简介：传递对准是机载主惯导对子惯导进行初始化的过程,机翼变形对快速传递对准滤波精度有显著影响.讨论了传递对准中机翼变形的不同估计方法,通过分析建模过程比较了各种方法的特点及其适用范围.然后建立快速传递对准仿真环境,用“速度加姿态”匹配方式进行仿真,比较了不同方法所能达到的精度.最终从对准精度、快速性、模型依赖度、计算量等方面,对各种传递对准中机翼弹性变形的处理方法进行了比较总结,结果表明,将弹性变形当作有色噪声且使用卡尔曼滤波量测扩增法进行传递对准滤波器设计时,在估计精度和计算量方面达到最好折衷.所得结论为快速传递对准弹性变形的处理提供了工程应用参考.

简介：惯导固有原因使得载体长时间航行累积大量误差.可通过重力梯度量测与惯导组合导航方法来修正导航误差.先对重力梯度仪与惯导组合导航原理进行阐述,提出重力梯度仪辅助INS(GAINS)的系统框架图,对导航用重力梯度图和重力梯度仪进行分析,设定组合量测方程.然后根据状态空间方程的特点,提出使用边缘Cubature粒子滤波(CPF)进行融合估值.通过理论方法证明其对方差的减小,同时给出算法流程.相同条件下与已有APO-PF算法仿真进行经纬度RMSE结果对比,表明该算法估值精度更高;并用CEP对导航误差研究,得到在性能较低的惯导条件下、在梯度仪1E2和10E2噪声下4h的CEP数值分别为0.044nmile和0.072nmile的结果.最后对状态方程简化,定性分析出其余状态量的估值效果.

简介：提出了一种适用于制导炮弹上低精度MEMSIMU/GPS组合系统的飞行中初始对准算法.通过引入辅助的载体惯性系和导航惯性系,将所求姿态四元数分解为三部分：第一部分描述载体系相对于载体惯性系的姿态,由MEMS陀螺仪输出积分求解;第二部分描述导航系相对于导航惯性系的姿态,利用GPS位置输出解析求解;第三部分描述两辅助惯性系的相对姿态,采用Re-quest算法完成解算.详细讨论了算法误差、有效性条件,并对Re-quest算法进行了优化和简化.蒙特卡洛仿真结果表明,在弹体加速度以指数规律变化条件下,对准算法可以在10s时间内达到水平误差小于0.2°（1σ）、航向误差小于0.4°（1σ）的精度,完全满足制导炮弹组合系统初始对准的精度要求.

简介：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。