The on-chip integrated sensing ring, a fundamental component of integrated optical gyroscopes (IOGs), significantly influences its performance, including detection resolution, zero-bias stability, and angle random walk. Reducing the propagation loss in the sensing ring is one of the most effective ways to improve the gyroscope performance. Compared to other laborious loss reduction approaches, such as modifying fabrication processes, optimizing the waveguide geometry proves to be a more flexible and economical strategy and has become a crucial technique to build exceptional integrated gyroscopes. In this article, we design 90 degrees bent silicon nitride waveguides for ultralow-loss quasi-rectangular integrated sensing rings based on the covariance matrix adaptation evolution strategy (CMA-ES) algorithm. The CMA-ES algorithm optimizes the width and the trace of the bends in a global parameter space. The simulation results demonstrate significant loss reduction up to over three orders of magnitude in the spectrum range of 1500-1600 nm for 90 degrees bent waveguides across varying radii, dimensions, and structural configurations. In addition, an ultralow loss of less than 2 x 10(-5) dB/90 degrees at single wavelength was achieved in a bend of 300 mu m effective radius in our optimization, with huge potential awaiting further exploration. The experimental results demonstrate good agreement with the simulated data, confirming the effectiveness of this optimization method and its clear engineering significance. This research proves that the CMA-ES algorithm can effectively optimize the design of on-chip integrated sensing rings, reduce their loss, and thus improve the performance of IOGs, exhibiting high superiority and practicality.
Accurate and stable positioning is significant for vehicle navigation systems, especially in complex urban environments. However, urban canyons and dynamic interference make vehicle sensors prone to disturbance, leading to vehicle positioning errors and even failures. To address these issues, an adaptive loosely coupled IMU/GNSS/LiDAR integrated navigation system based on factor graph optimization with sensor weight optimization and fault detection is proposed. First, the factor nodes and system framework are constructed based on error models of sensors, and the optimization method principle is derived. Second, the interactive multiple-model algorithm based on factor graph optimization (IMMFGO) is utilized to calculate and adjust sensor weights for global optimization, which will reduce the impact of disturbed sensors. Finally, a multi-stage fault detection, isolation, and recovery (MSFDIR) strategy is implemented based on the IMMFGO results and IMU pre-integration measurements, which can detect significant sensor faults and optimize the system structure. Vehicle experiments show that our IMMFGO method generally obtains better performance in positioning accuracy by 23.7% compared to adaptive factor graph optimization (AFGO) methods, and the MSFDIR strategy possesses the capability of fault sensor detection, which provides an essential reference for multi-source vehicle navigation systems in urban canyons.
当前基于视觉二维码的定位定姿方法依赖连续清晰的图像,当图像出现丢失或模糊现象时,性能难以保证.针对这一问题,提出了一种基于视觉二维码/惯性融合的室内高精度定位定姿方法,具有成本低、灵活和便携的特点.所提方法以捷联惯导算法为核心,通过拍摄预先布设且坐标已知的二维码(ArUco码)获得高精度的位置修正信息,并使用扩展卡尔曼滤波进行信息紧耦合.采用反向平滑算法融合二维码观测信息提升定位定姿精度,结合惯性的位姿推算能够有效地应对摄像头短暂遮挡或图像模糊等问题,提升系统的鲁棒性.实验结果表明,视觉观测出现中断时,所提方法也能够连续可靠地实现 3.2 cm(RMS)的定位精度,并达到与参考系统的定姿差异优于 0.1 °(RMS).
为获取高精度的海底地形地貌,提出了基于空间域最小化目标函数的海底地形重力反演方法.采用随机子抽样交叉验证法选取最优超参数来保证反演精度,设计了高精度空间域最小化目标函数海底地形反演流程.采用理论模型计算比较了不同超参数取值策略对反演结果精度的影响,基于随机子抽样交叉验证法选取最优超参数取值策略的复杂海底地形反演计算平均相对误差为 0.6456%,基于超参数固定值取值策略的复杂地形反演计算平均相对误差为 17.2603%.最后,采用实测重力数据对南海某海域实际海底地形进行反演,反演结果平均相对误差小于 5%,进一步验证了所提方法可有效获取高精度海底地形地貌.
