组合导航算法设计

合集下载

03-8.5 组合方式

03-8.5 组合方式

组合方式
➢松组合-集中式
开环校正:优点:工程上比较容易实现,
INS
滤波器的故障不会影响惯性导航系统的工
作;缺点:惯导的误差是随时间积累的,
在长时间的工作条件下,惯导误差不再是
小量,从而使滤波方程出现模型误差,导
致滤波精度下降。
闭环校正:优点:惯导的输出就是组合系 INS 统的输出,其误差始终保持为小量,不会 产生滤波方程的模型误差;缺点:工程上 实现比较复杂,且滤波器的故障会“污染” 惯导的输出,可靠性降低。
组合方式
➢紧组合
基本原理
紧组合模式就是通常所说的伪距、伪距率组合模式。根据INS信息和卫星星 历计算接收机相对于卫星视线方向(LOS)的距离、距离率,并与GNSS码环和
载波环得到的伪距、伪距率相减,作为卡尔曼滤波器的量测信息;然后利用卡
尔曼滤波器估计INS的误差量以及接收机钟差等;最后对INS进行输出校正或反
船用INS/GNSS组合导航技术
组合方式
主讲教师:程建华
C
ONTENTS

01 组合导航系统的设计模式

02 常见的GNSS/INS组合模式
03 GNSS/INS组合实例
组合方式
➢组合导航系统的设计模式
①直接法 直接以各导航子系统的导航输出参数作为状态。
运载体运动 惯导系统
运载体
卫星导航系 统
导航参数 导航参数 最优估计
运载体运动
惯导系统
运载体
卫星导航系 统
导航参数
+ 卡尔曼滤波器
-
输出校正法示意图
导航参数 最优估计
-
输出校正
组合方式
➢组合导航系统的设计模式

组合导航关键技术

组合导航关键技术

组合导航系统是将载体( 飞机、舰船等) 上的导航设备组合成一个统一的系统,利用两种或两种以上的设备提供多重信息,构成一个多功能、高精度的冗余系统。

组合导航系统有利于充分利用各导航系统进行信息互补与信息合作, 成为导航系统发展的方向。

在所有的组合导航系统中,以北斗与惯性导航系统INS 组合的系统最为理想, 而深组合方式是北斗与惯性导航系统( INS) 组合的最优方法。

鉴于GPS 的不可依赖性,北斗卫星导航系统与INS 的组合是我国组合导航系统的发展趋势,我国自主研制北斗/INS深组合导航系统需要解决的关键技术。

1 北斗/惯导深组合导航算法深组合导航算法是由INS导航结果推算出伪距、伪距率,与北斗定位系统观测得到的伪距、伪距率作差得到观测量。

通过卡尔曼滤波对INS的误差和北斗接收机的误差进行最优估计,并根据估计出的INS误差结果对INS进行反馈校正, 使INS保持高精度的导航。

同时利用校正后的INS 速度信息对北斗接收机的载波环、码环进行辅助跟踪, 消除载波跟踪环和码跟踪环中载体的大部分动态因素, 以降低载波跟踪环和码跟踪环的阶数,从而减小环路的等效带宽, 增加北斗接收机在高动态或强干扰环境下的跟踪能力。

其组合方式如图 1所示,图中只画出了北斗的一个通道,其他通道均相同。

图 1 深组合方式框图组合导航参数估计是组合导航系统研究的关键问题之一。

经典Kalman滤波方法是组合导航系统中使用最广泛的滤波方法,但由于动态条件下组合导航系统状态噪声和量测噪声的统计信息的不准确,常导致滤波精度的下降,影响组合导航的性能。

滤波初值的选取与方差矩阵的初值对滤波结果的无偏性和稳定性有较大的影响,不恰当的选择可能导致滤波过程收敛速度慢,甚至有可能发散。

另外系统误差模型的不准确也会导致滤波过程的不稳定。

渐消记忆自适应滤波方法通过调节新量测值对估计值的修正作用来减小系统误差模型不准确对滤波过程的影响。

当系统模型不准确时,增强旧测量值对估计值的修正作用,减弱新测量值对估计值的修正作用。

组合导航综合设计

组合导航综合设计

组合导航系统综合设计总结报告一、引言1.1陀螺和加表的发展概况惯性导航是一种高精度的自主导航系统,它依靠系统内按正交坐标系配置的陀螺仪和加速度计感知运载体的运动信息,通过计算确定载体的位置、航向、姿态,以此作为控制参数实现系统功能。

