前言
第1章 绪论
1.1 应用背景及研究意义
1.2 研究现状
1.2.1 冗余捷联惯组安装配置研究现状
1.2.2 冗余捷联惯组误差标定研究现状
1.2.3 冗余捷联惯组故障诊断研究现状
1.2.4 冗余捷联惯组信息融合研究现状
1.3 本书的主要内容和特色
第2章 基本理论
2.1 引言
2.2 常见坐标系定义
2.3 捷联惯导系统工作原理
2.4 捷联惯导微分方程介绍
2.5 捷联惯导误差方程推导
2.5.1 姿态误差方程
2.5.2 速度误差方程
2.5.3 位置误差方程
2.6 卡尔曼滤波基本原理
2.7 因子图算法基本原理
2.8 本章小结
第3章 冗余捷联惯组安装配置
3.1 引言
3.2 冗余捷联惯组安装配置精度评价
3.2.1 冗余捷联惯组测量模型
3.2.2 精度最优评价准则
3.3 冗余捷联惯组安装配置可靠性评价
3.3.1 传感器的可靠性模型
3.3.2 可靠性评价准则
3.4 冗余捷联惯组故障检测与隔离性能评价
3.5 不同传感器数目下的最优配置方案
3.5.1 四传感器配置方案
3.5.2 六传感器配置方案
3.5.3 任意数目传感器配置方案
3.6 本章小结
第4章 冗余捷联惯组误差标定
4.1 引言
4.2 冗余捷联惯组误差模型
4.2.1 零偏误差模型
4.2.2 标度因数误差模型
4.2.3 安装误差模型
4.2.4 随机噪声误差模型
4.2.5 冗余捷联惯组误差标定模型
4.3 冗余捷联惯组标定模型可观测性
4.3.1 基于SVD分解的可观测性指标
4.3.2 冗余捷联惯组标定模型可观测性矩阵重构优化
4.3.3 冗余捷联惯组标定模型可观测性分析
4.4 冗余捷联惯组在线标定
4.4.1 在线标定方法
4.4.2 在线标定仿真
4.5 本章小结
第5章 冗余捷联惯组故障诊断
5.1 引言
5.2 冗余捷联惯组三通道故障检测理论
5.2.1 三通道故障检测原理
5.2.2 滤波参数分析
5.2.3 仿真分析
5.3 改进等价空间法故障检测方法
5.3.1 改进广义似然比法
5.3.2 算法仿真
5.4 改进主元分析法故障检测方法
5.4.1 主元分析法故障检测原理
5.4.2 改进主元分析法流程
5.4.3 仿真分析
5.5 基于神经网络的故障检测方法
5.5.1 基于神经网络的冗余捷联惯组故障检测原理
5.5.2 冗余捷联惯组故障特征提取和训练分类
5.5.3 冗余捷联惯组故障检测的神经网络结构
5.5.4 基于神经网络的冗余捷联惯组故障检测方法
5.5.5 仿真分析
5.6 本章小结
第6章 冗余捷联惯组信息融合
6.1 引言
6.2 冗余捷联惯组器件级同质数据融合方法
6.2.1 经典数据融合方法
6.2.2 现代数据融合方法
6.2.3 适用于工程应用的冗余捷联惯组器件级同质数据融合方法
6.3 多冗余捷联惯组系统级同质数据融合方法
6.3.1 基于马尔可夫最优估计的同质数据融合方法
6.3.2 基于惯组间残差的卡尔曼滤波的同质数据融合方法
6.3.3 基于因子图优化的同质数据融合方法
6.4 基于因子图的GNSS/RIMU异质数据融合方法
6.4.1 因子节点设计
6.4.2 因子图模型
6.4.3 仿真结果与分析
6.5 本章小结
参考文献
展开