为了提高卫星钟差短期预报精度,有效利用钟差数据之间的依赖关系,实现深层隐含特征提取与并行化计算,提出了一种序列到序列的基于优化自注意力机制的神经网络钟差预报模型(Informer).首先,对自注意力机制进行概率稀疏性优化,合理分配权重,给出详细的稀疏优化方法,降低模型的训练与预报时长;其次,引入麻雀优化算法进行超参数优化,得到神经网络的最优超参数;然后,给出Informer模型钟差预报的具体步骤;最后,将Informer模型与已有模型进行实验对比.实验结果表明:在计算效率方面,LSTM模型、Transformer模型和Informer模型在输入长度低于 336个历元时运行时间大致相同;在预报时间方面,Informer模型优势明显;利用 12 h的数据建模,与QP、GM以及LSTM模型相比,Informer模型 3 h的预报精度分别提高了 66.83%、79.78%、71.11%,6 h的预报精度分别提高了 50.50%、70.84%、53.54%,12 h的预报精度分别提高了 37.91%、60.12%和 15.74%,验证了Informer模型在钟差短期预报中具有较高的准确性和稳定性.
为使多空空导弹以不同的落角同时命中机动目标的不同关键部位,提出一带有落角约束和视场角约束的三维协同制导律.首先在导弹的偏航和俯仰平面分别运用二次型最优控制的黎卡提方程推导了带有落角约束的加速度指令,以确保导弹按期望的落向和落角打击目标.其次采用可控开关反向原加速度指令的方法,对视场角进行修正,确保目标始终在导弹视场内.然后基于有限时间一致性理论,在落角约束与视场角约束的基础上设计了具有时变导引系数的协同制导律,使各导弹同时击中机动目标.最后通过仿真验证了所设计的多约束条件协同制导律的有效性与正确性,相比于比例导引可以实现对目标不同方位的协同打击,脱靶量小于 0.41 m,落角落向误差均小于 0.23 °,时间误差在 0.1 s以内,并有效避免了机动指令的抖振现象.
在 GNSS 信号拒止的室内环境定位中,针对视觉惯性里程计(VIO)在长期运动或无回环等不利环境下产生误差累积偏移以及超宽带(UWB)受非视距影响定位精度难以保证的问题,提出了一种基于抗差估计的UWB辅助视觉惯性自适应组合定位算法.首先,构建UWB与VIO的优化框架,利用UWB定位结果对VIO进行全局约束.其次,在后端优化阶段加入抗差估计,实时调整传感器间的权重值,抑制UWB非视距的影响.最后,在EuRoc数据集和真实场景中进行了实验验证.真实场景实验结果表明,组合算法在非遮挡条件下定位精度相比于VINS_Mono提高 75.05%,基于抗差估计的组合算法在遮挡条件下定位精度相比于不加抗差估计的组合算法提高 37.53%.
To address the problem that traditional map-matching algorithms are prone to matching failure and accuracy degradation in bifurcated and semi-enclosed scenes,a robust multi-constraint map-matching algorithm for personnel inertial positioning is proposed.The algorithm constructs a geomagnetic/inertial fusion heading estimation system to calibrate the external geomagnetic interference in real time using a tri-axis gyroscope.The calibrated geomagnetic data are adopted to solve for heading,which could improve heading acquisition accuracy.Multiple constraints are imposed on the particle swarm trajectories within a fixed time window.This effectively increases the robustness of the algorithm.In addition,a heuristic multi-constraint resampling strategy is designed to enhance the adaptability of the particle swarm.Finally,several sets of indoor and outdoor long-distance walking experiments are conducted to evaluate the performance of the proposed algorithm.The results showed that,compared to particle filter algorithm for map backtracking constraints,the proposed algorithm is more robust,the localization accuracy could be improved by more than 2 times,and the localization error is less than 0.5%of total travel distance.
为提升地形辅助导航系统的定位可靠性,避免高度数据异常情况下的误匹配,提出了一种地形辅助导航系统多模式综合完好性监测方法.首先,通过建立滑窗不确定包络对异常的高度数据进行一致性判定,若存在异常则不执行后续匹配计算;其次,构建匹配计算完好性监测机制,在搜索模式下,通过构建搜索异常漏检区对提供的匹配位置进行异常检测,若检测匹配位置异常,则重新进行搜索定位;在跟踪模式下,利用跟踪滤波残差构建异常检测统计量,并计算系统保护水平,实现完好性监测告警.利用真实数字地形高程和实时仿真飞行轨迹进行仿真测试.测试结果表明,多模式综合完好性监测方法能够有效地检测出地形数据、测高传感器和滤波参数等异常情况导致的匹配位置异常,突变故障的检出时间在 5 s左右,缓增故障检出时间在 10 s左右,隔离故障后地形匹配整体位置误差保持2倍网格分辨率内,提高了地形辅助导航系统的可靠性.