惯性导航的主要器件是惯性仪表——陀螺仪和加速度计。

1、陀螺仪绕一个支点高速转动的刚体称为陀螺。

陀螺仪多用于导航、定位等系统,是一种用来传感与维持方向的装置,基于角动量不灭的理论设计出来的。

陀螺仪主要是由一个位于轴心可以旋转的轮子构成,陀螺仪一旦开始旋转,由于轮子的角动量,陀螺仪有抗拒方向改变的趋向。

1)、陀螺仪的发展历程1850年法国的物理学家莱昂²傅科(J.Foucault)为了研究地球自转,首先发现高速转动中的转子(rotor),由于惯性作用它的旋转轴永远指向一固定方向,他用希腊字gyro(旋转)和skopein(看)两字合为gyro scopei 一字来命名这种仪表。

陀螺仪是一种既古老而又很有生命力的仪器,从第一台真正实用的陀螺仪器问世以来已超过一个世纪,但直到现在,陀螺仪仍在吸引着人们对它进行研究,这是由于它本身具有的特性所决定的。

陀螺仪最主要的基本特性是它的稳定性和进动性。

人们从儿童玩的地陀螺中早就发现高速旋转的陀螺可以竖直不倒而保持与地面垂直,这就反映了陀螺的稳定性。

研究陀螺仪运动特性的理论是绕定点运动刚体动力学的一个分支,它以物体的惯性为基础,研究旋转物体的动力学特性。

陀螺仪MEMS陀螺2)、陀螺仪的分类A、按照工作原理,陀螺仪可以分为三大类:机械转子类陀螺仪、振动陀螺仪、光学陀螺仪。

B、按照自转轴相对于壳体具有的转动自由度,可以分为单自由度、双自由度陀螺。

C、按照陀螺仪的转子支撑方式,可以分为框架、液浮、气浮、动调、静电陀螺仪等。

D、按照陀螺仪的输出形式,可以分为角速率、角速率积分陀螺仪。

E、按照陀螺仪的精度,可以分为惯性级(随机漂移小于0.01°/h)、次惯性级、常规级陀螺仪。

组合导航系统离线信息融合算法

组合导航系统离线信息融合算法

组合导航系统离线信息融合算法标题是《组合导航系统离线信息融合算法》,文章内容如下:随着信息技术的发展,组合导航系统受到越来越多的关注,它可以实现定位、导航和目标跟踪等功能。

但是,组合导航系统存在一些挑战,其中最大的挑战之一是如何有效地融合离线信息。

离线信息融合是指使用多种信息源的情况下,用与其他信息源不同的信息来定位和跟踪目标。

例如,在组合导航系统中,可以将多种步行模式下的动态信息(例如步行路线)与静态信息(例如街道网络)有效融合,提高系统的运行效率和定位精度。

近年来,为了解决离线信息融合在组合导航系统中的挑战,学术界从多个方面研究了多种算法。

其中一种算法是基于贝叶斯网络的信息融合算法。

该算法首先建立概率图模型,以模拟组合导航系统中的基本过程。

然后,通过马尔可夫贝叶斯网络,建立一组概率分布,其中包括导航模式和可获取的信息量。

最后,利用有关信息量的概率分布,利用统计学原理进行信息融合,根据信息来源、精度要求和行走模式进行定位。

与基于贝叶斯网络的算法相比,另一种有效的离线信息融合算法是基于概率分布图模型的算法。

该算法建立一组概率分布图模型,其中包括基于步行模式的概率图以及基于节点信息的概率图。

然后,利用有关各种离线信息的概率图模型,有效地实现组合导航系统中的信息融合。

此外,还有一种基于模糊规则集的离线信息融合算法也得到了研究。

该算法建立一组模糊规则,其中包括步行模式、节点信息和定位精度等,并利用模糊规则集中的信息来实现信息融合。

通过上述探讨,可以看出,离线信息融合在组合导航系统中具有重要作用。

目前,在上述算法中,基于贝叶斯网络的算法可以有效地融合多种信息源的信息,并将其用于组合导航系统中,提高定位精度。

此外,基于概率分布图模型的算法和基于模糊规则集的算法也是有效的离线信息融合算法。

未来,学术界可以更深入地研究这些算法,以实现更加准确高效的信息融合算法。

总之,组合导航系统中的离线信息融合算法可以有效提高定位精度,为其他应用提供精准数据支持。

GNSSINS自适应智能组合导航算法

GNSSINS自适应智能组合导航算法

2、系统稳定性测试:通过动态场景模拟,检验GNSSINS算法在不同速度、震 动条件下的稳定性。
3、实际应用测试:将GNSSINS算法应用于自动驾驶车辆,验证其在复杂环境 中的实时导航性能。
实验结果分析
通过以上实验,我们得出以下结论:
1、GNSSINS算法在定位精度方面表现出色,尤其是在复杂环境和信号干扰条 件下,其误差较单一GNSS、INS有明显降低。
在自适应滤波理论方面,传统的自适应滤波算法如LMS、RLS等已广泛应用于 GNSSINS组合导航系统中。这些算法能够根据信号特征自动调整滤波器参数, 提高信号处理效果。然而,这些算法也存在一定的局限性,如对于非平稳信号 的处理能力不足、容易受到噪声干扰等。
研究方法
为了解决上述问题,本次演示提出了一种基于扩展卡尔曼滤波(EKF)和自适 应滤波的误差补偿方法。该方法首先利用EKF对非线性系统进行建模,实现对 INS误差的补偿;然后,采用自适应滤波算法对GNSS信号进行处理,提高信号 质量。具体步骤如下:
本次演示研究了GNSSINS组合导航误差补偿与自适应滤波理论的拓展,提出了 一种基于扩展卡尔曼滤波和自适应滤波的方法。该方法在实现误差补偿和信号 处理方面均具有较好的性能,能够提高导航系统的精度和稳定性。然而,该方 法仍存在一定的局限性,例如对于复杂环境下的非线性建模能力还有待进一步 提高。未来研究可以针对这方面进行深入探讨,并尝试将其他先进技术引入到 GNSSINS组合导航领域中,以实现更好的导航性能。
谢谢观看
文献综述
GNSSINS深组合导航技术是一种将全球卫星导航系统(GNSS)和惯性导航系统 (INS)进行深层次融合的导航技术。在已有的研究中,GNSSINS深组合导航 技术主要分为松组合、紧组合和深组合三种模式。松组合模式主要通过卡尔曼 滤波器进行数据融合,紧组合模式则通过共享 INS和 GNSS的测量信息进行组 合,而深组合模式则将 INS和 GNSS的测量信息深入地融合在一起,以实现更 高精度的导航。

GPS-INS组合导航算法研究与实现

GPS-INS组合导航算法研究与实现

GPS-INS组合导航算法研究与实现GPS/INS组合导航算法研究与实现一、引言随着现代航空航天、航海、地理测量等领域的快速发展,导航技术在实际应用中扮演着至关重要的角色。

而GPS(Global Positioning System)和INS(Inertial Navigation System)作为两种常用的导航系统,各自具有优势和局限性。

