目錄
第1章 緒論 1
1.1 引言 3
1.2 國內外研究進展 4
1.2.1 慣性基導航信息融合通用濾波算法研究進展 4
1.2.2 李群狀態(tài)表示在慣性基導航信息融合中的應用研究進展 5
第2章 慣性基導航傳統(tǒng)誤差模型性能分析 9
2.1 捷聯(lián)慣導系統(tǒng)基本原理 11
2.1.1 主要坐標系 11
2.1.2 捷聯(lián)慣導系統(tǒng)機械編排方案 12
2.2 捷聯(lián)慣導系統(tǒng)傳統(tǒng)兩步對準方案 14
2.2.1 基于優(yōu)化對準的相對對準方法 14
2.2.2 基于卡爾曼濾波的精對準方法 16
2.3 非線性初始對準方法 20
2.3.1 SINS非線性誤差模型 20
2.3.2 基于無跡卡爾曼濾波的非線性初始對準 21
2.4 傳統(tǒng)初始對準方法性能分析 21
2.4.1 不同初始失準角下卡爾曼濾波對準性能分析 22
2.4.2 相對準與精對準的切換誤差 22
2.4.3 傳統(tǒng)非線性初始對準方法性能分析 24
2.5 本章小結 26
第3章 慣性系機械編排下基于李群狀態(tài)表示的慣性基導航理論與方法 27
3.1 慣性系捷聯(lián)慣導機械編排模型構建 29
3.2 慣性系捷聯(lián)慣導機械編排方案線性誤差模型推導 31
3.2.1 基于SO(3)狀態(tài)表示的誤差模型推導 31
3.2.2 基于SE(3)狀態(tài)表示的誤差狀態(tài)模型推導 33
3.3 基于SE(3)狀態(tài)表示的慣導線性誤差模型準確性分析 36
3.3.1 慣性系慣導機械編排模型誤差方程準確性證明 37
3.3.2 觀測模型不變性分析 40
3.4 實驗驗證 41
3.4.1 仿真驗證 41
3.4.2 實測實驗驗證 45
3.5 本章小結 50
第4章 地球系機械編排下基于李群狀態(tài)表示的慣性基導航理論與方法 53
4.1 變換地球坐標系慣導機械編排模型構建 55
4.2 基于SE(3)狀態(tài)表示的誤差狀態(tài)模型推導 56
4.2.1 基于SE(3)狀態(tài)表示的左誤差狀態(tài)模型推導 56
4.2.2 基于SE(3)狀態(tài)表示的右誤差狀態(tài)模型推導 58
4.3 實際應用問題處理 59
4.3.1 誤差模型的選擇 59
4.3.2 初始協(xié)方差設置 60
4.3.3 反演校正 60
4.4 慣導誤差模型準確性證明 61
4.4.1 左誤差模型準確性證明 61
4.4.2 右誤差模型準確性證明 64
4.5 實驗驗證 65
4.5.1 仿真驗證 65
4.5.2 實測實驗驗證 69
4.6 本章小結 76
第5章 計程儀航位推算編排下基于李群狀態(tài)表示的慣性基導航理論與方法 77
5.1 計程儀速度輔助慣導誤差模型分析 79
5.1.1 基于SO(3)狀態(tài)表示的計程儀速度輔助慣導誤差模型 79
5.1.2 基于SE(3)狀態(tài)表示的計程儀速度輔助慣導誤差模型 80
5.2 計程儀航位推算位置輔助慣導對準模型構建 81
5.2.1 李群SE(3)基本原理 81
5.2.2 計程儀航位推算位置輔助慣導機械編排模型 82
5.2.3 計程儀航位推算位置輔助慣導對準誤差模型 83
5.3 計程儀航位推算位置輔助慣導對準誤差模型準確性分析 85
5.4 實驗驗證 87
5.4.1 仿真驗證 89
5.4.2 實測實驗驗證 92
5.5 本章小結 104
第6章 矢量觀測輔助下基于李群狀態(tài)表示的慣性基導航理論與方法 105
6.1 姿態(tài)估計MEKF算法 107
6.1.1 矢量觀測輔助姿態(tài)估計系統(tǒng)模型 107
6.1.2 MEKF框架 108
6.2 基于SO(3)狀態(tài)表示的MEKF算法 109
6.2.1 基于SO(3)狀態(tài)表示的載體系姿態(tài)誤差定義下的MEKF算法 109
6.2.2 基于SO(3)狀態(tài)表示的參考系姿態(tài)誤差定義下的MEKF算法 110
6.3 基于SE(3)狀態(tài)表示的MEKF算法 111
6.3.1 基于SE(3)狀態(tài)表示的右誤差定義下的MEKF算法 111
6.3.2 基于SE(3)狀態(tài)表示的左誤差定義下的MEKF算法 112
6.4 矢量觀測輔助下改進MEKF算法 113
6.4.1 矢量觀測輔助下姿態(tài)估計問題射影性分析 113
6.4.2 改進的MEKF算法 114
6.4.3 姿態(tài)估計誤差模型準確性分析 115
6.5 實驗驗證 116
6.5.1 仿真驗證 116
6.5.2 實測實驗驗證 120
6.6 本章小結 123
參考文獻 124