基于组合导航技术的管道地理坐标定位算法

针对长输管道地理坐标定位问题,提出了一种基于组合导航技术并应用管道磁标处地理信息进行分段修正的管道地理坐标定位算法.该算法基于惯导/里程仪组合导航的基本原理,应用误差模型对航迹误差进行修正.通过研究陀螺仪和里程仪的误差特性,建立了陀螺仪和里程仪的误差模型,针对低精度加速度计应用于惯性导航系统时存在速度和航迹解算误差较大的问题,提出了应用加速度信息对里程仪速度进行修正的速度解算方法.实验结果表明,算法解算所得位置误差为0.16%,可为长输管道提供三维地理坐标定位信息.     

基于舒勒原理确定惯性元件标度系数的应用研究

针对平台式惯性导航系统陀螺仪和加速度计在动态使用过程中更换无法重新精确标定的问题,文中提出了利用舒勒周期振荡确定陀螺仪和加速度计标度系数的方法.采用FFT算法实现了系统振荡周期计算,在FFT算法无法满足测量精度的条件下,采用线性调频z变换大大提高了振荡周期测量精度.计算机仿真和试验结果表明:该方法能快速、准确地实现对惯性元件标度系数的标定.     

MEMS惯性传感器融合的水平姿态解算方法

为获取惯性导航系统的姿态信息,针对MEMS惯性测量单元,设计了基于多传感器信息融合的水平姿态解算方案.在此基础上,提出了一种基于卡尔曼滤波的解决方案:利用陀螺仪测得的角速度更新前一步的姿态角,利用加速度计对重力矢量的观测修正陀螺仪给出的姿态角信息.设计了水平姿态解算试验平台以验证该算法,采用姿态航向参考系统AHRS500GA提供精确姿态角对解算结果进行对照,试验结果表明:在静态、动态条件下该算法均能准确地得到实时水平姿态角,其误差一般小于1°.     

采用线性模型的惯导平台测试方法

针对惯导平台非线性测漂模型的缺点,提出了以惯导平台加速度计输出为观测量的线性化测漂模型.给出了一种利用三轴转台对平台测试的6位置测试方案.该方案由高精度三轴伺服转台提供测试位置,并使惯导平台与转台闭环工作,处于惯性稳定状态.转台的应用提高了多位置测量时平台测试的位置精度.建立了包含陀螺仪漂移、加速度误差系数等在内的平台模型,利用最小二乘算法对线性化模型误差参数进行辨识.仿真结果表明,辨识方案是可行的.     

基于四元数互补滤波算法的车载MIMU

针对MEMS惯性器件由于测量精度低、数据易漂移而导致车载惯性导航系统姿态解算数据不稳定和精度不高的问题,设计一种基于四元数互补滤波算法的高精度车载MEMS惯性测量单元(MIMU)。通过四元数算法降低MIMU在运行过程中的计算难度,解决姿态解算中的奇点问题。利用互补滤波算法对惯性传感器运行过程中的高低频误差进行动态补偿、数据融合,减小陀螺仪积分漂移累加,抑制加速度计振动误差,实现多传感器数据融合的MIMU姿态解算。将MIMU放置于高精度无磁转台上进行动态测试,通过设置转台运行动作模拟车载环境,采集并分析MIMU在动态环境中的各个轴向角实时数据与误差数据。试验结果表明,MIMU横滚角精度为0.26°,俯仰角精度为0.23°,航向角精度为0.51°。     

基于扩展卡尔曼滤波的两轮机器人姿态估计

针对两轮自平衡机器人惯性传感器存在误差的问题,提出基于扩展卡尔曼滤波的方法进行补偿,从而实现机器人姿态的最优估计.利用实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,从而建立机器人导航用惯性传感器陀螺仪和加速度计误差的数学模型,并对误差进行标定.采用扩展卡尔曼滤波将传感器的数据进行融合并对误差进行补偿,得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明改进后的系统误差得到了有效的抑制,从而验证了采用低成本的惯性传感器进行机器人的姿态估计是有效可行的.     

惯性元件的失准角分离技术研究

针对陀螺仪和加速度计存在失准角的问题,采取误差分离技术,设计了简单、高精度测试失准角的方法.对失准角进行了定义,利用方向余弦阵的基本性质,从小角度的原理推导了惯性元件失准角的二维分解表达式,在测量陀螺仪的失准角时,对安装误差、夹具误差和失准角误差进行了误差分离.针对加速度计失准角的测试,设计了简易的测试方法,有效分离了加速度计的失准角以及夹具体的安装误差.对一个半球谐振陀螺仪和一个石英加速度计的失准角进行了实测,标定精度达到角秒级,验证了采用误差分离技术的测试方案的正确性,提高了失准角测试精度.     

基于线性模型的惯导平台测试方法研究

针对惯导平台非线性测漂模型的缺点,提出了以惯导平台加速度计输出为观测量的线性化测漂模型。给出了一种利用三轴转台对平台测试的6位置测试方案。该方案由高精度三轴伺服转台提供测试位置,并使惯导平台与转台闭环工作,处于惯性稳定状态。转台的应用提高了多位置测量时平台测试的位置精度。建立了包含陀螺仪漂移、加速度误差系数等在内的平台模型,利用最小二乘算法对线性化模型误差参数进行辨识。仿真结果表明,辨识方案是可行的     

MTi微型测姿系统数据采集及测姿算法研究

提出了一种以FPGA微处理器为核心的SOPC系统,利用RS-232实现对荷兰MTi微型姿态参考系统数据的实时采集。微处理器对采集到的数据进行处理、提取和存储,以及数据转换。研究了陀螺仪和加速度计/磁力计组合测姿算法,利用加速度计与磁力计测量的姿态角适时地对陀螺仪所测的姿态角进行修正,有效抑制陀螺仪所测载体的姿态角误差的发散.     