本文将研究并实现一种基于GPS/INS组合的导航算法,旨在提高导航精度和稳定性。

二、GPS原理与特点GPS是利用卫星信号来确定位置、速度和时间的全球导航卫星系统。

其基本原理是通过接收来自多颗卫星的无线电信号,并计算卫星和接收器之间的距离,从而确定接收器的位置。

GPS具有全球覆盖、精度高、实时性好等优点,但在封闭环境或复杂地形下,信号可能受阻,从而降低导航精度。

三、INS原理与特点INS是一种基于陀螺仪、加速度计等传感器测量平台加速度、角速度等信息,进而推算出航向、位置等信息的导航系统。

INS具有短时间高精度、不受信号阻塞等优点,但会因为误差累积而导致导航精度慢慢下降。

四、GPS/INS组合导航算法1. 数据融合:GPS和INS可以互为补充,GPS提供了位置、速度的全球信息,INS则提供了短时间内的高频数据。

将两者进行数据融合,可以提高导航精度和稳定性。

常见的融合方法有卡尔曼滤波、粒子滤波等。

2. 姿态解算:利用INS测量的姿态信息,结合GPS位置、速度等信息,可以对航向、俯仰、横滚等姿态参数进行解算。

姿态解算是基于数学模型和传感器测量值进行的,可以应用各种滤波算法进行优化。

3. 误差修正:GPS和INS都存在误差,如GPS的卫星定位误差、INS的漂移误差等。

通过比较两者的结果,识别和修正误差是非常重要的一步。

例如,可以利用GPS比对INS的位置信息,进而校正INS的漂移误差。

五、实验及结果分析为了验证GPS/INS组合导航算法的有效性,我们进行了一系列实验。

高精度导航系统中的多模组合算法研究

高精度导航系统中的多模组合算法研究

高精度导航系统中的多模组合算法研究导航系统在现代社会中扮演着重要角色,不仅用于车辆的导航,还广泛应用于航海、航空和个人定位等领域。

为了提高导航系统的定位精度和可靠性,研究者们提出了多种多模组合算法。

本文将探讨高精度导航系统中的多模组合算法研究,并分析其应用和优势。

多模组合算法是指利用多个感知模态数据的信息,通过适当的代数处理和加权,将其组合成最优的定位结果。

传统的导航系统主要以卫星导航系统(如GPS)为基础,但在某些环境下,卫星信号可能受到干扰或阻塞,导致定位精度下降或无法定位。

因此,研究者们引入多模组合算法,通过融合其他感知模态数据,如地图、惯性传感器和无线信号等,来提高导航系统的鲁棒性和定位精度。

多模组合算法的关键问题之一是如何准确估计每个感知模态数据的权重,从而合理组合各个模态的信息。

为了解决这个问题,研究者们提出了许多方法,其中一种常用的方法是基于卡尔曼滤波理论的权重融合方法。

此方法利用卡尔曼滤波器对每个感知模态数据进行状态估计,并根据其估计精度来计算相应的权重。

这种方法能够自适应地根据各个模态的精度调整权重,从而更好地融合各个模态的信息。

另一方面,多模组合算法还可以采用机器学习的方法来估计权重。

例如,可以使用支持向量机(SVM)或人工神经网络(ANN)等方法,通过学习历史数据和训练样本,估计感知模态数据的权重。

这种方法能够更加灵活地应对不同环境下的权重变化,并适应导航系统的动态变化。

多模组合算法的应用范围非常广泛。

首先,对于智能车辆导航系统来说,多模组合算法可以将车载传感器、卫星导航系统以及地图等多种数据进行融合,提高导航的鲁棒性和定位精度。

其次,对于室内定位系统来说,多模组合算法可以融合Wi-Fi信号、蓝牙信号和惯性传感器等多种数据,提高室内定位的可用性和精度。

此外,多模组合算法还可以应用于航海、航空和个人定位等领域,以提高定位的可靠性和精度。

多模组合算法在高精度导航系统中具有很多优势。

浅谈GPSSINS组合导航系统的设计

浅谈GPSSINS组合导航系统的设计

浅谈GPS/SINS组合导航系统的设计摘要:SINS/GPS组合导航系统是一种性能较好的导航系统,它结合了GPS的高精度定位,误差无积累及INS的自主性、实时性等优点。

两者的结合可使导航系统的成本下降,可靠性增加,精度提高。

本文概要地介绍了SINS/GPS的研究背景、结构组成、建立了系统的总体设计方案,给出详细的软件设计框图.并介绍实现系统各个功能的软件算法。

实际应用结果表明:该系统的导航精度、成本、体积等指标均达到了设计要求。

关键词:GPS;SINS;组合导航;数据同步;发展趋势1 引言全球定位系统(GlobePosition System,GPS)和捷联惯性导航系统(SINS)都是目前世界上应用广泛的导航方法之一。

