一、激光陀螺随机噪声参数估计和滤波方法研究(论文文献综述)
李维刚[1](2020)在《MEMS惯性测量单元全参数标定方法研究》文中进行了进一步梳理MEMS惯性测量单元(MEMS-IMU)凭借其低成本、小尺寸、易于批量生产的优势成为现阶段小型捷联惯性导航系统和航姿测量系统的核心信息源,在军事领域和民用领域都发挥着日趋重要的作用。随着微机电产业和制造工艺的进步发展,MEMS惯性测量单元有着取代其他各种中低精度IMU的趋势。然而,与其他各型号惯性测量单元相似,MEMS惯性测量单元同样面临着周期性标定的问题,甚至对低精度的MEMS-IMU而言,依据其误差参数补偿测量精度有着更加重要的实际意义,是提升其使用性能不可或缺的手段。本文针对现有的MEMS惯性测量单元对全误差参数进行误差分析和标定补偿的研究。本文从确定性误差和随机误差两个方面开展了MEMS惯性测量单元的误差特性分析,研究了各项误差的产生机理以及辨识方法。首先对三项确定性误差设计了正反速率实验和静态多位置实验进行标定;又对随机噪声采用Allan方差方法进行分析,估计出了五项随机噪声。并针对测试转台精度制约着器件标定效率以及标定流程过于繁琐的缺陷,研究了系统级标定理论对MEMS惯性测量单元标定及补偿方法,提出一种基于卡尔曼滤波的主子惯组匹配标定算法,在传统的系统级标定方法基础上引进高精度主惯组的数据作为基准量,将卡尔曼滤波器降阶至12维的同时又添加了陀螺仪g值有关一次项误差的标定。在一定程度上加快了滤波器的收敛速度,缩短了标定时间。文章最后通过基于低精度三轴转台的实验对比了分立式和系统级两种标定方法的IMU补偿结果,通过对照实验可以证明:对于低精度转台而言,文中提出的基于卡尔曼滤波的主子惯组匹配标定方法标定精度更高,时间更短,补偿效果更好,可以满足中低精度惯性测量单元的实际标定需求。
温哲君[2](2020)在《基于SINS的组合导航技术研究》文中研究指明组合导航技术根据信息融合理论,采用最优估计算法将各个导航系统进行组合,解决单一导航源的不足,达到优势互补目的,现已成为复杂环境下定位导航的重要手段,其中SINS/GNSS组合导航应用最为广泛。本文针对信息融合的核心,即导航传感器可靠性、数学模型建立及滤波估计算法三个方面,以基于SINS的组合导航系统为研究对象通过搭建相关软件仿真平台展开研究,主要内容包括:(1)针对光纤陀螺静态随机噪声,本文研究通过时间序列的建模补偿方法,并与惯性导航初始对准相结合,通过采集实际陀螺数据进行离线仿真试验,验证陀螺随机噪声的方差可有效降低,初始对准过程中减小姿态角误差波动,提升对准性能;(2)在基于速度、位置的组合导航算法基础上,设计了一种完备的容错组合导航算法,导航过程中检测传感器和系统的可靠性,对可能出现的多种异常状况给出处理应对措施。其中,对于丢星给出一种运动学约束方法,对于保证计算实时性给出一种两步卡尔曼滤波方法,对于滤波发散根据新息推导自适应因子进行调节,通过仿真试验与常规方法比较验证算法的合理性;(3)推导了基于伪距、伪距率的非线性组合导航系统模型,对几种非线性算法展开对比分析,包括EKF、UKF和UPF。为了克服导航过程中系统自身摄动和外界噪声的干扰,结合抗差M估计与强跟踪思想设计了一种抗差强跟踪UKF算法,对观测噪声进行筛选调节,并构造渐消因子作用于状态一步预测协方差,动态调整滤波中对于先验信息和观测量的选取,通过仿真试验进行不同算法的对比验证;(4)基于搭建的硬件平台对组合导航系统进行半物理仿真试验和全实物跑车试验,设计系统验证方案,并对试验结果进行处理对比分析,验证算法的有效性和系统实际导航性能。论文在常规线性、非线性组合导航的基础上设计了相关的改进算法,通过搭建仿真平台进行仿真试验,验证了不同模拟环境下所述算法的性能。最后利用嵌入式软硬件技术,完成组合导航系统的设计和实物测试,结果表明导航精度符合预期,性能良好。
熊浩[3](2019)在《船载高精度GNSS/INS组合导航关键技术及重力误差机理研究》文中研究指明作为舰船等水面运载体的核心导航设备,基于激光陀螺的高精度GNSS/INS组合导航系统可充分发挥惯导系统(Inertial Navigation System,INS)和全球卫星导航系统各自的优势,实现高精度、高可靠性、高采样率和长航时位置、速度和姿态测量。随着舰船搭载武器装备种类的不断增多、性能的不断提升,对GNSS/INS组合导航系统的测量精度提出了更高的要求。论文以海上高精度导航测绘为需求牵引,将精密单点定位(Precise Point Positioning,PPP)与高精度激光陀螺捷联惯导组合导航,深入分析了重力扰动的影响机理,旨在实现系统测量精度的进一步提高。论文的具体内容如下:(1)PPP/INS组合导航理论建模与测量精度分析。针对远海船载作业环境基站架设,差分定位方式使用受限,论文提出利用PPP技术与高精度惯导组合。首先,对PPP技术中观测量误差精密改正、滤波模型构建等进行了阐述。而后,分别介绍了PPP/INS松组合和紧组合工作原理,构建了n系下组合导航滤波模型。最后,开展了静态半实物仿真和海上实船实验。仿真和实验结果表明,相比于SPP,将PPP方式与高精度惯导组合,可显着提高系统位置测量精度,略微提高姿态测量精度。当卫星观测条件良好、且使用同一GNSS定位方式时,由于观测信息同源,GNSS/INS松组合和紧组合测量精度相当。(2)提出了将PPP方式用于船载GNSS/INS组合垂线偏差测量。阐述了课题组提出的垂线偏差测量“姿态观测法”的基本原理,将PPP方式与高精度惯导组合,用于系统高精度姿态求解。设计了相应仿真实验,以水平姿态对垂线偏差的跟踪误差为评价指标,验证了PPP相比于SPP方式在垂线偏差测量上的优势。最后,结合海上实测数据,进行了PPP/INS组合导航垂线偏差测量研究,并开展了精度验证。精度验证结果表明,相比于SPP,PPP方式可提高垂线偏差测量精度。(3)GNSS/INS组合导航系统误差分析与建模。简要介绍了激光陀螺捷联惯导工作原理,阐述了各误差源产生机理及数学模型。在此基础上,开展了惯导系统级标定研究,仿真和内场实验结果表明,惯性器件误差参数可被精确标定,揭示了重力扰动将成为制约GNSS/INS组合导航系统精度提升的关键因素。(4)常规GNSS/INS组合导航误差建模时重力异常对系统位置估计的影响分析及其模型优化。对于松组合,从惯导误差传播方程和Kalman滤波出发,定性分析了重力异常对组合系统位置估计的影响。设计了相应仿真,仿真结果表明,在常规组合导航误差建模方式下,航迹上剧烈变化的重力异常可导致高精度组合导航系统高度估计误差。针对上述问题,提出了重力异常补偿、重力异常建模以及迭代Q参数调整等方法对常规松组合误差模型进行优化,并通过仿真和海上实船实验验证了各模型优化方法的有效性。对于紧组合,推导了常规GNSS/INS紧组合误差建模方式下系统位置校正量的解析表达式,并进行了定性分析。设计了相应静态半实物仿真实验,证明了在常规紧组合误差建模方式下,航迹上剧烈变化的重力异常可导致高精度GNSS/INS紧组合水平位置和高度估计误差。采用重力异常补偿、重力异常建模以及迭代Q参数调整等方式优化了常规紧组合模型,通过海上实船实验验证了各紧组合模型优化方法的有效性。(5)深入分析了垂线偏差对高精度GNSS/INS组合导航姿态估计的影响。论文从惯导速度误差传播方程出发,推导了垂线偏差导致的系统水平姿态估计误差的解析表达式。进一步,结合惯导姿态误差传播方程和Kalman滤波基本理论,得到了垂线偏差导致的航向估计误差的解析表达式。设计了相应仿真实验,证明了垂线偏差对GNSS/INS组合导航姿态估计的影响。开展了海上实船验证实验,对上述结论进行了进一步验证。(6)深入分析了大俯仰机动下重力异常对高精度GNSS/INS组合导航姿态估计的影响。在垂线偏差分析的基础上,分别推导了惯导绕X轴和绕Y轴俯仰机动时重力异常导致的系统姿态估计误差解析表达式。设计了相应仿真实验,验证了大俯仰机动下重力对系统姿态估计的影响。开展了内场静态实验,实验结果进一步证明了重力异常可导致GNSS/INS组合导航系统估计误差。
刘娟花[4](2019)在《多尺度数据融合算法及其应用研究》文中指出分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测(Forward Linear Prediction,FLP)融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。