针对旋翼无人机GNSS/SINS组合导航系统采用传统对准方法难以在大失准角下实现空中快速对准的问题,提出了一种基于SE(3)-EKF的旋翼无人机GNSS/SINS空中快速对准方法.将姿态和速度状态误差量构造为李群元素,并考虑陀螺仪和加速度计零偏误差,构建了群-矢量混合误差模型,推导了基于SE(3)-EKF的GNSS速度量测方程.实验结果表明:当失准角为[3 °,4 °,95 °]时,所提方法在 200 s内实现了约为 0.1 °的水平姿态对准精度,较传统的扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)分别提高了 50%以上和 20%以上;航向角误差约为 0.4 °,相较于EKF、UKF分别降低了 45%以上和43%以上.当失准角为[20 °,20 °,175 °]时,EKF和UKF已无法收敛,而所提方法水平姿态误差可收敛到约 0.1 °,方位误差可收敛到约 0.5 °,验证了所提方法适用于不同场景下的初始失准角,具备一定的工程应用价值.
针对高超声速飞行器刚性-弹性耦合动力学特性诱发的再入姿态稳定控制难题,提出了一种具有有限时间收敛功能的自适应积分Lyapunov控制方法.建立了刚性-弹性耦合动力学模型,将弹性模态与外部不确定性视为归一化扰动,构造辅助误差补偿子系统.设计自适应律跟踪归一化扰动,可使姿态跟踪误差在有限时间内收敛,同时增强积分Lyapunov控制方法的鲁棒性.此外,为解决传统反步法控制的"微分爆炸"问题,引入一阶线性滤波器,避免了直接求导,得到了平滑且可执行的控制指令.仿真结果表明:所提控制方法在气动参数摄动±20%的条件下,实现速度跟踪误差不大于 0.1 m/s,高度跟踪误差不大于 0.5 m,可有效抑制弹性模态和外部扰动对姿态控制的不利影响.
惯性导航系统(INS)可以为航天测量船建立高精度的坐标系基准,同时连续提供高精度的姿态、速度和位置等导航系统信息,是航天测量船核心设备之一.针对 INS 旋转调制引起的姿态、速度稳定性降低问题,提出一种单/双轴旋转惯导融合方法.从单轴和双轴惯导的工作原理出发,对两者的误差特性进行了综合比对分析,得到两种调制形式惯导设备导航信息特点,设计融合滤波器将两者信息优势结合,以在卫导拒止条件下,获得更高精度的自主导航信息.最后进行了实验验证,实验结果表明,工作在自主导航模式下的双轴惯导系统,经过与单轴系统信息融合后速度和姿态稳定性精度提高 50%以上,保障了航天测量船的测控性能.
针对无人车离散空间轨迹规划时存在路径不平滑、速度不平稳、动态规划运算时间长等问题,提出一种基于优化的离散空间轨迹规划算法.将无人车所需搜索的空间解耦为纵向-横向空间(S-L空间)和纵向-时间空间(S-T空间),在S-L空间根据静态避障和路径平滑程度的要求设计代价函数进行动态规划,进而利用二次规划对动态规划结果进行优化;在S-T空间提出一种改进的动态规划方法,根据道路速度限制和不可倒车约束优化搜索,并引入启发函数加快对规划终点的搜索速度,减少算法计算量,提高运行效率.仿真实验结果表明,在静态避障和动态避障环境中,所提算法规划出的轨迹曲率更小、速度变化更平滑、运行时间更快,相比于传统动态规划算法单次规划时间减少了 77.13%.
行人在室内场景下进行混合步态运动时,传统零速检测方法易出现"漏检"和"误检",造成定位精度下降.针对此问题,提出了一种基于行为概率分析的行人零速检测与爬楼高度估计方法.一方面,设计了基于步态周期检验的最大概率零速点提取方法,通过足部零速广义似然比概率统计对步态周期进行准确划分,继而实现对步态周期内最大概率零速点的提取;另一方面,采用基于长短期记忆的深度学习网络模型实现上下楼运动检测,基于气压高度计与惯性器件数据,构建描述足部跨越台阶数的能量概率函数,并对台阶高度、跨越台阶数以及爬楼高度进行实时在线估计.最后开展了行人室内导航实验,相较于传统零速检测算法和零速阈值自适应调整算法,所提算法的平均零速点提取成功率分别提高 24.44%和 16.21%,平均导航定位性能分别提高了 55.14%和39.15%,高度误差由 7.79%降低到 0.39%.