GPS易受地形地物的影响而导致定位中断,并且受制于人,而SINS定位误差随时间而积累,若将它们组合起来可形成优势互补并且在短期和长期上都有保证。

随着现代电子信息技术的发展.嵌人式技术的应用越来越广泛,尤其是在导航领域,导航设备正朝小型化、微型化应用发展,而且对系统精度和实时性要求也越来越高。

SINS/GPS组合导航能够增强导航系统容错能力和余度能力,研究高精度、高可靠性、小体积、低成本的SINS/GPS组合导航系统具有重要意义。

在飞机、舰船或其他对导航系统体积和性能有严格要求的领域具有潜在的应用价值。

2 SINS/GPS的研究背景全球定位系统(GPS) 是当前应用最为广泛的卫星导航定位系统,使用方便、成本低廉,具有较高的导航精度,其最新的实际定位精度已经达到5米以内。

但是在实际应用中还存在易受干扰、动态环境中可靠性差以及数据输出频率低不足等缺点。

由于其要求对卫星的直接可见,另外对可见卫星的数目和几何配置都有一定的要求,尤其在城市运行环境下,楼房、立交桥甚至湿润的树叶都会使可见卫星被遮挡,造成所谓的接收机“失锁”,使GPS中断输出。

另外,城市中各种各样的无线电干扰也会进一步降低GPS的定位精度,因此单纯依赖GPS进行导航是不够的。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

INS/GPS组合导航算法设计1 引言目前单一导航系统难以满足实际要求,把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,使组合后的导航系统在精度和可靠性都有所提高。

本课题研究飞行器GPS/INS组合导航算法,通过对飞行器INS/GPS 组合导航算法设计,以VC++6.0为平台组建INS/GPS组合导航仿真系统,对组合导航算法进行实现。

并对飞行器的飞行状态进行仿真,仿真前预先设定飞行器的飞行参数(包括平飞、加速、减速、上升、下降、转弯等飞行动作以及每个动作开始结束的时间),通过设计的组合导航仿真系统得到飞行器的位置、速度、姿态角信息。

并通过MATLAB对INS/GPS组合导航解算出来的数据与预先设定的实际飞行数据进行比较分析。

惯性导航系统的优点是:(1)自主性强,它可以不依赖任何外界系统得支持,单独进行导航。

(2)不受环境、载体运动和无线电干扰的影响,可连续输出包括基准在内的全部导航参数,实时导航数据更新率高。

(3)具备很好的短期精度和稳定性。

其主要缺点是导航定位误差随时间增长,难以长时间的独立工作。

全球定位系统是一种高精度的全球三维实时导航的卫星导航系统,其导航定位的全球性、高精度、误差不随实践积累的优点,但是GPS系统也存在一些不足之处,主要是:GPS接收机的工作受飞行机动影响,当载体的机动超过GPS接收机的动态范围时,GPS接收机会失锁,从而不能工作,或者动态误差过大,超过允许值,不能使用。

且GPS接收机的更新频率较低(1HZ),难以满足实时控制的要求。

抗干扰能力差。

此外GPS导航受制于人。

因此GPS系统一般作为理想的辅助导航设备使用。

GPS/惯性组合导航,克服了各自的缺点,取长补短,可以构成一个比较理想的导航系统,GPS/惯性组合导航可以大大降低导航系统的成本。

随着MEMS技术的发展,惯导成本的降低都是组合导航系统发展的优势所在。

我们用组合导航算法将惯性导航单元的信息和GPS的信息进行综合,来补偿惯性元件的误差,修正速度、姿态信号,从而构成一个精度适中、结构紧凑、成本低廉的导航系统。

可用于飞行器的导航。

2 INS/GPS组合系统主要功能和算法选择INS/GPS组合导航系统的主要功能为:a)实时测量飞行器的角速率、加速度、速度、位置以及姿态,完成测量信息的采集和处理;b)完成惯性导航解算;c)完成惯性/卫星组合导航解算。

滤波器算法选择组合滤波器是组合导航系统的核心,其本身性能的优劣将直接影响组合导航的质量。

Kalman滤波算法是最为常用和成熟的滤波算法,它作为一种现代最优估计理论,采用了状态空间和递推计算形式,可对一般线性系统进行线性最小方差估计,并且具有数据存储量小,易于计算机实现等优点,在INS/GPS组合导航领域获得了广泛的应用。