王启明[5](2019)在《基于单轴旋转调制的捷联式惯性导航系统关键技术研究》文中研究说明在现有惯性器件精度的情况下,旋转调制技术是提高捷联惯性导航系统精度的重要手段。本文从满足船舶导航定位的实际需求出发,以单轴旋转调制技术作为研究对象,探索基于单轴旋转调制的捷联式惯性导航系统关键技术,以提高系统导航精度和性能。研究内容主要包括:1.针对高精度的导航解算算法要求,在旋转调制式捷联惯导系统中采用了角度调制型的解算结构,避免了转位机构误差对导航定位精度的影响。在姿态解算过程中,利用陀螺角速度输出的特点,使用了基于旋转矢量的梯形算法,并对不可交换性误差进行了补偿,仿真结果表明在晃动基座条件下该算法的解算精度满足使用要求。2.针对旋转调制方案的选择问题,从惯性器件的误差形式和旋转调制的需求出发,确定了基于单轴旋转调制的四位置旋停方案。在此方案下,详细分析了系统各项误差的调制作用,仿真验证了旋转调制效果。针对载体航向运动削弱旋转调制效果的问题,采用了使惯性器件直接相对导航坐标系进行四位置旋停的方案,仿真验证了该方法的合理性。3.单轴旋转调制系统无法调制系统初始误差,并且部分惯性器件误差仍得不到调制,如转轴方向的常值误差。为完成系统粗对准,主要介绍了四元素Kalman滤波粗对准法;为完成系统精对准并实现惯性器件误差的估计,根据系统的可观测性和可观测度,确定了精对准Kalman滤波模型。仿真结果验证了本文使用的对准方法和误差估计补偿措施的有效性,表明了旋转调制能有效提高对准效果和误差估计能力。4.精对准中系统误差各个参数的估计速度并不相同,其中陀螺的标度因数误差估计最慢,针对此问题,从误差激励的角度出发,提出了一种惯性器件相对转轴斜置安装的方案,该方案中三轴陀螺的标度因数误差都得到了较大程度的激励,仿真结果表明系统整体误差得到完全估计的速度提高了40%左右。
刘飞飞[6](2019)在《基于MEMS的轻量型位姿测量系统关键技术研究》文中提出位置与姿态测量系统(Position and Attitude System,PAS)是获取目标精确位置和姿态信息的一种装置,现已广泛应用于无人机、机器人、导航、智能穿戴等民用领域以及精确制导弹药等军事领域。普及的应用对PAS提出了轻量化、微型化以及更高精度的要求。此处的轻量化包括两层含义:系统重量的轻量化和系统核心算法的轻量化;后者指在系统满足使用需求的情况下,尽可能的使系统结构更加精简、系统算法更加高效。而激光陀螺、光纤陀螺和磁悬浮机械陀螺等高精度惯性器件受价格、体积、重量、解算算法复杂度较大、平台计算能力要求高等影响,无法得到广泛应用:微机械惯性器件的出现,使得位姿测量系统的轻量化和小型化成为可能,逐渐引领位置与姿态测量系统的发展方向。但MEMS惯性器件灵敏度低、一致性差,严重制约约了其在较高精度场合下的应用。本文以微惯性器件为核心,展开对轻量型PAS系统的关键技术的研究,重点关注误差成因、补偿及标定方法、滤波和融合方法等方面,以提高基于微惯性器件的 PAS系统的整体精度和稳定性。本文的主要研究工作如下:1.针对MEMS惯性器件精度切较低,误差材种类多的问题,研究了MEMS-IMU误差补偿理论,经Allan方差法分析得出:MEMS陀螺仪的随机误差主要成因是其零偏不稳定性和速率随机游走;在对比、分析转台多位置标定加速度计、离心机标定加速度方案后,设计了采集铅锤线和水平仪辅助加速度计校准的静态六位置编排方案,简化加速度计标定过程,实验结果表明该方案有效,能够对MEMS加速度计的误差进行校准;最后采用八字校准法采集当地地磁数据、利用最小二乘椭拟合法完成磁力计校准;对于MEMS陀螺仪校准,提出了磁力计辅助陀螺在线校准的标定算法,建立载体角速率在磁坐标系与MEMS陀螺仪角速率为主的Kalman滤波系统方程和地磁场感应矢量信息误差为观测方程,实现对陀螺的在线校准,提高惯性器件的测量精度的同时尽可能的降低器件的标定复杂度。2.研究SINS系统误差传递原理及姿态更更新方法,比较了现有姿态解算方法的优缺点,结合MEMS惯性器件特性,选择以MEMS陀螺仪角速率近似计算角增量更新姿态四元数,减轻系统算法运算量,利用多元有限拟合法完成了加速度计温漂补偿,加速度温度漂移减小30%以上,器件随机漂移小于4mg,提高了系统姿态测量精度;验证了 MEMS惯性器件纯SINS位置解算,实验表明SINS高度通道不收敛。3.采用GNSS/SINS忪组合模式,建立了以SINS误差量为状态量的Kalman滤波系统方程和GNSS/SINS系统位置、速度差值为观测量的观测方程,实现了基于MEMS惯性器件的位置与姿态解算,利用系统验证了系统的测量精度。实验结果表明,系统能够有效抑制位置误差和姿态误差,静态水平定位误差CEP(50%置信率)4米,姿态测量精度优于0.2°;动态测试下,姿态测量精度优于1°。
朱锋[7](2019)在《GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术》文中提出全球卫星导航系统作为国家重要的空间信息基础设施,具备全球、全天候、高精度连续定位、导航和授时的功能,然而,到达地面的GNSS卫星信号非常微弱,存在遮挡、干扰和欺骗三大脆弱性问题,无法在电磁干扰、物理遮蔽等复杂环境下使用,为了保障国家PNT系统的坚韧性,提升导航与位置服务的能力,美国提出了全源定位与导航(ASPN,All Source Positioning and Navigation)计划,同时,我国开展了“羲和系统”的研制并提出协同精密定位技术,随后开始推进以北斗为核心的国家综合PNT体系的建设。这些计划都将多传感器集成、多源异质信息融合确定为未来PNT技术的重要发展方向,也是从根本上解决单一导航系统局限性和脆弱性的有效途径。随着智能化时代的到来,以移动测量为代表的行业应用和以位置服务为代表的大众应用对精密定位定姿技术存在着巨大需求,星载、机载、车载、船载平台的移动测量和自动驾驶汽车、无人机、移动机器人等智能载体的自主导航都高度依赖精密的位置基准信息。因此,多传感器融合的精密定位定姿技术具有十分重要的研究意义与价值。本文旨在对GNSS/SINS/视觉多传感器融合的理论模型与技术方法开展系统深入的研究,提升复杂环境下精密定位定姿的能力,论文的主要工作和贡献如下:1)从模型简化与统一的角度,总结了精密单点定位和差分定位方式下的松/紧组合模型,并讨论了地面车辆可挖掘的多源约束信息及融合策略;面向车载场景,提出了一种以速度为主线的级联对准方案;为了实现双向滤波与双向平滑,给出了前向/后向的机械编排算法;在双天线GNSS/SINS组合测姿中,采用失准角模型代替欧拉角模型,达到与松组合兼容的目的。2)设计了一种称为“半紧组合”的新结构,既兼容了松组合与紧组合的优势,又克服了各自的主要缺陷,能够在卫星数不足的情况下,保持与紧组合一样的定位定姿精度,又解决了紧组合利用“传递”模式进行模糊度固定的风险问题,还能实现固定解的RTS平滑,是一种适用于多传感器分布式滤波的有效方法。3)为了增强复杂环境下的模糊度固定性能,分别从位置域、大气域、模糊度域的角度提出了三种新方法,即惯性辅助PPP模糊度固定、电离层建模约束的S2L-RTK、模糊度整合的后处理算法。理论分析与数据处理表明:当惯性递推的位置精度优于半个波长时,能够辅助模糊度实现瞬时固定;相比于加权电离层RTK模型,S2L-RTK通过电离层建模预报约束,在复杂环境下的模糊度固定率提高了近50%;模糊度整合的后处理算法可以将正确固定的模糊度赋予整个弧段,实现全弧段固定。4)提出了一种新的GNSS/SINS后处理策略,该策略先使用两个独立线程进行前向/后向Kalman滤波,滤波完成后各自进行RTS平滑,最后采用FBC组合技术对前向/后向平滑结果进行融合得到高精度结果。进一步的,通过状态降维和更新率调低,在不损失精度的情况下,大幅度提高了后处理效率,2.65小时的数据仅耗时4.5s,经过后处理平滑后,60s的累积误差从最大的20m减小到0.5m。5)根据移动测量的原理,研究了视觉点云地图与车道线地图生成技术,通过多帧影像前方交会得到路标点局部坐标以及单应性变换得到车道线局部坐标,然后由GNSS/SINS解算得到的相机位姿进行坐标转换,获得ECEF系下视觉点云与车道线坐标。提出了评价视觉点云的质量指标,并通过数据清洗提升了点云质量,由多方面的误差分析表明,车道线的绝对位置精度约为1020cm。6)在视觉点云和车道线两个图层的高精度地图支持下,深入开展了视觉定位以及GNSS/SINS/视觉/车道线约束/里程计多源信息融合的方法,构建了不同信息组合下的数学模型,提出了空间八叉树和特征十叉树加速的视觉定位框架,由KITTI数据集测试表明,视觉定位定姿的精度约为1.5cm和0.06deg,定位成功率接近100%,定位平均耗时为0.316秒,能够满足实时性要求,当与惯性融合时,仅需成功匹配到1个路标点,就能在GNSS长时间失锁(20min)的情况下保持10cm的位置精度。最后测试了2颗卫星情况下的GNSS/SINS/车道线约束/里程融合的实时定位,对于时长为300s的部分遮挡,其三个分量上的位置精度均优于10cm。7)自主研发了一套高精度GNSS/SINS数据融合的处理软件POSMind。该软件具有丰富的可视化界面,既可以单独处理GNSS多系统数据、也可以联合惯性数据进行融合处理,支持精密单点定位(PPP)、差分定位(DGNSS)、松组合(LCI)、紧组合(TCI)、半紧组合(STC)多种混合模式,并提供前向/后向滤波器、前向/后向RTS平滑器以及组合器,实现多种信息的最优融合,是目前唯一提供IAR-PPP/SINS组合功能的软件。在此基础上,实现了视觉地图支持下的GNSS/SINS/视觉/里程计多传感器融合的实时定位定姿算法。
宁一鹏[8](2019)在《GNSS/INS组合导航系统初始对准及其故障修复研究》文中研究指明全球卫星导航系统可在无遮蔽环境中为用户提供高精度、低频率的导航定位服务,但在复杂环境中,GNSS信号易被遮挡或干扰。惯性导航系统经过初始化后,能够独立自主提供高频率、连续的位置、速度和姿态信息。通过二者合理结合,能够在遮蔽或半遮蔽环境中为用户提供连续且可靠的导航解。本文重点研究GNSS/INS组合导航系统初始化及其故障修复方法,内容涵盖高精度惯导快速自对准技术、大失准角故障处理、磁力计辅助MEMS IMU抗差自适应姿态融合、神经网络辅助GNSS/INS组合导航系统故障识别与修复和惯导辅助BDS三频周跳探测与修复技术等,主要研究成果如下:(1)初始对准的精度和速度将直接影响惯性导航系统的导航定位性能。针对静基座对准的精度低、收敛速度慢、可观测性差等问题,建立了静基座对准模型,利用PWCS法对静基座的可观测性进行了分析,提出了利用转位机构增强可观测性的最优多位置对准方案。结果表明,提出的最优三位置对准方法能实现所有状态量可观测,提高状态量的估计精度,有效缩短对准时间。(2)大方位失准角会使SINS误差模型的非线性程度大大增强,从而导致传统EKF滤波估计精度降低甚至发散。针对惯性系统大失准角故障,推导了SINS任意失准角误差模型,引入了单行采样的sigma点策略,降低UT变换的复杂度,同时为了保证精度,提出利用比例最小偏度动态调整sigma点至采样中心的距离,避免高阶项误差。利用提出的SSUKF处理大失准角对准的非线性方程,结果表明,SSUKF算法具有与SUKF算法近似的估计精度,但计算复杂度明显降低,有利于减少计算量。(3)低精度MEMS IMU姿态初始化需要磁力计等其他传感器辅助,但外部磁干扰环境会导致磁力计出现量测故障。针对磁力计故障,提出了简化的六参数校正模型,改进了传统的LM算法,优化了迭代策略,建立了载体系下现场快速磁力计校正算法。在此基础上,基于相关观测抗差估计理论提出了磁力计/IMU抗差自适应融合定姿模型。结果表明,该模型能有效削弱磁力计故障引起的姿态融合异常,且实现了低精度IMU短时受振时的姿态稳健融合估计。(4)复杂城市环境中,GNSS/INS组合导航系统易受观测值粗差和动力学模型故障双重影响。针对传统故障检测手段无法识别两类故障的弊端,建立了基于马氏距离的整体故障检测方法,提出了最优RBF神经网络训练策略并辅助组合导航故障识别,然后针对识别的不同故障来源分别建立了双调节抗差因子和自适应遗忘因子进行调节,有效识别、分离并削弱组合系统中的两类故障。结果表明,针对较小的密集GNSS观测值粗差,最优RBF神经网络的识别成功率可达92%。此外,当GNSS信号完全失锁时,最优RBF神经网络还能根据INS测量值预测导航解,短时间内继续提供高精度位置信息。(5)强多路径环境中,严重的伪距多路径效应会导致卫星整周跳变或失锁,历元间变化剧烈的伪距多路径残差还会影响周跳估值的判定,导致传统三频伪距相位组合周跳探测模型失效。为了实现强多径环境中周跳的准确探测与修复,以BDS/INS组合系统为例,提出了INS定位辅助的北斗三频组合法,构建了INS辅助的周跳决策量,优选了强多路径环境中的决策量组合,分析了INS定位误差对周跳探测能力的影响。结果表明,惯性辅助的周跳探测方法有效减少了强多路径环境中的周跳误探概率,对密集小周跳的探测与修复不受多路径效应残差影响。该论文有图93幅,表29个,参考文献187篇。
王鼎杰[9](2018)在《卫星辅助增强微惯性导航精度方法研究》文中进行了进一步梳理随着高性能、低成本MEMS惯性器件的不断涌现,曾经昂贵、庞大的惯性/卫星组合系统发展成低成本、低功耗、微型化的微惯性/卫星组合导航系统,将惯性/卫星组合技术覆盖到过去用不起或用不上的小型无人机应用领域。微惯性/卫星组合导航系统能够提供连续、可靠的位置、速度和姿态等全维导航信息,赋予小型无人机全天候、实时、高精度的自主导航能力,是实现自主飞行、精密进近着陆(舰)或撞网回收等任务的核心关键系统。为提升传统惯性/卫星组合技术的现有导航精度,本文以高精度、小型化微惯性/卫星组合导航系统为研究对象,开展微惯性/卫星组合导航随机误差精确建模方法、载波相位时间差分辅助微惯性/卫星紧组合导航方法、神经网络辅助增强MEMS惯性导航方法和MEMS惯性导航动态初始对准方法研究,并搭建组合导航系统原理样机开展算法集成和试验验证评估。主要完成了以下研究工作:(1)为了实现传统惯性/卫星松组合的最优信息融合,提出了一种基于Allan方差分析的MEMS随机误差建模及量测噪声自适应估计的松组合方法。该方法采用Allan方差分析技术对微惯性器件噪声进行辨识与精细建模,然后基于归一化新息的卡方检验对GNSS定位粗差进行探测,并通过协方差匹配方法剔除粗差影响,同时根据Allan方差计算过程的带通滤波特性对量测输出进行频率分割,以优化融合效果。RTK/MEMS-SINS组合导航车载试验表明,该方法将定位、定姿均方根从0.089m、0.138°缩小至0.047m、0.117°,精度整体上分别提升了47%和15%。SPP/MEMS-SINS组合导航车载试验表明,该方法对组合导航定位、定速和定姿均方根分别从5.1852m、0.1465m/s、0.2131°缩小至4.2497m、0.0645m/s、0.1735°,精度整体上分别提升了约18%、56%和19%。该方法提升了传统松组合导航精度。(2)为提升无基准站辅助条件下的单站绝对导航性能,提出了一种基于载波相位时间差分(Time-Differenced Carrier Phase,TDCP)辅助MEMS-SINS组合导航方案。一方面,从GNSS历元间速度积分角度,推导更加精确的速度积分项近似公式,直接利用载波相位历元间星间差分观测量构建全紧组合观测方程。另一方面,从GNSS历元间位置差分角度,由TDCP测量值最小二乘估计获取精密历元间位置增量,并基于几何约束构建拟紧组合观测方程。车载导航试验结果表明,拟紧组合方案定位、定速和定姿均方根误差达到2.4866m、0.0533m/s和0.1599°;全紧组合方案定位、定速和定姿均方根误差分别达到2.6424m、0.0465m/s和0.0990°,且定位误差更加平滑。显然,全紧组合方案整体性能优于拟紧方案,在定速和定姿精度上提升了12.52%和25.08%,位置精度相当。拟紧组合方法可取之处在于其观测维数始终为3(全紧组合观测维数为mn,m是GNSS频点数,n是可用卫星颗数),有利于嵌入式实时导航系统实现。另外,探讨了MEMS惯性辅助探测GNSS单频小周跳问题,初步验证了MEMS惯导短期辅助GNSS单频小周跳探测的可行性。(3)针对GNSS缺失条件下组合导航精度退化的缺陷,提出了一种旨在同时提升位置、速度和姿态精度的神经网络辅助Kalman滤波组合导航方法。该方法在有GNSS信号时训练BP神经网络,建立惯性测量与GNSS位置增量间的经验模型,在GNSS缺失时采用训练好的BP网络预报载体位置增量,构建位置增量观测方程。为了抑制网络预报异常对信息融合的不利影响,该方法同时采用抗差自适应Kalman滤波框架对SINS误差进行在线校准。车载半仿真试验表明,在40秒GNSS中断条件下,该网络辅助Kalman滤波方法将惯性导航最大定位和定速误差分别降低约21.33%和19.35%,最大定姿误差略有改善。试验结果初步验证该方法具备在GNSS长时间中断条件下提升微惯性/卫星组合导航定位、定速和定姿精度的能力。(4)针对无人机机载动态条件下低成本MEMS惯性导航系统的姿态初始化及模型非线性难题,提出了一种新的快速空中动态初始对准方法。空中动态粗对准方法利用GNSS速度信息和MEMS加速度计测量值构造定姿双向量,从而在载体运动条件下获取其较为准确的姿态信息。