船用无源导航信号融合误差抑制技术研究

摘要

由于水面舰船导航技术快速发展的需求，对舰船用导航设备提出了长航时高导航精度、强稳定性、全自主等全新技术要求。目前，以捷联惯性导航系统(Strapdown Inertial Navigation System，SINS)和星敏感器输出的无源导航信号进行信息融合是船用导航系统的热点研究方向，该融合方式在减少了对卫星导航依赖的同时，还可以保证系统的导航精度。然而，船用星敏感器存在测量噪声统计特性变化，及相对导航系定位时会引入SINS误差的问题，进而使船用导航信息在融合过程中引入误差，且随时间累积而发散，降低了系统导航精度。因此，基于以上问题的考虑，本文对以舰船为应用背景的捷联惯导/星敏感器信息融合系统进行深入的研究，旨在讨论如何抑制船用无源导航系统信息融合误差，满足舰用导航系统的不同要求，完善该信息融合方案。 对于星敏感器辅助陀螺仪进行在线标定技术，可提高船用导航系统的精度。然而，由于外部因素，星敏感器测量噪声统计特性未知，进而造成标准卡尔曼滤波发散无法有效进行陀螺仪在线标定。为解决此问题，本文提出了基于遗忘因子自适应选择Sage-Husa滤波的星敏感器辅助陀螺在线标定算法。该算法可不断估计并修正滤波器的测量噪声参数，进而实现在海面环境复杂变化时可有效估计出陀螺仪输出误差的目的。同时，它提高了滤波器精度，使船用导航系统精度和环境适用性得到了改善。然而，捷联惯导/星敏感器在线标定抑制了部分导航误差，因此需要进一步提高导航系统精度。 利用星敏感器输出的位置信息对SINS导航误差进行周期性校正，可提高系统导航精度。然而，星敏感器在确定舰船在导航坐标系下的定位信息时，会引入SINS的水平姿态误差，降低了星敏感器精度。为解决上述问题，本文提出基于模型预测滤波-卡尔曼滤波的捷联惯导/星敏感器信息融合算法。通过建立星敏感器定位误差与水平姿态误差之间的数学模型，利用模型预测滤波（Model Predictive Filtering，MPF）可以在线估计出未知形式模型误差的特性，对舰船系统模型进行修正，进而提高星敏感器定位精度。然后，以修正后的星敏感器位置信息为基准，利用卡尔曼滤波估计导航误差，抑制导航系统误差发散，满足舰用信息融合系统长航时稳定性的要求。 最后，利用仿真对基于遗忘因子自适应选择Sage-Husa滤波的在线标定方案和基于模型预测滤波-卡尔曼滤波的信息融合方案实现原理性验证。通过实际数据进行分析并由仿真结果可知，船用无源导航系统的融合误差得到抑制，可满足舰船长航时导航要求。

目录

声明

摘要

第1章绪论

1．1论文的研究背景、目的及意义

1．2国内外研究现状

1．2．1外传感器辅助惯性器件在线标定方法研究现状

1．2．2捷联惯导／星敏感器信息融合研究现状

1．3论文的主要研究内容

第2章船用捷联惯导／星敏感器信息融合理论基础

2．1捷联惯导系统工作原理及误差分析

2．1．1捷联惯导系统基本工作原理

2．1．2捷联惯导系统误差分析

2．2星敏感器基本原理

2．2．1定姿基本原理

2．2．2定位基本原理

2．3星敏感器误差分析

2．4捷联惯导／星敏感器信息融合基本原理

2．5本章小结

第3章基于Sage-Husa滤波的船用星敏／陀螺在线标定方法

3．1基于卡尔曼滤波的在线标定算法

3．1．1陀螺标定误差模型建立

3．1．2基于乘性误差四元数的系统方程建立

3．2在线标定系统的可观测性分析及路径设计

3．2．1在线标定误差模型的可观测性分析

3．2．2状态完全可观的在线标定路径原则设计

3．3基于遗忘因子自适应选择Sage-Husa滤波的在线标定算法

3．3．1基于模糊函数的遗忘因子自适应方法

3．3．2基于简化Sage-Husa自适应滤波信息融合算法

3．4仿真分析与试验验证

3．4．1仿真分析

3．4．2试验验证

3．5本章小结

第4章基于MPF-KF的船用捷联惯导／星敏感器信息融合算法

4．1基于卡尔曼滤波的捷联惯导／星敏感器信息融合算法

4．2基于模型预测滤波的惯性／星敏信息融合算法

4．2．1模型预测滤波工作原理

4．2．2基于模型预测滤波的信息融合算法

4．3基于MPF-KF的捷联惯导／星敏感器信息融合算法

4．4仿真结果与分析

4．5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