[发明专利]一种大失准角下SINS初始对准方法

权利要求书

1.一种大失准角下SINS初始对准方法，其特征在于，该方法包括：

S1建立初始对准的线性误差模型；

S2建立强跟踪滤波器；

S3求解渐消矩阵；

S4利用模糊理论设置隶属度函数，建立模糊规则对渐消矩阵进行控制，借助模糊理论中的隶属度函数，以强跟踪中的新息序列方差与期望方差做输入，以协方差矩阵前的调节系数为输出，设计模糊控制的规则；

S5重复步骤S2～S4，利用强跟踪滤波的渐消矩阵对影响失准角的状态量进行反馈，同时设计合适的隶属度函数，既利用了强跟踪在大失准的优势，又在失准角缩小时平稳过渡到标准卡尔曼，保证了初始对准的滤波精度，直至对准结束；

其中，所述初始对准线性误差模型是以惯导速度误差作为观测量建立对准的线性误差模型：

其中，F为转移矩阵，H＝[0 I 0 0]为量测矩阵，w和v为系统噪声和量测噪声，X_k为k时刻的状态变量，Z_k为速度或比力观测量；

求解渐消矩阵：

首先计算k时刻的渐消因子：

N_k＝V_k-H_kQ_k-1H_k-R_k

其中，ξ_k为残差序列由k时刻增益矩阵K_k可得；

对前面求得的渐消因子做加权计算，由于只对能影响失准角的状态量做出反馈，即只对失准角和速度误差做反馈矫正，对其它状态量反馈会适得其反，因此需要将渐消矩阵其它不相关的系数置1，再将渐消矩阵λ_k带入到隶属度函数G_k中；渐消矩阵λ_k表示如下：

其中，p_i,i为协方差矩阵在k时刻的协方差矩阵里的因子，κ_i为所求的比例因子；

其中，隶属度函数为：

其中，ξ_k为残差序列，λ_k为渐消矩阵，k为第k时刻，ρ为门限值，ρ_min表示门限值的最小值；

模糊控制规则为：

如果新息的序列残差与期望残差的比值大于门限值ρ_min，则认为失准角过大ρ值不变；

如果新息的序列残差与期望残差的比值小于门限值ρ_min，则认为失准角满足精度准要求，则令ρ＝ρ_min。

2.根据权利要求1所述的大失准角下SINS初始对准方法，其特征在于，强跟踪滤波器为：

k时刻的时间更新：

预测协方差矩阵P_k/k-1，

k时刻增益矩阵K_k为：

k时刻的残差序列ξ_k为：

k-1时刻的状态更新为k时刻的

k时刻的协方差矩阵P_k更新：

P_k＝P_k/k-1-K_kH_kP_k/k-1

其中，F_k/k-1为k-1时刻的状态转移矩阵，为k-1时刻的状态变量，其中Q_k为白噪声，R_k为量测噪声，G_k为隶属度函数，P_k-1为k-1时刻的协方差矩阵。