机载试验表明,该空中动态粗对准算法偏航角、俯仰角和滚转角均方根误差优于15°、7°和9°,基本满足后续精对准的小角度要求。动基座精对准方法采用Cubature变换减小线性化误差的不利影响,同时采用状态扩展方式来捕获有意义的高阶矩信息、减小非加性IMU噪声的不利影响。机载试验表明,该方法能够处理大、小失准角条件下的MEMS-SINS初始对准模型非线性问题,性能优于传统Kalman滤波方法,且无需模型切换即可实现由大初始姿态角误差到小初始姿态角误差的无缝对准。(5)针对试验评估中对高精度导航参考基准的需求,提出了一种基于简化RTS反向平滑的RTK/MEMS-SINS组合高精度事后基准确定算法,并通过对组合导航误差Allan方差分析,指出RTS反向平滑对组合导航中长期精度的显着改善作用。车载动态试验结果表明:相对于传统Kalman滤波,RTS反向平滑方法能够将组合导航定位、定速和定姿精度进一步提升40%、12%和20%。RTS平滑不仅改善了组合导航短期精度,而且显着改善了中长期精度,但是无法有效改善高频噪声影响。该方法可作为GNSS/INS组合导航事后评估的高精度参考基准确定方法。(6)搭建GNSS/MEMS-SINS组合导航系统原理样机,开展了多种组合导航方案的系统集成与车载试验评估分析。车载盲导穿越障碍试验结果表明,该组合导航系统精度和实时性可满足高速车载精密导航应用需求。
孙牧[10](2018)在《双轴旋转调制式捷联惯导系统误差抑制技术研究》文中研究指明为保卫我国广袤领海海域完整、探测开发深海资源,大型舰船和水下潜器是重要基础,特别是对于潜艇必须保证其隐蔽性、自主性和安全性,因此导航系统提供长航时、高精度的自主导航定位信息能力是关键因素。惯导系统利用陀螺和加速度计测量载体角运动和线运动参数并通过航位推算获得导航信息,是唯一适用于潜艇水下使用环境的自主导航系统,但是其误差随时间累积发散,亟待提高自身误差抑制能力。惯导系统精度受制于惯性器件的精度,当精度达到一定水平后,因成本、制作工艺等制约,很难在短期内得到进一步改善。在现有器件精度水平的基础上,采用旋转调制系统级误差抑制技术,是一种低成本、高效的抑制长航时惯导系统误差发散的方法。本文在国家自然科学基金仪器专项、优秀青年基金项目支持下,为实现长航时、高精度导航,围绕双轴旋转调制惯导系统误差抑制机理、旋转方案优化设计、系统误差自标定以及旋转控制等问题进行深入研究,提出基于双轴旋转调制式光纤陀螺捷联惯导系统长航时误差抑制解决方法,提高了长航时导航精度。本文的主要内容和创新点如下:研究了双轴旋转调制式惯导系统(简称双轴旋转惯导系统)误差抑制特性,建立了双轴旋转惯导系统误差传播方程,以及双轴旋转环架轴系非正交角模型和旋转角误差模型。分析了惯性器件的常值漂移和零偏、刻度系数误差、安装误差、轴系非正交角和旋转角误差对长航时导航精度的影响,明确了各误差源对系统导航误差的作用效果,为后续误差抑制方法研究奠定了基础。研究了双轴旋转惯导系统旋转调制策略及实现方案,提出了双轴往复交替转停式旋转模式,确定了最优旋转速度范围,验证了该模式下可以最大限度抑制系统误差累积。提出了一种“先解算后解调”的解算数据处理方法,该方法可避免旋转角误差对姿态解算影响,提高了姿态解算精度。提出了一种三十二位置旋转方案,通过单次旋转90°以增加旋转次序和停转时间比,减小二次谐波误差影响,提高了长航时导航精度。提出了一种基于旋转姿态变化补偿隔离载体航向运动的方法,解决了惯性测量单元(IMU)旋转角位置因航向运动难以实现预定旋转方案问题,对工程实践具有指导意义。研究了双轴旋转惯导系统误差自标定方法,利用旋转环架转动与可观测性之间的关系,设计了基于双轴连续旋转的误差自标定方法。针对双轴旋转环架存在非正交性问题,分析轴系非正交角对导航误差的作用,提出了基于轴系非正交角与IMU姿态耦合关系的一种简单、快速二位置旋转自标定方法,避免了传统标定方法设计复杂、估计时间长等问题。针对调制和补偿后的剩余误差引起系统周期性振荡问题,设计了双轴旋转惯导系统的全阻尼网络,有效抑制了剩余误差引起的周期性振荡对长航时导航精度的影响。提出了基于内模控制的旋转控制算法,以解决旋转环架的转速波动误差对旋转调制效果的影响,保证旋转调制方案的有效实现。设计了全状态反馈调节器,推导了稳定性条件,实现了系统对旋转指令的稳定跟踪,消除外部扰动影响,稳态误差较小,仿真结果验证了所提算法的有效性。利用双轴旋转调制式光纤陀螺捷联惯导系统开放式平台,对本文提出的旋转控制策略、误差自标定方法、阻尼等技术的可行性和实用性进行验证。实验结果表明,双轴旋转惯导系统采用常值漂移为0.003°/h的光纤陀螺,在38h内工作定位精度优于0.24nmile,满足长航时、高精度导航需求,验证了所提方法的有效性。
二、激光陀螺随机噪声参数估计和滤波方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、激光陀螺随机噪声参数估计和滤波方法研究(论文提纲范文)
(1)MEMS惯性测量单元全参数标定方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景 |
1.2 研究目的和意义 |
1.3 MIMU国内外现状 |
1.3.1 MIMU国内外发展现状分析 |
1.3.2 测试标定技术国内外发展现状分析 |
1.4 主要研究内容及论文结构安排 |
2 MIMU误差分析与误差模型建立 |
2.1 MIMU误差特性分析 |
2.2 MIMU确定性误差 |
2.2.1 MIMU误差建模 |
2.2.2 MEMS惯性测量单元分立标定实验 |
2.3 MIMU随机误差 |
2.4 本章小结 |
3 捷联惯导系统数据解算与误差补偿 |
3.1 引言 |
3.2 捷联惯性导航系统坐标系 |
3.3 惯性导航基本原理 |
3.4 MIMU噪声预处理方法 |
3.5 姿态解算 |
3.6 速度更新算法 |
3.7 位置更新算法 |
3.7.1 位置矩阵与经纬度的关系 |
3.7.2 位置矩阵的确定 |
3.8 基于DSP的双路导航解算系统 |
3.9 本章小结 |
4 主子惯组匹配标定算法 |
4.1 引言 |
4.2 捷联惯导系统误差模型 |
4.2.1 器件误差模型 |
4.2.2 姿态误差方程 |
4.2.3 速度误差方程 |
4.2.4 位置误差方程 |
4.3 主子惯组匹配标定算法原理 |
4.4 卡尔曼滤波器构建 |
4.4.1 系统状态方程 |
4.4.2 系统观测方程 |
4.5 本章小结 |
5 MIMU标定实验与分析 |
5.1 引言 |
5.2 标定设备与实验条件 |
5.3 分立式标定实验 |
5.3.1 分立式标定实验流程 |
5.3.2 分立式标定实验结果 |
5.4 系统级标定实验结果 |
5.5 误差补偿与分析 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及所取得的研究成果 |
致谢 |
(2)基于SINS的组合导航技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 导航系统发展及研究现状 |
1.2.1 惯性导航系统 |
1.2.2 卫星导航系统 |
1.2.3 组合导航系统 |
1.3 组合导航信息融合算法研究现状 |
1.3.1 卡尔曼滤波算法及发展 |
1.3.2 自适应滤波算法 |
1.4 本文主要研究内容及安排 |
2 捷联惯性导航系统基本原理 |
2.1 概述 |
2.2 地球模型及常用参数 |
2.3 常用坐标系及转换关系 |
2.3.1 常用坐标系介绍 |
2.3.2 坐标系转换关系 |
2.4 捷联惯性导航系统解算方法 |
2.4.1 姿态解算 |
2.4.2 速度解算 |
2.4.3 位置解算 |
2.5 捷联惯性导航系统误差传播模型 |
2.5.1 姿态误差传播模型 |
2.5.2 速度误差传播模型 |
2.5.3 位置误差传播模型 |
2.5.4 惯性器件误差传播模型 |
2.6 本章小结 |
3 光纤陀螺随机噪声滤波与惯性导航初始对准 |
3.1 概述 |
3.2 光纤陀螺数据预先处理 |
3.2.1 光纤陀螺数据采集 |
3.2.2 异点去除 |
3.2.3 常值分量去除 |
3.2.4 趋势项去除 |
3.3 光纤陀螺数据统计性检验 |
3.3.1 平稳性检验 |
3.3.2 正态性检验 |
3.3.3 零均值检验 |
3.4 随机噪声模型建立与滤波 |
3.4.1 模型选择 |
3.4.2 阶次和参数识别 |
3.4.3 随机噪声的卡尔曼滤波 |
3.5 捷联惯性导航初始对准 |
3.5.1 粗对准 |
3.5.2 基于卡尔曼滤波的精对准 |
3.6 考虑陀螺随机噪声的初始对准 |
