惯性平台连续翻滚自标定技术研究
发布时间：2021-04-04 06:25
为了实现更加快捷方便高精度的惯性平台的自标定技术,本文针对连续翻滚自标定方法进行研究。首先分析了惯性平台和惯性仪表存在的主要误差参数,包含惯性平台各框架轴的垂直度误差、惯性仪表的安装误差以及惯性仪表输出误差模型系数等47项误差参数。然后建立了合适的坐标系,推导出各类误差源在各坐标系之间的传递过程,和更加完整的加速度计和陀螺仪的输出模型。然后以动态失准角表征的姿态误差方程作为状态方程,将加速度计的输出作为输出方程,建立了惯性平台连续翻滚的状态空间模型。使用可观测性分析和最优化算法设计了两种连续翻滚路径,能够充分激励各类误差参数。首先介绍了PWCS理论和SVD理论,将系统的误差参数和失准角一并作为状态量,利用系统的提取可观测矩阵判断在某个路径下系统状态的可观测性,根据参数耦合或者状态不可观测,重新设计路径,保证了所有参数都能够被激励。然后使用奇异值分解法,计算各类系统误差参数的可观测度,判断在该路径下对误差参数可观测度。通过PWCS理论和SVD理论两种方法的分析,给出了一种合适的旋转路径,并进行仿真分析,得到了该路径下加速度计的输出曲线。然后,介绍了粒子群算法的基本理论,将设计的状态空间模...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究背景与意义
1.2 惯导平台自标定的研究现状
1.2.1 惯导平台发展概述
1.2.2 “三自”技术综述
1.3 粒子群优化算法研究现状
1.4 课题主要内容
第2章 惯导平台自标定的状态空间模型
2.1 引言
2.2 运动参数基准的建立
2.2.1 定义坐标系
2.2.2 定义误差参数
2.2.3 推导各坐标系的转换关系
2.3 建立状态空间模型
2.3.1 状态方程
2.3.2 观测方程
2.4 本章小结
第3章 基于可观测性分析的旋转路径设计
3.1 引言
3.2 可观测性分析的理论和方法
3.2.1 PWCS理论
3.2.2 耦合量判断
3.3 奇异值分解可观测度分析
3.3.1 奇异值分解理论简述
3.3.2 基于奇异值分解的系统可观测度分析
3.4 设计连续翻滚路径
3.5 本章小结
第4章 基于粒子群优化算法的路径设计
4.1 引言
4.2 粒子群优化理论
4.2.1 粒子群算法的数学描述
4.2.2 粒子群算法的工作流程
4.2.3 粒子群算法与其他算法比较
4.3 设计指标函数
4.4 .基于粒子群算法的旋转路径设计
4.4.1 约束问题
4.4.2 粒子群算法参数分析
4.5 本章小结
第5章 基于卡尔曼滤波的参数辨识
5.1 引言
5.2 建立滤波方程
5.3 参数辨识
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]基于模糊推理技术PSO算法的机器人路径规划研究[J]. 刘彩霞. 机电工程. 2019(04)
[2]基于多目标粒子群算法的船舶航速优化[J]. 张进峰,杨涛宁,马伟皓. 系统仿真学报. 2019(04)
[3]改进小生境粒子群算法应用于电网故障诊断[J]. 胡年平,徐芳敏,谢宁,解翔,李维海,刘涌,袁秋实. 电网与清洁能源. 2018(02)
[4]卡尔曼滤波在惯导初始对准中的应用[J]. 许明成,戴邵武. 电子设计工程. 2017(23)
[5]捷联惯导系统单轴旋转调制技术研究[J]. 尹伟伟,吴苗. 舰船电子工程. 2017(11)
[6]一种新的十六位置惯性平台自标定方法[J]. 袁爱红,孟卫锋. 弹箭与制导学报. 2015(04)
[7]具备反向学习和局部学习能力的粒子群算法[J]. 夏学文,刘经南,高柯夫,李元香,曾辉. 计算机学报. 2015(07)
[8]改进粒子群算法应用于热电联产负荷优化分配[J]. 郭民臣,樊雪,彭新飞,李美宝,冯海明. 汽轮机技术. 2013(03)
[9]一种新的惯性平台快速连续旋转自对准方法[J]. 曹渊,张士峰,杨华波,蔡洪. 兵工学报. 2011(12)
[10]惯导平台系统连续翻滚试验测试方法研究[J]. 苏宝库,郭刚,刘雨. 航空精密制造技术. 2011(04)
本文编号：3117896
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究背景与意义
1.2 惯导平台自标定的研究现状
1.2.1 惯导平台发展概述
1.2.2 “三自”技术综述
1.3 粒子群优化算法研究现状
1.4 课题主要内容
第2章 惯导平台自标定的状态空间模型
2.1 引言
2.2 运动参数基准的建立
2.2.1 定义坐标系
2.2.2 定义误差参数
2.2.3 推导各坐标系的转换关系
2.3 建立状态空间模型
2.3.1 状态方程
2.3.2 观测方程
2.4 本章小结
第3章 基于可观测性分析的旋转路径设计
3.1 引言
3.2 可观测性分析的理论和方法
3.2.1 PWCS理论
3.2.2 耦合量判断
3.3 奇异值分解可观测度分析
3.3.1 奇异值分解理论简述
3.3.2 基于奇异值分解的系统可观测度分析
3.4 设计连续翻滚路径
3.5 本章小结
第4章 基于粒子群优化算法的路径设计
4.1 引言
4.2 粒子群优化理论
4.2.1 粒子群算法的数学描述
4.2.2 粒子群算法的工作流程
4.2.3 粒子群算法与其他算法比较
4.3 设计指标函数
4.4 .基于粒子群算法的旋转路径设计
4.4.1 约束问题
4.4.2 粒子群算法参数分析
4.5 本章小结
第5章 基于卡尔曼滤波的参数辨识
5.1 引言
5.2 建立滤波方程
5.3 参数辨识
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]基于模糊推理技术PSO算法的机器人路径规划研究[J]. 刘彩霞. 机电工程. 2019(04)
[2]基于多目标粒子群算法的船舶航速优化[J]. 张进峰,杨涛宁,马伟皓. 系统仿真学报. 2019(04)
[3]改进小生境粒子群算法应用于电网故障诊断[J]. 胡年平,徐芳敏,谢宁,解翔,李维海,刘涌,袁秋实. 电网与清洁能源. 2018(02)
[4]卡尔曼滤波在惯导初始对准中的应用[J]. 许明成,戴邵武. 电子设计工程. 2017(23)
[5]捷联惯导系统单轴旋转调制技术研究[J]. 尹伟伟,吴苗. 舰船电子工程. 2017(11)
[6]一种新的十六位置惯性平台自标定方法[J]. 袁爱红,孟卫锋. 弹箭与制导学报. 2015(04)
[7]具备反向学习和局部学习能力的粒子群算法[J]. 夏学文,刘经南,高柯夫,李元香,曾辉. 计算机学报. 2015(07)
[8]改进粒子群算法应用于热电联产负荷优化分配[J]. 郭民臣,樊雪,彭新飞,李美宝,冯海明. 汽轮机技术. 2013(03)
[9]一种新的惯性平台快速连续旋转自对准方法[J]. 曹渊,张士峰,杨华波,蔡洪. 兵工学报. 2011(12)
[10]惯导平台系统连续翻滚试验测试方法研究[J]. 苏宝库,郭刚,刘雨. 航空精密制造技术. 2011(04)
本文编号：3117896
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3117896.html