因此系统采用集中式Kalman滤波器进行惯性导航系统和GPS测量与导航信息的综合。

3组合卡尔曼滤波算法设计组合卡尔曼滤波器设计的主要内容包括:确定真实系统的状态;列写系统状态方程;列写量测方程;编制滤波仿真程序;设计降阶滤波器。

组合导航系统的实现和组合效果的充分发挥,很大程度上决定于状态的选择、模型方程的建立和简化、参数的选择和滤波算法设计等。

组合卡尔曼滤波器设计的主要步骤包括:1、针对所选择的系统和测量方法,确定系统状态,以及尽可能真实地描述系统动态特性的状态方程和量测方程;2、根据系统噪声和量测噪声的统计特性,确定噪声的方差强度阵Q和R;3、连续系统离散化;4、确定滤波方程的计算方法;5、编制仿真计算程序,模拟滤波效果,初步确定滤波周期及系统其他参数,按状态协方差阵校核组合系统达到的精度;6、在组合系统满足任务要求精度的前提下,设计导航计算机简化滤波计算方法。

3.1组合模式设计GPS接收机和惯性导航系统选用基于位置、速度的松组合方式。

图3-1为位置、速度信息组合的原理框图。

用GPS和惯导各自输出的位置和速度信息差值作为量测值,经组合卡尔曼滤波,估计惯性器件和惯性导航的误差,然后对器件误差和导航误差进行校正,以提高惯性导航的精度。

图3-1位置、速度组合原理图松组合中,GPS 和惯导仍独立工作,组合作用主要表现为用GPS 辅助惯导;组合系统的输出是通过融合GPS 的导航输出和SINS 的导航输出而得到;能提供冗余度,有界的位置、速度和姿态估计,还提供高数据刷新率的与制导控制方程相配的平动和转动信息。

位置、速度信息组合的主要优点是组合工作比较简单,便于工程实现;而且两个系统仍可独立工作,使导航信息有一定余度。

3.2 INS/GPS 组合导航系统的估计方法组合导航系统利用间接法进行导航参数的估计。

间接法以组合导航系统中某一导航系统输出的导航参数的误差为滤波器状态,滤波器估值的主要部分是导航参数误差估值,然后用估值校正状态。

间接法估计时一般系统方程和量测方程是线性的。

图3-2给出了SINS/GPS 组合导航系统间接估计方法的原理框图。

导航参数输出出校正馈校正图3-2 INS/GPS 组合导航系统间接估计方法原理框图 3.3 组合滤波器的校正方法采用间接估计法的组合导航,系统的状态都是误差状态∆X ,利用状态估值ˆ∆X去对原系统进行校正的方法有两种:输出校正和反馈校正。

图3-2所示为SINS/GPS 输出和反馈校正滤波示意图。

输出校正是用导航参数误差的估值ˆ∆X作为惯导系统输出的校正量。

反馈校正是将惯导系统参数误差I ∆X 的估计值反馈到惯导系统和其余子系统内,对误差状态进行校正。

从形式上看,输出校正仅校正惯导系统的输出量,反馈校正则校正惯导系统的内部状态。

从数学模型的推导结果可以证明,如果滤波器是最优滤波器,即它的状态基本上包括了真实系统的所有状态,状态方程真实地描述了真实系统的变化规律,则输出校正和反馈校正具有同样精度,组合系统具有相同的效果。

然而,在考虑到一些实际情况时,两种校正方式仍有较大区别。

输出校正的优点是工程实现比较方便,组合滤波器的故障不会影响惯导系统的工作。

缺点是由于输出校正的滤波器所估计的状态是未经校正的导航参数误差,而惯导系统误差是随时间增长的,滤波器的数学模型建立在误差为小量且取一阶近似的基础上,因此在长时间工作时,由于惯导误差不再是小量,会使滤波方程出现模型误差,使滤波精度下降。

反馈校正的滤波器所估计的状态是经过校正的导航参数误差,在反馈校正后,惯导系统的输出就是组合系统的输出,误差始终保持为小量,克服了输出校正的缺点,因此可以认为利用反馈校正的系统状态方程,更能接近真实地反映系统误差状态的动态过程,可认为没有模型误差。