3.7 本章小结 |
4 SINS/GNSS组合导航容错算法研究 |
4.1 概述 |
4.2 速度/位置组合导航系统模型 |
4.2.1 系统状态方程 |
4.2.2 系统观测方程 |
4.2.3 系统方程离散化 |
4.3 卡尔曼滤波器设计 |
4.3.1 卡尔曼滤波基本原理 |
4.3.2 误差校正方法 |
4.4 组合导航系统可靠性分析 |
4.4.1 惯组数据有效性检验及处理 |
4.4.2 GNSS数据有效性检验 |
4.4.3 GNSS数据异常及丢星策略 |
4.4.4 滤波状态判断 |
4.4.5 组合导航实时性研究 |
4.5 组合导航时空误差补偿 |
4.5.1 时间误差补偿 |
4.5.2 空间误差补偿 |
4.6 自适应卡尔曼滤波 |
4.6.1 自适应因子构造 |
4.6.2 算法流程 |
4.7 仿真试验及结果分析 |
4.7.1 仿真环境设计 |
4.7.2 仿真试验一 |
4.7.3 仿真试验二 |
4.7.4 仿真试验三 |
4.8 本章小结 |
5 SINS/GNSS组合导航非线性算法研究 |
5.1 概述 |
5.2 伪距/伪距率组合导航非线性系统模型 |
5.2.1 系统状态方程 |
5.2.2 系统观测方程 |
5.3 非线性滤波算法 |
5.3.1 扩展卡尔曼滤波EKF |
5.3.2 无迹卡尔曼滤波UKF |
5.3.3 粒子滤波PF |
5.3.4 无迹卡尔曼粒子滤波UPF |
5.3.5 UPF的改进算法 |
5.4 抗差强跟踪UKF滤波算法 |
5.4.1 M估计与等价权函数 |
5.4.2 强跟踪滤波 |
5.4.3 故障检测 |
5.4.4 算法流程 |
5.5 仿真试验及结果分析 |
5.5.1 仿真试验一 |
5.5.2 仿真试验二 |
5.6 本章小结 |
6 组合导航系统设计与测试 |
6.1 概述 |
6.2 组合导航系统硬件设计 |
6.2.1 导航计算机硬件介绍 |
6.2.2 处理器介绍 |
6.2.3 系统各设备介绍 |
6.3 组合导航系统软件设计 |
6.3.1 软件总体方案 |
6.3.2 初值计算模块 |
6.3.3 惯导解算模块 |
6.3.4 组合导航模块 |
6.4 半物理仿真试验 |
6.4.1 试验方案概述 |
6.4.2 试验结果分析 |
6.5 跑车试验 |
6.5.1 试验方案概述 |
6.5.2 试验结果分析 |
6.6 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
附录 |
(3)船载高精度GNSS/INS组合导航关键技术及重力误差机理研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景与意义 |
1.2 地球正常重力以及重力扰动定义 |
1.3 课题相关研究现状 |
1.3.1 激光陀螺捷联惯导研究现状 |
1.3.2 PPP技术研究相关现状 |
1.3.3 GNSS/INS组合导航系统重力扰动影响分析 |
1.4 论文结构与研究内容 |
第二章 基于PPP的 GNSS/INS组合导航理论与测量精度分析 |
2.1 PPP技术理论基础 |
2.1.1 PPP误差精密改正 |
2.1.2 PPP滤波模型构建 |
2.2 PPP/INS组合导航滤波模型构建 |
2.2.1 PPP/INS松组合滤波模型 |
2.2.2 PPP/INS紧组合滤波模型 |
2.3 PPP/INS组合导航系统测量精度验证 |
2.3.1 静态半实物仿真验证 |
2.3.2 海上实船实验验证 |
2.4 船载PPP/INS组合导航高精度垂线偏差测量 |
2.4.1 “姿态观测法”测量原理 |
2.4.2 仿真分析 |
2.4.3 海上实船实验 |
2.5 本章小结 |
第三章 GNSS/INS组合导航系统误差分析与建模 |
3.1 激光陀螺捷联惯导工作原理 |
3.2 激光陀螺捷联惯导误差模型 |
3.2.1 激光陀螺捷联惯导主要误差源 |
3.2.3 激光陀螺捷联惯导误差传播方程 |
3.3 船载GNSS/INS组合导航系统测量误差初步分析 |
3.3.1 激光陀螺捷联惯导误差标定 |
3.3.2 船载动态仿真分析 |
3.4 本章小结 |
第四章 重力扰动对GNSS/INS组合导航系统位置估计的影响分析及模型优化 |
4.1 重力异常对GNSS/INS松组合位置估计的影响分析及模型优化 |
4.1.1 常规GNSS/INS松组合建模时重力异常影响分析 |
4.1.2 GNSS/INS松组合模型优化 |
4.1.3 海上实船实验 |
4.2 重力异常对GNSS/INS紧组合位置估计的影响分析及模型优化 |
4.2.1 常规GNSS/INS紧组合建模方式下重力异常影响分析 |
4.2.2 海上实船实验 |
4.3 本章小结 |
第五章 重力扰动对GNSS/INS组合导航系统姿态估计的影响分析 |
5.1 垂线偏差对组合导航姿态估计的影响分析 |
5.1.1 理论分析 |
5.1.2 仿真研究 |
5.1.3 海上实船验证 |
5.2 大俯仰机动下重力异常对组合导航姿态估计的影响分析 |
5.2.1 理论分析 |
5.2.2 仿真研究 |
5.2.3 内场静态实验 |
5.3 本章小结 |
第六章 论文工作总结与展望 |
6.1 论文主要工作 |
6.2 论文主要创新点 |
6.3 论文下一步工作计划 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录 A 常用坐标系定义 |
(4)多尺度数据融合算法及其应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文的研究背景及意义 |
1.2 多传感器信息融合概述 |
1.2.1 信息融合的概念和优点 |
1.2.2 信息融合的模型 |
1.2.3 信息融合的方法 |
1.2.4 信息融合技术的研究现状 |
1.3 多尺度数据融合有关技术及进展 |
1.3.1 多尺度系统估计理论研究概况 |
1.3.2 多尺度数据融合的应用及研究现状 |
1.3.3 多尺度数据融合概念的演变 |
1.4 MEMS陀螺仪中漂移信号处理方法研究现状 |
1.5 陀螺仪中的多尺度数据融合及需要解决的问题 |
1.6 本文的主要研究内容及结构安排 |
2 多尺度数据融合算法及其有效性的证明 |
2.1 引言 |
2.2 小波分解原子时算法 |
2.2.1 常见时间尺度 |
2.2.2 原子时算法 |
2.2.3 小波分解原子时算法的提出 |
2.2.4 小波分解原子时算法有待解决的问题 |
2.2.5 小波分解原子时算法的基本原理 |
2.3 预备知识 |
2.3.1 原子钟的噪声特性 |
2.3.2 相关说明 |
2.4 随机信号数据融合的理论体系 |
2.4.1 平稳单尺度数据融合 |
2.4.2 平稳多尺度数据融合 |
2.4.3 非平稳单尺度数据融合 |
2.4.4 非平稳多尺度数据融合 |
2.5 非平稳多尺度数据融合定理的证明 |
2.6 分析与讨论 |
2.7 本章小结 |
3 多尺度数据融合算法的小波包实现 |
3.1 引言 |
3.2 小波变换和小波包变换 |
3.3 小波包的基本理论 |
3.3.1 正交小波包的定义与性质 |
3.3.2 小波包的子空间分解 |
3.3.3 小波库及小波包基的定义 |
3.3.4 小波包的分解与重构算法 |
3.3.5 最优小波包基的概念 |
3.3.6 最优基的快速搜索 |
3.4 基于小波包的多尺度数据融合方案 |
3.4.1 基于小波变换的多尺度数据融合算法 |
3.4.2 基于小波包的多尺度数据融合方案 |
3.5 基于小波包的多尺度陀螺融合实验研究 |
3.5.1 MEMS陀螺概述 |
3.5.2 MEMS陀螺随机误差分析 |
3.5.3 MEMS陀螺随机误差的Allan方差分析 |
3.5.4 MEMS陀螺漂移的数学模型 |
3.5.5 MEMS陀螺信号实时小波处理方法 |
3.5.6 基于小波包的多尺度陀螺融合算法仿真实验 |
3.6 本章小结 |
4 小波多尺度数据融合中关键技术 |
4.1 MEMS陀螺噪声特性与小波熵 |
4.1.1 MEMS陀螺误差及噪声特性 |
4.1.2 小波熵 |
4.2 常见的小波簇 |
4.2.1 小波基的性质 |
4.2.2 常用小波基 |
4.3 基于小波变换的数据融合中小波基的选取 |
4.3.1 小波基选取原则 |
4.3.2 小波基的比较 |
4.3.3 小波簇的选取 |
4.3.4 陀螺数据融合效果评价 |
4.3.5 最佳小波基选取实验 |
4.4 小波分解层数的设定 |
