高精度捷联式惯性导航系统算法研究大学论文
捷联惯性导航系统的解算方法

捷联惯性导航系统的解算方法捷联惯性导航系统(Inertial Navigation System,简称INS)是一种利用陀螺仪和加速度计等惯性测量单元测量物体的加速度和角速度,然后通过对这些测量值的积分计算出物体的速度和位置的导航系统。
INS广泛应用于航空航天、无人驾驶车辆和船舶等领域,具有高精度和自主性等特点。
INS的解算方法一般分为初始对准、运动状态估计和航位推算三个主要过程。
初始对准是指在启动导航系统时,通过利用外部辅助传感器(如GPS)或静态校准等方法将惯性传感器的输出与真实姿态和位置进行初次校准。
在初始对准过程中,需要获取传感器的初始偏差和初始姿态,一般采用标定或矩阵运算等方法进行。
运动状态估计是指根据惯性传感器的测量值,使用滤波算法对物体的加速度和角速度进行实时估计。
常用的滤波算法包括卡尔曼滤波、扩展卡尔曼滤波和粒子滤波等。
其中,卡尔曼滤波是一种最优估计算法,通过对观测值和状态进行线性组合,得到对真实状态的最佳估计。
扩展卡尔曼滤波则是基于卡尔曼滤波的非线性扩展,可以应用于非线性INS系统。
粒子滤波是一种利用蒙特卡洛采样技术进行状态估计的方法,适用于非高斯分布的状态估计问题。
航位推算是指根据运动状态估计的结果,对物体的速度和位置进行推算。
INS最基本的航位推算方法是利用加速度值对速度进行积分,然后再对速度进行积分得到位置。
但是,在实际应用中,由于传感器本身存在噪声和漂移等误差,导致航位推算过程会出现积分漂移现象。
为了解决这个问题,通常采用辅助传感器(如GPS)和地图等数据对INS的输出进行校正和修正。
当前,还有一些先进的INS解算方法被提出,如基于深度学习的INS 解算方法。
这些方法利用神经网络等深度学习模型,结合原始传感器数据进行端到端的学习和预测,以实现更高精度的位置和姿态估计。
综上所述,捷联惯性导航系统的解算方法主要包括初始对准、运动状态估计和航位推算三个过程。
其中,运动状态估计过程利用滤波算法对传感器的测量值进行处理,得到物体的加速度和角速度的估计。
高精度惯性导航系统设计与实现

高精度惯性导航系统设计与实现随着科技的迅猛发展,人类对于精度和效率的要求越来越高,利用惯性导航系统进行导航定位已经成为科技领域的一项重要技术。
惯性导航系统可以在无法使用GPS或其他定位系统的环境下,提供高精度的导航定位服务。
在这篇文章中,我们将会探讨高精度惯性导航系统的设计与实现。
一、惯性导航系统的原理惯性导航系统是利用惯性定律(牛顿第一定律和牛顿第二定律),通过测量加速度和角速度两个参数来可靠地计算出航向、位置和速度信息的一种导航技术。
基本的惯性导航系统是由三个加速度计和三个陀螺仪组成。
加速度计测量三维加速度,而陀螺仪提供三维角速度的测量值。
利用测量值和初始位置的信息,可以推算出当前位置和速度。
二、高精度惯性导航系统的设计1. 惯性导航系统的传感器在设计高精度惯性导航系统时,传感器的选择是非常重要的。
通常情况下,高精度惯性导航系统使用的传感器包括加速度计和陀螺仪。
当然,为了提高系统的精度,我们还可以使用更高级别的传感器如光纤陀螺仪和微型加速度计。
2. 数学模型设计高精度惯性导航系统的第二步是建立数学模型。
数学模型是反映系统特性和行为的重要手段,可以为系统的设计、开发和优化提供指导。
为了建立数学模型,需要定义一组方程来描述惯性传感器的信号,并计算出航向和角速度的估计值。
接着根据航向、速度、位置等信息的不同,需要确定不同的模型。
一些典型的数学模型如扰动计算(error propagation)、四元数、卡尔曼滤波(Kalman Filter)等方法。
3. 数据整合方法高精度惯性导航系统往往使用多种传感器,例如GPS、惯性传感器、磁罗盘、气压计等,为了提高测量精度,必须针对每种传感器的特点进行数据融合,从而使得整个系统的估计值更加准确可靠。
而数据整合方法是达到这个目的的最直接方法。
目前惯性导航系统中常使用的数据整合方法包括卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波等,其中扩展卡尔曼滤波常用于非线性系统。
捷联惯导动基座对准新方法及导航误差抑制技术研究

