Design and Vehicle Test of a Modified Predictive Kalman Filter for SINS Self Accurate Initial Alignment
محل انتشار: مجله علوم و مهندسی هوافضا، دوره: 14، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 73
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JASTI-14-2_010
تاریخ نمایه سازی: 8 مرداد 1402
چکیده مقاله:
This paper presents a new Modified Predictive Kalman Filter (MPKF). To solve the problem of a strap-down inertial navigation system (SINS) self-alignment process that the standard Kalman filters cannot give the optimal solution when the system model and stochastic information are unknown accurately. The proposed algorithm is applied to SINS in the initial alignment process with a large misalignment heading angle. The filter is based on the idea of an accurate predictive filter applies n-steps ahead prediction of the SINS model errors to effectively enhance the corrections of the current information residual error on the system. Firstly, the formulations of a novel predictive filter and a fine alignment algorithm for SINS are presented. Secondly, the vehicle results demonstrate the superior performance of the proposed method, in which the MPKF algorithm is less sensitive to uncertainty. It performs faster and more accurate estimation of SINS' initial orientation angles compared with the conventional EKF method.
کلیدواژه ها:
Modified Predictive Kalman Filter (MPKF) ، Self Alignment ، Strap-down Inertial Navigation System (SINS) ، Large Heading Angle
نویسندگان
Nemat Allah Ghahremani
Faculty of Electrical & Computer engineering, Malek Ashtar University of technology, Iran
Hassan Alhassan
Faculty of Electrical & Computer engineering, Malek Ashtar University of technology, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :