車(chē)載捷聯(lián)慣導(dǎo)初始對(duì)準(zhǔn)及其與GPS組合導(dǎo)航研究.pdf

1、為了提高車(chē)載捷聯(lián)慣導(dǎo)和全球定位系統(tǒng)SINS/GPS組合導(dǎo)航的定位精度和抗干擾能力，本文研究了SINS的初始對(duì)準(zhǔn)算法，以此為基礎(chǔ)進(jìn)行了導(dǎo)航解算，并基于解算結(jié)果研究了SINS/GPS組合導(dǎo)航系統(tǒng)的信息融合算法。對(duì)于SINS的靜基座對(duì)準(zhǔn)問(wèn)題，分別提出了基于魯棒學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方法和中心差分卡爾曼濾波方法。在SINS初始對(duì)準(zhǔn)問(wèn)題中，如果系統(tǒng)階次較高，通常的擴(kuò)展卡爾曼濾波(EKF)方法會(huì)失去實(shí)時(shí)性。本文設(shè)計(jì)了一種基于魯棒學(xué)習(xí)的徑向基網(wǎng)絡(luò)，由于降低了

2、算法復(fù)雜度，提高了收斂及計(jì)算速度，滿(mǎn)足了算法實(shí)時(shí)性要求。實(shí)驗(yàn)表明在學(xué)習(xí)樣本可靠的情況下其精度完全可以滿(mǎn)足對(duì)準(zhǔn)要求。針對(duì)SINS靜基座對(duì)準(zhǔn)問(wèn)題的非線(xiàn)性模型，提出將中心差分卡爾曼濾波(CDKF)方法用于初始對(duì)準(zhǔn)。傳統(tǒng)的EKF方法存在需要解析Jacobian矩陣以及將非線(xiàn)性系統(tǒng)線(xiàn)性化的模型誤差等缺點(diǎn)，而文中采用的CDKF方法則可以直接利用非線(xiàn)性模型，減小了計(jì)算模型誤差。仿真結(jié)果表明，此算法可以提高對(duì)準(zhǔn)精度和魯棒性。 本文在SINS初始

3、對(duì)準(zhǔn)的基礎(chǔ)之上進(jìn)行了導(dǎo)航解算。首先分別建立了SINS在當(dāng)?shù)厮阶鴺?biāo)系和游移方位坐標(biāo)系下的力學(xué)編排方程，然后利用IMU輸出數(shù)據(jù)分別在兩個(gè)坐標(biāo)系下進(jìn)行編排，為SINS/GPS組合導(dǎo)航算法研究提供了實(shí)驗(yàn)數(shù)據(jù)。本文提出了一種SINS/GPS組合導(dǎo)航的信息融合算法。其主要思想是以觀(guān)測(cè)數(shù)據(jù)中的野值存在與否為切換條件，當(dāng)存在野值時(shí)采用改進(jìn)的增益矩陣濾波處理方法，不存在野值時(shí)則采用模糊自適應(yīng)卡爾曼濾波方法。最后仿真實(shí)驗(yàn)表明，本文采用的這種方法在集中卡爾