简介:摘要现代战争是高科技,高信息化的战争,要求武器装备具有高精度,高稳定性的定位、导航和制导能力,而GNSS/SINS组合导航方式成为导航领域发展的主流。本文首先分析松组合、紧组合、深组合三种方式的原理和并对性能进行了对比,而后介绍了国内外组合导航的发展历程。最后着重阐述了北斗导航系统_SINS组合导航的现状和展望,并对其发展提出了几点建议。
简介:针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。
简介:对于目前的级联式SINS/GNSS组合导航系统来说,其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部,无法抑制平台姿态误差的发散,也无法校正惯性器件误差,因而在该方式长时间运行不能控制滤波发散,导航精度随时间下降.为此设计了一种SINS/GNSS级联闭环反馈式组合导航系统,该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈.通过仿真证明:该系统不仅能提高导航解的精度,还在校准的同时具有动机座对准能力,满足了长时间导航定位的稳定性.
简介:本文介绍了SINS/GPS组合系统机载样机的工程研制及车载试验。采用经过小型化的捷联惯导系统与美国TRIMBLE公司生产的6通道TANSⅡGPS接收机进行组合。捷联惯导系统软件与组合导航系统卡尔曼滤波器计算软件共用一个机载计算机,组合系统采用12阶线性卡尔曼滤波器,并对卡尔曼滤波器的递推算法进行了工程化的处理,使滤波器的计算速度大为提高。最后,给出了组合系统的实验室静态试验及外场车载试验结果。
简介:为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,提出了一种机器视觉/数字地图/CP-DGPS共同辅助SINS的智能车辆组合导航方法,建立了组合导航系统的滤波模型。该滤波模型的量测信息不仅包括GPS与SINS形成的位置与姿态观测信息,还包括机器视觉/数字地图/SINS形成的横向偏差观测信息。通过对SINS的多重冗余辅助,使得导航系统具备容错能力。仿真结果表明,该组合导航系统能为智能车辆提供其空间位置、速度、加速度与姿态角等众多导航信息,并具有100Hz的高频输出、厘米级的导航精度和容错性能,当GPS较长时间中断时,通过SINS/视觉/数字地图的组合仍能为智能车辆提供可靠的导航数据。
简介:摘要:随着智能时代的到来,智能无人系统如自动驾驶、机器人、无人机等受到了广泛关注和快速发展。在这些系统中,高精度、高可靠的定位定姿信息是进行有效环境感知、路径规划和运动控制的基础。因此,多源融合导航技术成为了实现智能无人系统自主化的核心技术之一。传统的GNSS/INS组合导航系统可以提供连续高精度的导航信息。然而,在GNSS信号受阻的环境下,该系统将退化为纯惯性导航,如果使用低成本的IMU,定位定姿误差将快速发散,无法满足要求。视觉惯性导航是智能无人系统中常用的导航技术之一。作为一种递推导航系统,它的定位和航向误差也会发散,并且容易受到外部环境视觉纹理条件的影响。虽然回环校正可以在一定程度上消除累积漂移,但在实际工作场景中很难获得修正信息。相比之下,多源融合导航技术同时利用视觉、惯性和GNSS定位信息,充分利用它们在导航能力方面的互补性,克服了仅使用单一或两种信息源导航的局限性。
简介:摘要:随着智能时代的到来,智能无人系统如自动驾驶、机器人、无人机等受到了广泛关注和快速发展。在这些系统中,高精度、高可靠的定位定姿信息是进行有效环境感知、路径规划和运动控制的基础。因此,多源融合导航技术成为了实现智能无人系统自主化的核心技术之一。传统的GNSS/INS组合导航系统可以提供连续高精度的导航信息。然而,在GNSS信号受阻的环境下,该系统将退化为纯惯性导航,如果使用低成本的IMU,定位定姿误差将快速发散,无法满足要求。视觉惯性导航是智能无人系统中常用的导航技术之一。作为一种递推导航系统,它的定位和航向误差也会发散,并且容易受到外部环境视觉纹理条件的影响。虽然回环校正可以在一定程度上消除累积漂移,但在实际工作场景中很难获得修正信息。相比之下,多源融合导航技术同时利用视觉、惯性和GNSS定位信息,充分利用它们在导航能力方面的互补性,克服了仅使用单一或两种信息源导航的局限性。
简介:摘要:随着智能时代的到来,智能无人系统如自动驾驶、机器人、无人机等受到了广泛关注和快速发展。在这些系统中,高精度、高可靠的定位定姿信息是进行有效环境感知、路径规划和运动控制的基础。因此,多源融合导航技术成为了实现智能无人系统自主化的核心技术之一。传统的GNSS/INS组合导航系统可以提供连续高精度的导航信息。然而,在GNSS信号受阻的环境下,该系统将退化为纯惯性导航,如果使用低成本的IMU,定位定姿误差将快速发散,无法满足要求。视觉惯性导航是智能无人系统中常用的导航技术之一。作为一种递推导航系统,它的定位和航向误差也会发散,并且容易受到外部环境视觉纹理条件的影响。虽然回环校正可以在一定程度上消除累积漂移,但在实际工作场景中很难获得修正信息。相比之下,多源融合导航技术同时利用视觉、惯性和GNSS定位信息,充分利用它们在导航能力方面的互补性,克服了仅使用单一或两种信息源导航的局限性。
简介:弹道修正技术能以较低成本显著提高现有武器系统的作战性能。主要研究基于低成本MEMS的组合导航系统在弹道修正方面的应用,建立了组合导航系统的速度、位置组合模型,采用了卡尔曼滤波技术对该组合导航系统进行最优估计,分别对纯惯导系统和组合系统进行了仿真分析,并对组合导航系统进行跑车试验验证。仿真与跑车试验结果表明,该组合导航系统能提供较高精度的位置和速度信息,进而为弹道修正控制机构提供精确的测量信息,从而提高其射击精度,因此该研究具有一定的工程应用价值。
简介:为实现无人机高精度高可靠性导航,提出了一种以捷联惯性导航系统(SINS)为主,以地形辅助导航(TAN)、大气数据系统(ADS)及电子磁罗盘(MCP)为辅的组合导航方式。通过分析SINS、TAN、ADS及MCP单一系统的工作原理及输出误差模型,构建了SINS/TAN、SINS/ADS及SINS/MCP系统的状态方程及观测方程,最后采用联邦卡尔曼滤波方式实现了对各组合系统的信息融合。仿真数据对比表明:SINS/TAN系统位置误差较小,但航向误差较大;SINS/ADS系统速度误差较小且比较稳定,但位置误差随时间发散;SINS/MCP系统航向误差方差可达0.3783’,但其位置和速度估计精度不理想;而SINS/TAN/ADS/MCP系统能够克服上述不足,实现所有导航参数误差估计的高精度。
简介:针对SINS/GPS组合导航系统中的GPS故障,结合GPS导航定位信息的特点,提出了基于改进型灰色预测的GPS故障预测模型,实现了GPS故障预测;结合SINS/GPS组合导航系统数学模型,进行了基于改进型灰色预测的SINS/GPS组合导航系统仿真。仿真结果表明,GPS位置数据预测残差小于1.5m;在GPS短暂故障期间,由预测数据取代GPS故障数据,可以有效提高SINS/GPS组合导航系统的抗干扰能力,保证其导航精度;比较GPS故障数据和预测数据,并根据故障数据的持续时间和变化特点等,可以诊断GPS故障是硬件故障还是外部干扰的影响,有助于实现GPS的故障判别与隔离。