波器,并比较了二者的性能。通过静基座和摇摆动基座初始对准仿真试验分析,得出静基座条件下,Kalman滤波性能较好;而在外界干扰较大或系统模型不准确的环境中,Kalman滤波性能恶化,H∞滤波的对准精度优于Kalman滤波,且实时性好,适合于工程应用。