简介:针对空地武器攻击时敏目标半实物仿真系统的应用需求,以往所采用的纯数字仿真系统及方法已无法满足和实现所需要的功能,现有的半实物仿真技术又存在功能单一、接口有限、二次开发难的缺陷,提出了一种空地武器攻击时敏目标半实物仿真系统方案,重点设计了传递对准算法和GPS/INS组合导航算法。以空地制导炸弹为例,系统仿真功能涵盖了从载机挂弹飞行、系统自检、传递对准、热电池激活、数据链开启、炸弹投放、弹体姿态稳定、弹翼张开、滑翔中制导、中末交班、导引头开启、末制导直到命中时敏目标结束的全工作流程,针对该复杂系统的时间统一问题,提出了一种全系统投弹前后的传递对准时间同步方法。最后的模拟投弹试验结果表明:所设计的半实物仿真系统结构合理、实时性好、功能齐全,可为后期空地制导武器的研制提供一种非常有效的半实物仿真试验方法。
简介:针对无阻尼惯导系统的误差特点,设计了适合航空应用的惯性(INS)/天文(CNS)/Doppler组合导航系统,建立了该组合导航系统卡尔曼滤波模型.仿真试验表明,该组合导航系统能为飞行体提供精确的导航信息.
简介:为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明:模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。
简介:传统的使用伪距和相位组合进行周跳探测的方法受限于伪距精度,在多路径效应严重和载体高动态下不可靠。针对该问题,构建北斗/INS紧组合模型,利用惯性辅助北斗三频信号线性组合构造了周跳探测量,兼顾错探率和漏探率,确定探测阈值系数为2.5768。基于卫星高度角采用正弦函数模型确定载波噪声,分析了载波噪声和卫地距误差对周跳探测和修复的影响。在此基础上选择组合量(0,-1,1),(1,3,-4),(-3,4,0)联合进行周跳探测和修复。使用车载组合导航实测数据验证周跳探测模型的效果。实验结果表明,对于模拟的密集小周跳,所有卫星错探率低于1.75%,漏探率低于0.11%,除低高度角卫星C05,所有卫星修复错误率低于0.35%。对于北斗信号中断的场景,在75s部分中断内或18s完全中断内都能够正确修复所有卫星的所有类型周跳。
简介:一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。
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。
简介:针对CNS/INS组合导航系统中缩短初始对准时间的问题,设计了一种CNS/INS组合导航系统组合对准新方法。在CNS/INS姿态四元数组合算法的基础上,推导CNS/INS组合系统线性化状态方程,分析了INS和CNS姿态四元数差值构建量测方程。利用递推最小二乘原理实现了对该组合系统的信息融合,设计了基于该估计原理的组合导航系统初始对准方法,考虑到大气层内动基座条件下对于星敏感器造成的干扰因素增加了加权处理环节,最后通过仿真实验验证了递推加权最小二乘法在处理组合导航系统初始对准中的有效性。仿真结果表明在微晃基座条件下,与传统的滤波方法相比较该估计方法能够有效地缩短约25%的对准时间。
简介:针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题,提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波(KF)基础上,当SAR有量测信息生成时,根据多模型方法进行量测预测,利用预测值修正SINS状态;而SAR无量测信息输出时,通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明,采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内,航向角稳态误差值小于5.8";而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内,航向角稳态误差小于4.7",证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。