基于非线性滤波的无人机组合导航新方法研究

提出一种基于微惯性测量装置/多卜勒测速系统的无人机组合导航新方法,并采用非线性滤波-Unscented卡尔曼滤波(UKF)来解决系统状态方程和量测方程的非线性问题.首先,采用低精度的微陀螺和微加速度计作为惯性测量器件构成MIMU,将其与多卜勒测速系统(DVS)构成MIMU/DVS组合导航系统;然后,以MIMU和DVS的系统误差作为状态,利用各子系统输出的速度信息构造量测,设计卡尔曼滤波器,采用UKF法对导航系统误差进行估计,进而对系统进行误差校正.仿真结果表明,基于非线性滤波的MIMU/DVS无人机组合导航新方法具有较高的导航精度,同时有效地降低了系统成本,具有良好的工程应用价值.     

MEMS加速度计二阶非线性补偿方法研究

微惯性集成测量组合(MIMU)中的惯性传感器,陀螺仪和加速度计的标定补偿研究大多集中在安装误差角补偿和一阶线性常数的计算上,对二阶非线性系数的测量、计算研究的不多不深.通过分析含二次非线性系数的加速度计输出模型,提出一种补偿二次非线性系数的方法,并进行了完善的理论分析和试验.最终通过计算能有效补偿MIMU的输出精度,为后续的导航信息解算奠定了基础,具有重要的工程应用价值.     

一种加速度计的标定补偿方法研究

针对微惯性测量组合(MIMU)中的三轴加速度计因为安装误差的缘故,会在恶劣的锥运动环境下出现误差发散问题,本文提出一种基于三轴位置速率转台的静态旋转多位置补偿标定方法.本文通过分析误差角补偿模型来设计相应的标定试验流程,然后利用非线性拟合的数据处理方法,准确计算出标度因数矩阵和加速度计电压.最后,经过标定试验和误差计算,与十二位置标定法对比发现,本文所设计的标定补偿方法能够将误差小一个数量级,能有效提高加速度计输出精度,具有重要的工程实践意义.     

提高NGIMU性能的加速度计动态补偿器的研究

无陀螺惯性测量技术是利用加速度计代替传统的陀螺,构成无陀螺惯性测量组合(NGIMU)实现制导的.首先,基于NGIMU九加速度计配置方案,根据加速度计的动态特性,推导了模型的动态导航方程,然后通过对加速度计进行动态补偿达到提高系统导航精度的目的,最后进行了系统三个方向角度运算的仿真验证.仿真结果表明,当加速度计输入信号的动态特性越强,NGIMU的导航误差越大,在动态补偿后系统的导航精度得到了有效提高.     

MIMU高精度快速转停标定方法

为了解决传统MIMU角速率和静态六位置混合标定方法实验过程冗杂且实验条件严苛的问题,提出了一种用于MIMU的角位置和静态多位置混合标定方法。根据MIMU 的误差特性和输出模型,通过优化测试编排方案,一次性标定出陀螺和加速度计的24个误差系数。 实验结果表明,该方法在保证测试精度的同时,降低了对高精度速率转台的依赖,在数据采集及处理方面有着明显的优势,适合流程化处理,所用时间由2ｈ减少为30min,针对实际工程中大量应用的MIMU标定,具有 一定的工程应用价值。     

基于MEMS加速度计的无陀螺车辆导航技术

设计了一种基于低成本MEMS加速度计的无陀螺车载捷联惯导系统,将高精度的MEMS加速度计安放在载体非质心处,代替陀螺来测量载体角运动信息,实现车辆的GPS信号被遮挡时短时间内的导航定位定姿要求;仿真结果表明:对于300 s时间内导航的载体,无陀螺车载捷联惯导系统的位置误差达到了0.0002°,满足导航的精度要求。     

一种微惯性测量单元标定补偿方法

在介绍微惯性测量单元组成与结构的基础上,根据MEMS惯性器件的输出特性,建立了微惯性测量单元中加速度计和陀螺仪的数学标定模型,提出并推导了一种适用于微惯性测量单元的标定方法,该方法可以得到微惯性测量单元中惯性传感器的零位、标度因数、安装误差系数及g值敏感项等33个参数;然后,具体介绍了通过加速度计重力场静态翻滚试验和陀螺仪恒角速率试验对MIMU中参数标定的方法和步骤,并对实验室自研的MIMU进行了标定;最后利用得到的标定参数对测试结果进行了误差分析与补偿;实验结果表明,该方法使MIMU的测量精度提高了1～2个数量级,能够满足姿态解算及导航计算的精度要求。     

双轴旋转惯导系统转位误差对导航精度影响研究

针对双轴旋转惯导系统转位误差对导航精度的影响机理问题,在研究陀螺的非线性标度因数误差效应基础上,分析了转位误差与陀螺非线性标度因数误差的耦合作用,对耦合作用对导航精度的影响进行了仿真.研究表明:陀螺非线性标度因数误差不变时,转位误差会引起导航经度误差的积累和发散,积累和发散的程度与转位误差大小近似呈正比关系;转位误差不变时,导航经度误差会随陀螺非线性标度因数误差的增大而增大.     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.