惯性/天文/卫星组合导航误差在线标定方法

为提高惯性/天文/卫星(INS/CNS/GNSS)组合导航系统长期工作时的精度,推导了基于四元数误差描述的组合导航系统误差状态方程和量测方程,利用分段定常系统(PWCS)定理,分析了不同输入条件下系统状态变量的可观测性和可观测度.结合可观测性和可观测度分析结果,提出了利用星敏感器及卫星导航系统提供的姿态、位置矢量在线标定陀螺仪、加速度计和星敏感器误差参数的方法.可观测性分析和仿真试验结果表明,该方法可以精确在线估计出陀螺仪、加速度计、星敏感器的标度因数、零偏和安装误差,提高惯性/天文/卫星组合导航系统长期在轨工作的精度.     

考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。     

无陀螺微惯性测量组合的优化算法研究

无陀螺微惯性测量组合是利用线加速度计空间的组合解算法载体的角速度，同时测量载体的轴向加速度，构成惯性测量组合，应用该方法可以设计出适用的中等精度惯性导航系统，在国外学者研究的基础上改进了9加速度计的模型，提出一种新疆的解算算法，抑制了迭代误差，该算法利用传感器的冗余信息直接求得所测量的角度速度的绝对值，及时修正微分方程的解，减少了解微分方程组所带来的累积误差，降低了惯性测量组合的漂移，经过仿真计算验证了该方案的可行性。     

基于捷联惯导的管道轨迹检测算法

为了获得参数未知的一般性管道的轨迹,设计了搭载MEMS惯性传感器(Inertial Measurement Unit,IMU)的管道检测器。通过STM32数据采集系统实时获得三轴加速度计和三轴陀螺仪的测量数据,利用捷联惯导技术的基本原理,解算管道检测器姿态、速度和位置,从而解算管道轨迹。经过对纯惯性导航系统误差特性的分析,得到了静止状态下的误差传播曲线,对垂直通道和水平通道补偿后,将误差降低到可接受范围内。     

基于误差状态量的卡尔曼滤波器在SINS+GPS组合导航中的应用

卡尔曼滤波(KF)在SINS+ GPS组合制导方法中应用广泛,但是运载体的传感器数学模型一般为非线性,其模型复杂度和运算量较大.文章提出了SINS+ GPS组合制导中基于误差状态量的卡尔曼滤波算法,为了回避非线性所带来的复杂性,将GPS数据与惯性导航数据的误差作为状态量,由于误差的数学模型为线性,明显降低了设计难度.文中给出了设计过程和导航系统的数学模型,对该模型的状态参数进行了设置,最后用仿真试验证明了该算法的有效性.     

十二加速度计阵列解耦算法研究

在无陀螺惯性测量组合中,加速度计敏感轴偏差使得加速度计能敏感到垂直于敏感轴方向上的加速度,由此产生的耦合效应是导致加速度计输出误差增大的重要因素.针对敏感轴偏差产生的耦合效应提出了相应的解耦算法,并制作了十二加速度计惯性测量组合模型及高精度同步数据采集实验系统.在三轴转台上进行的仿真实验结果表明了解耦算法的有效性.经过解耦,加速度计输出精度达到选用加速度计的分辨率级精度-10-3g,比未解耦的输出提高了2个数量级,从源头上降低了无陀螺惯性测量组合的误差.     

一种新的非线性模型预测UPF算法

针对现有导航解算中将模型误差作为过程噪声,并假设为高斯白噪声来处理,可能会引起较大的估计误差,甚至导致滤波器发散的问题.文章以提高导航解算精度为目的,在吸收非线性预测滤波和粒子滤波优点的基础上,提出一种新的非线性模型预测Unscented粒子滤波算法.该算法在建立系统模型时顾及了模型误差,对模型误差进行实时估计,并利用该估计值对包含模型误差的非线性、非高斯系统模型进行修正,从而提高了导航解算精度.将提出的算法应用于捷联惯性导航( SINS)/合成孔径雷达(SAR)组合导航系统进行仿真验证,并与预测滤波和Unscented粒子滤波进行比较,结果表明,提出的新算法不但滤波性能明显优于预测滤波和Unscented粒子滤波,而且能提高导航解算精度.     

基于MEMS与Android智能手机融合的 室内个人导航算法

针对微机电系统(micro-electro mechanical system,MEMS)惯性器件在导航解算中存在较大的累积误差问题,提出了一种基于MEMS惯性器件与Android智能手机融合的室内个人导航算法.导航算法在捷联惯性导航算法的基础上,根据人行走时的运动特点,引入了零速度检测与修正算法来检测人行走过程中的静止状态,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差.导航解算中由于陀螺仪漂移导致获得的行人运动方向角误差较大,故采用MEMS陀螺仪输出姿态信息与Android智能手机中的电子罗盘方向角融合的行人运动方向校正算法来获取行人运动方向,并结合滑动均值滤波算法来进一步校正行人的运动方向,提高导航精度.最后通过实验结果验证了导航累积误差修正算法的可行性和有效性.     

基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.     

一种基于自适应抗差CKF算法的改进初始对准方法

捷联惯导初始对准过程中存在大方位失准角的情况,需要通过建立非线性误差模型来对误差进行估计,因此对相应初始对准技术进行了研究。通过分析,构建捷联惯性导航系统和全球定位系统的精准非线性误差模型;基于自适应抗差理论对容积卡尔曼滤波(CKF)算法对随机干扰的统计特性以及观测粗差计算模型进行改进;设计相应的仿真评估测试和实物验证方法,试验结果证明提出的方法在初始对准中具有更强的滤波稳定性、更高的滤波估计精度和更短的算法收敛时间。