捷联惯导动基座对准新方法及导航误差抑制技术研究一、本文概述随着导航技术的不断发展,捷联惯导系统(Strapdown Inertial Navigation System, SINS)在动基座对准和导航误差抑制方面展现出越来越高的应用价值。
本文旨在探讨一种新型的捷联惯导动基座对准方法,并对导航误差抑制技术进行深入研究。
通过对比分析传统对准方法的不足,本文提出了一种基于多传感器融合的新型对准算法,旨在提高对准精度和效率。
针对导航过程中的误差积累问题,本文还研究了有效的误差抑制策略,以期提高捷联惯导系统的导航精度和可靠性。
本文首先介绍了捷联惯导系统的基本原理和应用背景,阐述了动基座对准和导航误差抑制在惯性导航中的重要性和挑战。
随后,详细介绍了新型对准方法的基本原理和实现过程,包括多传感器数据融合、对准算法设计以及实验验证等方面。
在误差抑制技术研究方面,本文重点探讨了误差来源、误差传播特性和抑制策略,提出了一种基于卡尔曼滤波的误差估计与补偿方法。
本文的研究成果对于提高捷联惯导系统的性能具有重要意义,不仅有助于提升动基座对准的精度和效率,还能有效抑制导航过程中的误差积累,从而提高整个导航系统的可靠性和稳定性。
本文的研究方法和结论也为相关领域的研究人员提供了有益的参考和借鉴。
二、捷联惯导系统概述捷联惯导系统(Strapdown Inertial Navigation System,简称SINS)是一种不依赖外部信息、完全自主式的导航系统。
其核心部件包括陀螺仪和加速度计,分别用于测量载体相对于惯性空间的角速度和线加速度。
通过积分这些测量值,系统能够推算出载体的速度、位置和姿态信息。
捷联惯导系统的最大特点在于它将传统的平台式惯导系统中的实体平台用数学平台来替代,从而大大简化了系统结构,提高了可靠性,并降低了成本。
捷联惯导系统的基本原理是通过载体上安装的陀螺仪和加速度计实时测量载体的角运动和线运动参数,再结合初始对准得到的姿态矩阵,将加速度计测量的比力转换到导航坐标系下,进行积分运算得到速度和位置信息。
捷联式惯性导航仿真研究

时, 对位移进行二 次求 导计算 加速 度时计 算量 大 ; 采用种 自主导航系统 , 具 有工作 时不 向外接 收
F o r t e s t i n g t h i s p r o g r a m,t h e r e l a t r a j e c t o y r a n d m a t h e ma t i c a l e x p l a n a t i o n m e t h o d w e r e c o m b i n e d t o d e s i g n c a r r i e s r
( S c h o o l o f Me c h a n i c a l a n d E l e c t i r c l a E n g i n e e r i n g , C e n t r a l S o u t h U n i v e r s i t y ,C h a n g s h a Hu n a n 4 1 0 0 8 3 ,C h i n a )
ABS TRACT: S t r a p—d o wn i n e r t i a l n a v i g a t i o n b e c a u s e i t ' s i n d e p e n d e n t ,s t a b l e p e fo r r ma n c e ,s i mp l y e q u i p me n t ,a n d
中 图分 类 号 : T P 3 9 1 . 9 文献标识码 : B
S t r a p— — Do wn I n e r t i a l Na v i g a t i o n S i mu l a t i o n Re s e a r c h
XI E Mu—s h e n g, W ANG He n g—s h e n g, LUO Ta o
惯性导航技术发展与应用论文

