无陀螺捷联惯导系统中圆锥误差抑制策略与混沌粒子群算法优化

本文主要探讨了无陀螺捷联惯性导航系统（GFS INS，Global Frame of Reference Inertial Navigation System）中圆锥误差（Coning Error）的抑制问题。圆锥误差是由于地球自转导致的测量误差，它在无陀螺惯导系统中是一个难以避免但又严重影响导航精度的关键因素。传统的等效旋转矢量方法并不能直接提供角增量，这使得在处理这类系统时面临挑战。 作者首先深入分析了圆锥误差在无陀螺捷联惯导系统中的具体特性和表现形式，强调了其对系统性能的显著影响。为了克服这一问题，他们创新性地设计了一种角增量获取方法，这种方法能够更有效地估计和补偿圆锥误差的影响。这种方法的关键在于利用混沌粒子群算法（Chaos Particle Swarm Optimization，CPSO）来优化四子样等效旋转矢量方法中的计算公式系数。混沌粒子群算法是一种模仿自然界生物群体行为的优化算法，通过全局搜索和局部精细调整，能够在复杂的优化问题中找到最优解。 优化后的角增量获取方法通过实验验证，结果显示能够显著减少圆锥误差，从而提高了系统的导航精度。实验结果通过典型圆锥误差的仿真模型得以展示，验证了新方法的有效性。这项研究对于提升无陀螺捷联惯导系统的稳定性和准确性具有重要的理论与实际意义，对于工程实践中的导航设备设计和误差校正策略具有指导价值。此外，论文还包含了中图分类号（V241.62）、文献标志码（A）以及文章编号（0254-0037（2012）07-1045-07），表明这是工程技术领域的高质量学术论文。