4.5 数据融合加权因子的选择 |
4.6 本章小结 |
5 多尺度融合与其它MEMS陀螺信号处理方法的比较 |
5.1 MEMS陀螺仪噪声抑制方法研究概述 |
5.1.1 MEMS陀螺仪噪声抑制方法研究现状 |
5.1.2 卡尔曼滤波和小波阈值去噪法的缺点 |
5.1.3 多尺度数据融合算法的优点 |
5.2 MEMS陀螺数据处理中的多传感器数据融合 |
5.2.1 多尺度融合 |
5.2.2 卡尔曼滤波融合 |
5.2.3 小波阈值融合 |
5.3 基于仿真信号对三种融合方法的比较 |
5.3.1 仿真信号的产生 |
5.3.2 第一组仿真实验(Chirp信号+高斯白噪声) |
5.3.3 第二组仿真实验(Chirp信号+有色噪声) |
5.4 基于实测信号对三种融合方法的比较 |
5.5 三种融合方法比较的结论 |
5.6 多尺度数据融合与FLP(前向线性预测)方法的比较 |
5.6.1 FLP算法 |
5.6.2 基于FLP滤波的多传感器融合方法 |
5.6.3 FLP滤波融合结果和分析 |
5.7 本章小结 |
6 多尺度数据融合系统设计与验证 |
6.1 系统的总体设计方案 |
6.1.1 系统需求分析 |
6.1.2 系统整体框图 |
6.1.3 系统中的主要器件选型 |
6.2 硬件电路设计 |
6.2.1 陀螺仪模块 |
6.2.2 协处理器模块 |
6.2.3 主处理器模块 |
6.2.4 系统实物图 |
6.3 系统软件设计 |
6.3.1 接口部分 |
6.3.2 融合处理部分 |
6.4 实验研究 |
6.5 本章小结 |
7 结论 |
7.1 本文的主要研究成果 |
7.2 创新研究 |
7.3 进一步研究工作 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间发表和收录的论文 |
攻读博士学位期间获奖 |
攻读博士学位期间参加的科研项目 |
(5)基于单轴旋转调制的捷联式惯性导航系统关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 捷联惯导系统的研究现状 |
1.2.2 旋转调制式捷联惯导系统与技术 |
1.2.3 系统的初始对准和误差补偿 |
1.3 论文组织结构 |
第二章 旋转调制式捷联惯导系统的导航解算 |
2.1 引言 |
2.2 坐标系的定义及其转换关系 |
2.2.1 坐标系的定义 |
2.2.2 各坐标系间的转换关系 |
2.3 旋转调制式捷联惯导系统的姿态、速度和位置解算 |
2.3.1 旋转调制式捷联惯导系统的解算结构 |
2.3.2 旋转调制式捷联惯导系统的微分方程 |
2.3.3 旋转调制式捷联惯导系统的递推算法 |
2.3.4 导航解算误差仿真 |
2.4 本章小结 |
第三章 旋转调制式捷联惯导系统误差及调制作用分析 |
3.1 引言 |
3.2 旋转调制式捷联惯导系统误差 |
3.2.1 陀螺仪与加速度计误差形式 |
3.2.2 姿态、速度和位置误差方程 |
3.3 旋转方案的选定 |
3.4 四位置旋停方案调制作用分析 |
3.4.1 常值误差调制作用分析 |
3.4.2 标度因数误差调制作用分析 |
3.4.3 安装误差调制作用分析 |
3.5 四位置旋停方案仿真分析 |
3.5.1 转位机构不同角速度和角加速度的调制效果 |
3.5.2 转位机构不同停止时间的调制效果 |
3.5.3 综合误差调制效果仿真 |
3.6 旋转机构测角误差影响 |
3.7 载体姿态变化对调制效果的影响 |
3.8 本章小结 |
第四章 旋转调制式捷联惯导系统的初始对准 |
4.1 引言 |
4.2 解析式粗对准 |
4.2.1 直接法粗对准 |
4.2.2 重力视运动解析式粗对准 |
4.3 四元素Kalman滤波粗对准 |
4.3.1 Kalman滤波基本原理 |
4.3.2 四元素Kalman滤波粗对准基本原理 |
4.3.3 系统可观测性和可观测度分析 |
4.3.4 粗对准仿真分析 |
4.4 Kalman滤波精对准 |
4.4.1 状态量为18 维的滤波模型分析 |
4.4.2 状态量为15 维的滤波模型分析 |
4.4.3 精对准仿真分析 |
4.5 本章小结 |
第五章 IMU仪表构型与调制构型方式分析 |
5.1 引言 |
5.2 IMU三轴间任意安装的误差分析 |
5.3 基于误差估计速度的斜置方案 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士期间发表的论文 |
(6)基于MEMS的轻量型位姿测量系统关键技术研究(论文提纲范文)
摘要 |
abstract |
主要符号对照表 |
1 绪论 |
1.1 课题研究的背景及意义 |
1.2 现代导航系统介绍 |
1.2.1 捷联惯导概述 |
1.2.2 GNSS系统概述 |
1.2.3 组合导航系统概述 |
1.3 MEMS位姿测量技术发展现状 |
1.3.1 轻量型位姿测量系统概述 |
1.3.2 微惯性器件国外发展现状 |
1.3.3 微惯性器件国内发展现状 |
1.4 论文研究内容及章节安排 |
1.4.1 研究内容 |
1.4.2 论文结构安排 |
2 轻量型位姿测量系统总体设计 |
2.1 引言 |
2.2 参考坐标系及坐标转换 |
2.2.1 参考坐标系 |
2.2.2 坐标系转换 |
2.3 轻量型位姿测量系统原理 |
2.3.1 系统总体设计 |
2.3.2 系统硬件结构 |
2.4 轻量型位姿系统、平台简介 |
2.4.1 轻量型位姿测量系统硬件平台 |
2.4.2 MEMS-IMU性能概述 |
2.5 系统时钟同步设计 |
2.5.1 数据同步对组合滤波器的影响 |
2.5.2 IMU数据的IPPS时间戳标记策略 |
2.6 本章小结 |
3 MEMS惯性器件误差分析及校准 |
3.1 引言 |
3.2 Allan方差法 |
3.2.1 Allan方差分析法原理 |
3.2.2 MEMS陀螺随机噪声项 |
3.2.3 Allan方差法分析MPU9250陀螺性能 |
3.3 惯性器件的误差模型及现有标定算法比较 |
3.3.1 磁力计误差模型及其现有标定算法比较 |
3.3.2 MEMS陀螺误差模型及现有标定算法比较 |
3.3.3 MEMS加速度计误差模型及现有标定算法比较 |
3.4 MEMS加速度计标定方案的改进 |
3.4.1 六位置翻转标定位置编排方案 |
3.4.2 六位置标定步骤 |
3.5 磁力计辅助的MEMS陀螺在线校准算法设计 |
3.5.1 技术背景 |
3.5.2 磁力计辅助MEMS 陀螺在线校准算法的流程设计 |
3.5.3 MEMS陀螺数据的补偿模型 |
3.6 实验数据分析及结果 |
3.6.1 磁力计标定实验 |
3.6.2 磁力计辅助MEMS陀螺仪在线校准实验 |
3.6.3 MEMS加速度计校准实验及结果分析 |
3.7 本章小结 |
4 轻量型位姿测量系统SINS算法设计 |
4.1 引言 |
4.2 SINS姿态更新算法比较 |
4.2.1 欧拉角法 |
4.2.2 方向余弦法 |
4.2.3 四元数法 |
4.3 SNS原理及误差特性分析 |
4.3.1 捷联惯性导航系统原理 |
4.3.2 MEMS_SINS 误差源分析 |
4.3.3 SINS误差方程 |
4.3.4 SINS误差方程整理 |
4.4 SINS位置解算结果分析 |
4.5 SINS姿态解算实验结果分析 |
4.5.1 STM32F407 静态MPU9250姿态解算实验 |
4.5.2 STM32F407动态姿态解算实验 |
4.6 本章小结 |
5 轻量型位姿测量系统GNSS/SINS融合校正 |
5.1 引言 |
5.2 基于卡尔曼滤波的轻量型位姿测量系统 |
5.2.1. 状态和量测的选取 |
5.2.2. 输出校正和反馈校正 |
5.2.3 轻量型位姿测量系统状态方程 |
5.2.4 轻量型位姿测量系统观测方程 |
5.3 轻量型位姿测量系统静态实验及性能分忻 |
5.3.1 STM32F407静态位置数据采集实验 |
5.3.2 轻量型位姿测量系统kalman滤波算法静态实验 |
5.4 轻量型位姿测量系统动态实验及性能分析 |
5.4.1 STM32F407动态位置数据采集实验 |
5.4.2 轻量型位姿测量系统kalman滤波算法动态实验 |
5.5 本章小结 |
6 结论 |
6.1 总结 |
6.2 展望 |
附录 |
参考文献 |
攻读硕士学位期间发表的论文 |
致谢 |
(7)GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术(论文提纲范文)