为实现鱼雷以一定终端角度约束命中水面舰船等目标,提高鱼雷的毁伤效果,以二维平面内鱼雷与目标相对运动模型为基础,提出一种基于终端角度约束的鱼雷偏置比例滑模制导律.所提方法将滑模控制与偏置比例导引结合,并基于 Lyapunov 函数稳定性理论证明制导律的稳定性.最后进行仿真实验,仿真结果表明,与其他类型制导律比较,设计的滑模制导律能按照预定的终端角度约束精确命中目标,脱靶量小于 1 m,在噪声干扰数值下落角约束误差小于 0.4 °,制导指令在合理范围内快速收敛且具有较高的命中精度,验证了所提制导律的有效性和可行性.
ASE光源是卫星用高精度光纤陀螺光路的核心部件,光源性能会影响陀螺的噪声、零偏和标度因数稳定性等性能指标.具有高功率、宽光谱的ASE光源能够提升陀螺产品的精度和稳定性.采用双程前向结构完成了宽谱ASE光源的工程化应用设计,最终实现了输出功率≥5 mW、谱宽≥10 nm的典型高斯型宽谱ASE光源在高精度光纤陀螺宇航产品中的批量应用.此外,针对未来高精度光纤陀螺性能进一步提升的需求,采用平坦滤波和高斯滤波相结合的技术完成了谱宽≥20 nm ASE光源的设计及研制.
针对近钻头钻具易受井下强振动等随机噪声的影响,使得导向钻具姿态动态测量误差较大的问题,提出一种随机加权渐消 UKF 算法并应用于导向钻井姿态测量系统.通过 Sigma 点获取状态估值和协方差矩阵,采用随机加权因子动态调整不同时刻残差向量的权值;再用渐消因子实时调节滤波增益,限制滤波器的记忆长度,有效利用最新量测信息对状态更新的影响调整预测误差协方差阵.将提出的算法应用到导向钻具姿态测量系统进行验证,结果表明,所提算法解算后得到的井斜角误差控制在±0.25 °以内,工具面角误差控制在±1 °以内,与标准 EKF 和 UKF 相比,井斜角解算误差和工具面角解算误差均降低了 50%以上,能有效提高导向钻具动态测量精度.
在超密集网络(UDN)环境中,当部分阵列天线单元受损且UDN服务基站天线单元数量较少时,信道状态信息(CSI)会产生随机丢失现象,精确估计用户的三维位置信息成为一个巨大的挑战.针对上述问题,提出了一种UDN天线受限条件下的定位方法.首先,将CSI张量按mode-1展开,并检测其信息缺失位置.然后,基于奇异值阈值(SVT)算法对缺失的CSI进行补全,并将补全后的CSI矩阵重构为张量.最后,基于Tucker分解方法估计信号的时延、方位角和仰角,利用基站与用户之间的几何关系得到用户的三维位置坐标.仿真结果表明,所提方法在 UDN 天线数量受限且部分受损的条件下表现出一定优势,当信噪比为-20 dB,天线数量为 16,总CSI随机丢失率为 2/16,多径数为 3时,所提方法在实时场景下位置均方根误差为 3.92 m,且相较于 Tucker 分解方法,定位精度提高了25.33%.
针对无人机视觉景象匹配导航中感知图像地理信息修正精度与实时性相互制约的问题,提出了一种基于惯性/高度计/视觉融合的地理信息修正算法.首先基于惯性导航解算的姿态与相机内参完成透视变换矩阵的计算,并通过线性插值完成实时图像的姿态修正,同时在该过程中引入透视变换矩阵因子降低传感器标定误差对修正精度的影响.进一步利用相对高度数据与相机内参完成空间分辨率计算及尺度修正.最终使其与基准图的坐标系、空间分辨率相同.为验证所设计算法的效果,设计了惯性/高度计/视觉组合装置并进行了飞行实验.实验结果表明地理信息修正平均误差为 0.84 像素,时间耗费为 0.043 s.与传统利用图像匹配进行修正的算法相比,所提算法平均误差减小了 80%,耗费时间缩短了 90%以上,在精度与实时性上均有大幅提升.
针对日月摄动对长航时高精度惯性导航的影响,对其引起的导航误差进行了研究.基于JPL星历DE405,建立了日地月系统的轨道模型,获得三者相对位置信息.利用此轨道模型求解出日月引力摄动对地球表面的惯性器件产生的比力最大达到0.15 μg.同时开展了长航时高精度纯惯性导航仿真验证,结果显示日月引力摄动单日内最大可以引起米级的惯性导航定位误差,并在长航时导航中呈现出周期性.同时摄动对导航的影响随着纬度变化而变化,在 30 °附近影响相对较小,其产生的定位误差在超高精度惯性导航中需要予以考虑.