反馈校正的缺点是工程实现没有输出校正简单,且滤波器故障直接污染惯导系统输出,使系统可靠性降低。

综上所述,校正方法选择的原则是:只要状态能够具体实施反馈校正,组合导航系统尽量采用反馈校正。

在实际应用中,如果惯导系统精度较高,且连续工作时间不长,则采用输出校正。

反之,如果惯导系统精度较差,且连续工作时间又长,则需采用反馈校正。

由于低成本MEMS 惯导精确较差,因此组合导航需要采用反馈校正的方式。

4 INS/GPS 组合导航算法的设计 4.1 姿态矩阵的计算姿态矩阵是指从导航坐标系(n 系)到载体坐标系(b 系)的变换矩阵,当采用“东北天”地理坐标系为导航坐标系时,姿态矩阵为cos cos sin sin sin cos sin sin sin cos sin cos cos sin cos cos sin sin cos cos sin sin sin sin cos sin cos cos cos b n C γψγθψγψγθψγθθψθψθγψγθψγψγθψγθ+-+-⎡⎤⎢⎥=⎢⎥⎢⎥---⎣⎦ (4.1) 式中,ψ为方位角,θ为俯仰角,γ为横滚角,这三个角称为载体的姿态角. 当MIMU 固连的载体姿态发生变化时,MIMU 中的陀螺仪就能敏感出相应的角速率,姿态矩阵bn C 随之发生了变化,其微分方程为b b bn nb n C C =-Ω (4.2)式中,bnb Ω为角速度Tb bx by bz nb nbnbnbωωωω⎡⎤=⎣⎦构成的反对称阵;x ,y ,z 为右前上方向。

捷联惯导姿态矩阵的即时修正就是实时地给出捷联矩阵,它是捷联惯导的关键任务,而这要通过一定地算法来完成。

进行姿态矩阵即时修正的算法很多,主要有欧拉角法、方向余弦算法、四元数法等。

由于四元数算数法计算量小,存储容量小,仅需要进行简单的四元数规范化处理便可以保证姿态矩阵的正交性,因而成为目前实际应用中普遍采用的姿态计算方法。

单位四元数可用如下形式的来描述:01012323q q Q q q i q j q k q q ⎡⎤⎢⎥⎢⎥= +++=⎢⎥⎢⎥⎣⎦(4.3) 这个四元数的范数为: 222201231Q q q q q = + + + = (4.4)称作“规范化”四元数。

我们可以通过求解一个四元数来计算导航参数。

在捷联导航中,要求载体系到导航系的转换矩阵,要解下列四元数的运动方程:12Q Q =Ω (4.5) 式中,000bx by bz nb nb nb bx bz by nbnbnbby bz bx nb nb nb bz by bxnbnbnbωωωωωωωωωωωω⎡⎤---⎢⎥-⎢⎥Ω=⎢⎥-⎢⎥-⎢⎥⎣⎦,0123q q Q q q ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦ (4.6) Q 是从载体系到导航系的转动四元数;bnb ω表示载体坐标系相对导航坐标系的转动角速度在载体坐标系上的投影,它由陀螺仪的输出变换而得。

它与其它速率的关系是:()b b b b b n b b n nnb ib in ib n in ib n ie en C C ωωωωωωωω=-=-=-+ (4.7)式中,b ib ω即为角速率陀螺的输出,n ie ω为地球角速率,是已知的,n en ω为导航坐标系相对地球的角速度,它可以由瞬时速度nen v 求得。

设bx ω、by ω、bz ω为角速率陀螺直接测得的载体相对惯性空间的绝对角速率,则0(cos )sin tan cos sin tan Nbx M nb bx by b E nb by n e N bz nb bz e E N NM bx bE by n e N bz Ee N v R h v C L R h L v L R h v R h v C L R h v L L R h ωωωωωωωωωωωωω⎡⎤-⎢⎥+⎢⎥⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=-+⎢⎥⎢⎥⎢⎥⎢⎥+⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎢⎥⎢⎥+⎣⎦⎡⎤-⎢⎥+⎢⎥⎡⎤⎢⎥⎢⎥=-+⎢⎥⎢⎥+⎢⎥⎢⎥⎣⎦⎢⎥+⎢⎥+⎣⎦(4.8) 式中,E v 、N v 、U v 为东北天的速度,M R 、N R 为地球子午面和卯酉面曲率半径,L 、λ、h 为纬度、经度、高度。

相关文档
最新文档