论文部分内容阅读
随着微机电系统(MEMS)技术和计算机技术的不断发展成熟以及对低成本因素的考虑，对飞行器姿态解算的各种性能指标要求也日趋提高，采用常规的姿态解算算法或者单纯只采用卡尔曼滤波算法来求解已经不能满足现在对飞行器姿态解算精度高、可靠性高、环境自适应能力强和成本低的要求。针对捷联惯性测量单元(IMU)噪声大、误差累积的缺点和传统的卡尔曼滤波姿态解算算法精度不高、环境适应性能力差等缺点，本文在研究卡尔曼滤波模型和神经网络模型的基础上，提出了BP-卡尔曼融合滤波的姿态解算算法，对卡尔曼滤波模型的预测结果用BP神经网络予以模型优化，以补偿卡尔曼滤波自身存在的模型误差，得到最终解算结果。通过仿真实验，对比传统的卡尔曼滤波模型和BP-卡尔曼融合滤波模型的解算结果，结果表明该算法提高了姿态解算精度而且增强了对环境的自适应能力。