惯性导航技术发展与应用【摘要】阐述了惯性导航的基本原理,并通过简图来表示出原理的示意图。
举出了常见的导航系统.总结了世界范围内惯性导航的发展历程与发展趋势,其中重点介绍了国内导航的发展路程。
而后简洁叙述了惯性导航的应用。
【关键词】惯性导航;平台式惯性导航;捷联式惯性导航0.引言惯性导航系统利用惯性敏感元件在飞机、导弹、舰船、火箭载体内部测量载体相对惯性空间的线运动和角运动参数,在给定的运动初始条件下,根据牛顿运动定律,推算载体的瞬时速度和瞬时位置。
惯性导航涉及到控制技术、计算机技术、测试技术、精密机械工艺等多门应用技术学科,是现代高精尖技术的产物。
1.惯性导航的基本原理在这里我们假设船舶在海面的较小范围内航行,这样舰船的活动区域可近似看作是一平面,球面导航就可以化为平面导航。
我们再假设载体的初始坐标(□,λ)。
载体是匀速航行,且东向、北向的分速度分别是ve0、vn0。
我们沿着船舶平台的正东方和正北方各安装一个加速度计,从这两个速度计中的输出,可以根据载体沿正东方向和正北方向的加速度:ae和an,并与初始速度相加得到载体的东向与北向速度。
ve=ve+atvn=ve+at也可以用再北向与东向的加速度的一次积分再与初速度求和,得到东向与北向的瞬时速度。
根据ve、vn可得出载体位置坐标经纬度(□,λ)的变化率,再积分则得到经纬度的变化量,加上初始坐标即可的载体的瞬时位置:□=□+∫vn/rdtλ=λ+∫ve/r cos□dt在惯性导航系统发展的过程中,一直存在着两种发展方向,即平台式与捷联式。
平台式方案是将陀螺仪安装在由框架构成的稳定平台上,用陀螺仪敏感平台的角运动,通过平台稳定回路使平台保持指向向上的稳定,把加速度计也放在稳定平台上,其敏感轴的指向也是明确的,加速度的输出信息由导航计算机处理,可方便地提取载体的加速度,计算载体速度、位置以及平台的控制量。
捷联式惯性导航系统,导航加速度计和陀螺直接安装在载体上。
《2024年捷联惯性导航系统关键技术研究》范文

《捷联惯性导航系统关键技术研究》篇一一、引言捷联惯性导航系统(SINS)是一种利用惯性测量单元(IMU)来获取和解析导航信息的先进技术。
它以其高精度、高动态性以及全自主工作的特性,在航空、航天、航海、车辆导航等领域中发挥着重要的作用。
本文将深入探讨捷联惯性导航系统的关键技术研究,从系统组成、工作原理、技术难点到解决方案等方面进行详细阐述。
二、系统组成与工作原理捷联惯性导航系统主要由惯性测量单元(IMU)、导航计算机、算法处理软件等部分组成。
其中,IMU是系统的核心,它包括加速度计和陀螺仪,用于实时测量载体在三维空间中的运动状态。
导航计算机则负责采集IMU的数据,通过算法处理软件进行数据解析和处理,最终输出导航信息。
捷联惯性导航系统的工作原理主要依赖于牛顿第二定律和角动量守恒定律。
通过测量载体的加速度和角速度,系统可以推算出载体的运动轨迹和姿态信息,从而实现导航定位。
三、关键技术研究1. 高精度IMU技术研究IMU的精度直接影响到整个系统的导航精度,因此提高IMU 的精度是捷联惯性导航系统的关键技术之一。
当前,研究者们正在通过优化加速度计和陀螺仪的设计和制造工艺,提高其测量精度和稳定性。
此外,采用先进的滤波算法和校准技术,也可以有效提高IMU的精度。
2. 算法优化技术研究算法是捷联惯性导航系统的核心,其优化程度直接影响到系统的性能。
目前,研究者们正在致力于开发更加高效的算法,以实现更快的数据处理速度和更高的导航精度。
同时,针对不同应用场景,如高动态、强干扰等环境,研究者们也在进行相应的算法优化工作。
3. 系统误差校正技术研究由于惯性器件的误差积累和环境干扰等因素的影响,捷联惯性导航系统在长时间工作时会产生较大的误差。
因此,系统误差校正是捷联惯性导航系统的另一个关键技术。
研究者们正在通过建立更加精确的误差模型,采用先进的校正算法和技术手段,对系统误差进行实时校正,以保证系统的导航精度和稳定性。
四、结论捷联惯性导航系统是一种重要的导航技术,具有广泛的应用前景。
惯性导航的应用和发展论文