博士生自认为的创新点 |
摘要 |
ABSTRACT |
缩写索引 |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 GNSS/SINS组合导航方面 |
1.2.2 视觉定位方面 |
1.2.3 GNSS/SINS/视觉多源融合方面 |
1.3 本文的研究目标及内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 本章小结 |
第2章 GNSS/SINS组合定位定姿的基本理论与方法 |
2.1 惯性器件的系统误差和随机误差分析 |
2.1.1 系统误差分析 |
2.1.2 随机误差分析 |
2.2 惯导初始对准 |
2.3 前向/后向机械编排算法 |
2.4 GNSS/SINS组合的基础模型 |
2.4.1 GNSS/SINS组合的状态方程 |
2.4.2 GNSS/SINS组合的观测方程 |
2.5 多源信息约束的观测模型 |
2.5.1 三维辅助速度观测更新 |
2.5.2 位移约束观测更新 |
2.5.3 零速/零角速观测更新 |
2.5.4 高程约束观测更新 |
2.5.5 多源信息融合策略 |
2.6 双天线GNSS/SINS组合测姿 |
2.6.1 状态模型和观测模型 |
2.6.2 车载实验分析 |
2.7 本章小结 |
第3章 复杂环境下GNSS/SINS精密定位定姿的关键技术 |
3.1 多系统GNSS/SINS组合及其性能分析 |
3.1.1 GNSS卫星全球可用性分析 |
3.1.2 多系统GNSS/SINS组合导航性能分析 |
3.2 GNSS/SINS半紧组合方式 |
3.2.1 紧组合方式的进一步讨论 |
3.2.2 半紧组合的结构设计与讨论 |
3.2.3 半紧组合的效果与优势验证 |
3.3 惯性辅助GNSS周跳修复 |
3.3.1 周跳修复的模型与方法 |
3.3.2 周跳修复的影响因素与实验结果 |
3.4 位置域约束的惯性辅助模糊度快速固定 |
3.4.1 IAR-PPP/SINS紧组合模型与模糊度固定策略 |
3.4.2 惯性辅助PPP模糊度固定的理论分析 |
3.4.3 惯性辅助PPP模糊度固定的性能分析 |
3.4.4 城市环境下的测试与验证 |
3.5 大气域电离层建模约束的模糊度快速固定 |
3.5.1 短到长基线的场景分析 |
3.5.2 双差电离层建模与S2L-RTK定位模型 |
3.5.3 数据测试与验证 |
3.6 模糊度域整合的后处理方法 |
3.6.1 ADBI方法设计与实现 |
3.6.2 数据测试与验证 |
3.7 快速高精度的最优平滑算法 |
3.7.1 算法设计 |
3.7.2 实验验证 |
3.8 本章小结 |
第4章 视觉点云地图与车道线地图生成技术 |
4.1 前方交会与单应性矩阵及其误差分析 |
4.1.1 前方交会及其误差分析 |
4.1.2 单应性变换及其误差分析 |
4.2 视觉点云地图生成技术 |
4.2.1 基本理论与方法 |
4.2.2 视觉点云地图生成流程 |
4.2.3 KITTI数据集测试 |
4.3 视觉点云地图数据清洗 |
4.4 基于Kalman滤波的车道线提取方法 |
4.4.1 车道线提取的方法与流程 |
4.4.2 实际道路影像数据验证分析 |
4.5 车道线地图生成技术 |
4.5.1 利用单目视觉生成车道线 |
4.5.2 实验测试与精度评估 |
4.6 本章小结 |
第5章 地图辅助的视觉定位及多传感器融合技术 |
5.1 后方交会及其误差分析 |
5.2 视觉点云地图辅助定位 |
5.2.1 视觉点云地图辅助的视觉定位框架 |
5.2.2 KITTI数据集测试的定位精度分析 |
5.2.3 KITTI数据集测试的定位成功率与实时性分析 |
5.3 视觉点云地图辅助下的视觉/惯性融合定位 |
5.3.1 IBL视觉定位与惯性传感器的组合模型 |
5.3.2 数据测试与验证 |
5.4 车道线辅助定位 |
5.4.1 车道线辅助定位的数学模型 |
5.4.2 车道线辅助定位性能分析 |
5.5 车道线辅助下的视觉/SINS/里程计/GNSS融合定位 |
5.5.1 融合定位的数学模型 |
5.5.2 融合定位的测试分析与比较 |
5.6 本章小结 |
第6章 多传感器集成的精密定位定姿系统开发与测试 |
6.1 多传感器集成的硬件平台搭建 |
6.2 相机与惯导的空间关系标定 |
6.3 高精度GNSS/SINS数据融合处理软件开发 |
6.4 高精度GNSS/SINS定位定姿的性能测试与分析 |
6.5 复杂环境下的多源融合实时定位测试与分析 |
6.5.1 GNSS卫星全部失锁下的视觉/惯性融合定位测试 |
6.5.2 复杂环境下的车道线约束/里程计/GNSS/SINS融合定位与测试 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻博期间发表论文、参与项目情况 |
致谢 |
(8)GNSS/INS组合导航系统初始对准及其故障修复研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 本文组织结构 |
2 捷联惯性导航系统基本原理 |
2.1 常用坐标系统及其转换关系 |
2.2 惯性导航姿态表达及微分方程 |
2.3 捷联INS机械编排 |
2.4 捷联INS更新算法 |
2.5 INS输出误差来源 |
2.6 本章小结 |
3 高精度SINS快速自对准技术 |
3.1 卡尔曼滤波模型 |
3.2 SINS误差方程 |
3.3 解析式粗对准 |
3.4 似静态精对准 |
3.5 可观测性分析 |
3.6 最优多位置对准方案 |
3.7 本章小结 |
4 大失准角非线性对准模型 |
4.1 基于EPEA的非线性误差方程 |
4.2 大失准角SINS对准模型 |
4.3 简化无迹卡尔曼滤波 |
4.4 Sigma点采样策略改进 |
4.5 实验与分析 |
4.6 本章小结 |
5 磁力计辅助MEMS IMU抗差快速融合定姿技术 |
5.1 地磁测量原理 |
5.2 磁力计误差分类与建模 |
5.3 改进的Lenenberg-Marquardt算法 |
5.4 磁力计/IMU自适应抗差融合定姿 |
5.5 实验与分析 |
5.6 本章小节 |
6 神经网络辅助GNSS/INS系统故障识别与修复 |
6.1 GNSS观测方程 |
6.2 GNSS/INS组合模型 |
6.3 导航故障检测与抑制 |
6.4 最优RBF辅助故障识别 |
6.5 实验与分析 |
6.6 本章小结 |
7 多路径故障下惯性辅助BDS三频周跳探测与修复 |
7.1 BDS三频组合观测值 |
7.2 惯性辅助周跳探测估值 |
7.3 周跳检验量的选取 |
7.4 强多路径对周跳探测的影响 |
7.5 试验与分析 |
7.6 本章小结 |
8 结论及展望 |
8.1 结论 |
8.2 创新点 |
8.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(9)卫星辅助增强微惯性导航精度方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关技术研究综述 |
1.2.1 MEMS惯性器件研究现状 |
1.2.2 GNSS定位技术研究现状 |
1.2.3 微惯性/卫星组合导航技术研究现状 |
1.3 论文研究内容及组织结构 |
1.4 本章小结 |
第二章 捷联惯性导航基本理论与方法 |
2.1 导航常用坐标系与姿态参数 |
2.1.1 常用坐标系及其转换 |
2.1.2 常用姿态参数及其转换 |
2.2 惯性导航力学编排及误差传播 |
2.2.1 导航参数微分方程 |
2.2.2 惯性导航力学编排 |
2.2.3 惯性导航误差状态方程 |
2.3 本章小结 |
第三章 基于Allan方差分析的惯性/卫星松组合导航精密建模 |
3.1 基于Allan方差分析的惯性器件随机误差建模方法 |
3.1.1 惯性器件随机误差时域建模方法 |
3.1.2 基于Allan方差分析的惯性器件随机噪声时域建模方法 |
3.1.3 微惯性器件随机误差分析实例 |
3.2 惯性/卫星松组合导航观测建模及误差分析 |
3.2.1 松组合导航基本观测模型 |
3.2.2 组合导航观测模型的实时实现 |
3.2.3 GNSS定位误差分析 |
3.3 基于新息序列方差匹配的抗差自适应滤波方法 |
3.3.1 惯性辅助卫星定位质量控制方法 |
3.3.2 观测噪声方差解耦自适应估计方法 |
3.3.3 基于新息序列方差匹配的抗差自适应滤波方法试验研究 |
3.4 本章小结 |
第四章 基于载波相位时间差分的微惯性/卫星组合导航方案设计与实现 |
4.1 基于伪距、多普勒测量的惯性/卫星紧组合导航建模方法 |
4.1.1 惯性/卫星紧组合导航模型 |
4.1.2 惯性/卫星紧组合导航的优势及问题分析 |
4.2 载波相位时间差分模型 |
4.2.1 载波相位时间差分观测方程推导与分析 |
4.2.2 基于载波相位时间差分的精密位置增量解算方法 |
4.3 载波相位时间差分观测量的周跳探测与处理策略 |
4.3.1 周跳对载波相位时间差分观测量的影响分析 |
4.3.2 基于Turbo Edit方法的周跳探测 |
4.3.3 惯性辅助载波相位周跳探测方法 |
4.3.4 周跳探测方法实例分析 |
4.4 载波相位时间差分辅助惯性/卫星紧组合导航方法 |
4.4.1 基于载波相位时间差分解算的精密位置增量辅助 |
4.4.2 基于载波相位时间差分观测量辅助 |
4.4.3 两种方法优劣对比 |
4.5 本章小结 |
第五章 基于神经网络辅助的微惯性导航精度增强方法 |
5.1 神经网络辅助惯性/卫星组合导航基本特点 |
5.2 神经网络辅助微惯性导航误差非线性建模方法 |
5.2.1 动态神经网络拓扑结构 |
5.2.2 基于时滞神经网络辅助惯性导航定位误差非线性建模 |
5.2.3 P-δP方法局限性分析 |
5.3 卫星缺失情况下基于神经网络辅助的卡尔曼滤波算法设计 |
5.3.1 基于BP神经网络的GNSS位置增量预报方法 |
5.3.2 基于伪GNSS位置增量辅助微惯性导航方法 |
5.4 车载试验验证 |
5.4.1 传统P-δP方法辅助惯性导航试验分析 |
5.4.2 神经网络辅助卡尔曼滤波方法试验验证 |
5.5 本章小结 |
第六章 卫星辅助微惯性导航系统空中动基座初始对准方法 |
6.1 捷联惯导动基座初始对准方法方案设计 |
6.1.1 MEMS捷联惯导动基座初始对准的基本特点 |
6.1.2 MEMS捷联惯导动基座初始对准总体方案设计 |
6.2 卫星辅助微惯性导航动基座粗对准方法 |
6.2.1 双历元GNSS辅助MEMS-SINS动态粗对准原理 |
6.2.2 空中动态粗对准方法 |
6.3 大失准角条件下动基座初始对准容积卡尔曼滤波方法 |
6.3.1 非线性系统递推贝叶斯估计 |
6.3.2 基于扩展容积卡尔曼滤波的MEMS-SINS初始对准方法 |
6.4 容积卡尔曼滤波初始对准方法分析 |
6.4.1 扩展与非扩展容积卡尔曼滤波方法对比分析 |
6.4.2 容积卡尔曼滤波方法与无迹卡尔曼滤波方法对比分析 |
6.5 机载试验分析 |
6.5.1 无人机运动特性分析 |
6.5.2 粗对准方法机载试验结果与分析 |
6.5.3 精对准方法机载试验结果与分析 |
6.6 本章小结 |
第七章 组合导航系统原理样机集成及性能验证 |
7.1 微惯性/卫星组合导航试验系统集成 |
7.1.1 系统原理样机硬件构成 |
7.1.2 组合导航及显控软件设计 |
7.1.3 车载试验平台 |
7.2 车载导航试验方案及评估方法 |
7.2.1 车载导航试验方案设计 |
7.2.2 组合导航系统性能评估方法 |
7.3 车载试验结果与分析 |
7.3.1 微惯性/卫星组合事后平滑处理试验结果及分析 |
7.3.2 良好GNSS观测环境下组合导航精度评估试验结果与分析 |
7.3.3 微惯性导航滑行精度评估试验结果与分析 |
7.3.4 微惯性导航位置增量精度评估试验结果与分析 |
7.4 本章小结 |
第八章 结论与展望 |
8.1 论文研究成果及主要创新点 |
8.1.1 论文研究成果 |
8.1.2 论文主要创新点 |
8.2 论文研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(10)双轴旋转调制式捷联惯导系统误差抑制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 旋转惯导系统发展现状及趋势 |
1.2.1 旋转调制技术起源 |
1.2.2 国外发展现状及趋势 |
1.2.3 国内发展现状及趋势 |
1.3 双轴旋转惯导系统误差抑制关键技术 |
1.3.1 旋转调制优化方案 |
1.3.2 误差自标定及阻尼技术 |
1.3.3 旋转控制技术 |
1.4 论文主要内容安排 |
第2章 双轴旋转惯导系统理论基础 |
2.1 常用坐标系定义 |
2.1.1 系统外部坐标系 |
2.1.2 系统内部坐标系 |
2.2 双轴旋转惯导系统误差模型 |
2.2.1 系统微分方程 |
2.2.2 系统误差模型 |
2.2.3 惯性器件误差模型 |
2.3 双轴旋转环架误差模型 |
2.3.1 轴系非正交角模型 |
2.3.2 转轴旋转角误差模型 |
2.4 各误差源对长航时导航精度影响分析 |
2.5 本章小结 |
第3章 双轴旋转惯导系统误差调制方案研究 |
3.1 双轴旋转惯导系统误差调制原理分析 |
3.1.1 陀螺常值漂移抑制效果分析 |
3.1.2 刻度系数误差抑制效果分析 |
3.1.3 安装误差抑制效果分析 |
3.2 双轴旋转调制效果验证及优化 |
3.2.1 旋转方案设定及效果分析 |
3.2.2 旋转角速度优化研究 |
3.2.3 旋转调制解调方案研究 |
3.2.4 旋转调制方案优化研究 |
3.3 动基座下双轴旋转调制方案研究 |
3.3.1 角运动对旋转调制的影响 |
3.3.2 基于旋转姿态变化补偿的隔离航向角运动方法 |
3.3.3 仿真验证 |
3.4 本章小结 |
第4章 双轴旋转惯导系统误差自标定与阻尼技术研究 |
4.1 系统级误差自标定方法研究 |
4.1.1 系统标定模型建立 |
4.1.2 旋转惯导系统可观测分析 |
4.1.3 基于卡尔曼滤波的自标定方法 |
4.2 双轴轴系非正交角对系统影响分析 |
4.2.1 轴系非正交角模型分析 |
4.2.2 轴系非正交角对系统精度影响分析 |
4.3 双轴轴系非正交角自标定研究 |
4.3.1 二位置轴系非正交角自标定方法 |
4.3.2 仿真验证与实验分析 |
4.4 系统剩余误差阻尼技术研究 |
4.4.1 剩余误差特性分析 |
4.4.2 全阻尼网络设计 |
4.4.3 仿真验证 |
4.5 本章小结 |
第5章 转速波动误差抑制方法研究 |
5.1 旋转环架误差分析 |
5.1.1 旋转环架测角误差 |
5.1.2 转轴回转精度 |
5.1.3 转速波动误差 |
5.1.4 转速波动误差对旋转调制的影响 |
5.2 基于内模控制的转速波动抑制方法研究 |
5.2.1 控制对象模型 |
5.2.2 内模控制原理 |
5.2.3 全状态反馈调节器设计 |
5.3 仿真验证 |
5.4 本章小结 |
第6章 双轴旋转惯导系统实验 |
6.1 开放式双轴旋转捷联惯导系统实验平台介绍 |
6.2 实验验证分析 |
6.2.1 误差自标定验证 |
6.2.2 双轴旋转策略验证 |
6.2.3 阻尼方案验证 |
6.3 本章小结 |
结论与展望 |
参考文献 |
攻读学位期间发表论文与研究成果清单 |
致谢 |
作者简介 |
四、激光陀螺随机噪声参数估计和滤波方法研究(论文参考文献)
- [1]MEMS惯性测量单元全参数标定方法研究[D]. 李维刚. 中北大学, 2020(11)
- [2]基于SINS的组合导航技术研究[D]. 温哲君. 南京理工大学, 2020(01)
- [3]船载高精度GNSS/INS组合导航关键技术及重力误差机理研究[D]. 熊浩. 国防科技大学, 2019(01)
- [4]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019
- [5]基于单轴旋转调制的捷联式惯性导航系统关键技术研究[D]. 王启明. 东南大学, 2019(06)
- [6]基于MEMS的轻量型位姿测量系统关键技术研究[D]. 刘飞飞. 西安工业大学, 2019(03)
- [7]GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术[D]. 朱锋. 武汉大学, 2019(08)
- [8]GNSS/INS组合导航系统初始对准及其故障修复研究[D]. 宁一鹏. 中国矿业大学, 2019(01)
- [9]卫星辅助增强微惯性导航精度方法研究[D]. 王鼎杰. 国防科技大学, 2018(01)
- [10]双轴旋转调制式捷联惯导系统误差抑制技术研究[D]. 孙牧. 北京理工大学, 2018