南京理工大学导航定位技术概论课论文作者: ___________________ 学号: __________________学院(系” ________________________________________专业: ___________________________________________题目:惯性导神农百草育航的发展与应用指导者:______________________________________2012年9 月论文摘要目次1引言 ................................................................... 2惯性导航系统原理 .......................................................2.1惯性导航定位系统中的基本关系.......................................2. 2平台式惯性导航定位系统 ............................................2. 3捷联式惯性导航定位系统 ............................................ 3惯性导航技术的发展 .....................................................3.1惯性导航的发展历程.................................................3.2 惯性导航和其他筋络速通导航方式的组合4惯性导航技术的应用 .....................................................结束语................................................................参考文献..............................................................1引言惯性导航是一门综合了机电、光学、数学、力学、控制及计算机等学科的尖端技术,是现代科学技术发展到一定阶段的产物。
《2024年捷联惯性导航系统关键技术研究》范文

《捷联惯性导航系统关键技术研究》篇一一、引言捷联惯性导航系统(SINS)是现代导航技术的重要组成部分,其利用惯性测量单元(IMU)来感知和计算导航信息,具有自主性强、抗干扰能力强等优点。
随着科技的发展,SINS在军事、民用等领域的应用越来越广泛,对其关键技术的研究也显得尤为重要。
本文将针对捷联惯性导航系统的关键技术进行研究,旨在为相关研究与应用提供参考。
二、SINS基本原理与组成SINS主要由惯性测量单元(IMU)、导航算法和数据处理单元等部分组成。
其中,IMU是SINS的核心部件,包括加速度计和陀螺仪等传感器,用于测量载体的加速度和角速度。
导航算法则根据IMU测量的数据,通过积分运算和坐标变换等手段,实现载体的姿态、速度和位置的解算。
数据处理单元则负责对导航算法输出的数据进行处理和优化,以提高导航精度和稳定性。
三、SINS关键技术研究1. IMU技术研究IMU是SINS的核心部件,其性能直接影响到SINS的导航精度和稳定性。
因此,IMU技术的研究是SINS关键技术之一。
目前,高精度、小型化、低功耗的IMU是研究的重点。
其中,光纤陀螺仪和微机电系统(MEMS)技术的发展,为IMU的小型化和低成本化提供了可能。
此外,为了提高IMU的测量精度和稳定性,还需要研究高性能的传感器技术和信号处理技术。
2. 导航算法研究导航算法是SINS的核心技术之一,其性能直接影响到SINS 的导航精度和实时性。
目前,常用的导航算法包括经典的最小二乘法、卡尔曼滤波算法等。
然而,这些算法在处理复杂环境下的导航问题时,往往存在精度不高、实时性差等问题。
因此,研究更加高效、精确的导航算法是SINS研究的重点。
例如,基于神经网络、深度学习等人工智能技术的导航算法,具有较高的应用潜力。
3. 数据处理与优化技术研究数据处理与优化技术是提高SINS导航精度和稳定性的重要手段。
目前,常用的数据处理技术包括数据滤波、数据融合等。
其中,数据滤波可以消除测量数据中的噪声和干扰,提高数据的信噪比;数据融合则可以将多种传感器数据进行融合,提高导航信息的可靠性和精度。
- 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、"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、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)。
高精度捷联式惯性导航系统算法研究1. 引言随着计算机技术的发展,捷联式惯性导航系统(strapdown Inertial Navigation System, SINS)的概念被提出,它取消了平台式惯性导航系统中复杂的机械平台装置,而将惯性传感器直接固联在载体上。
SINS具有制造和维护成本低、体积小、重量轻以及可靠性高等优点,目前在高、中、低精度领域都得到了广泛使用。
捷联算法的基本框图如图1所示。
图1 捷联算法的基本框图在捷联惯性导航系统中,惯性传感器直接固联在载体上,因此对惯性传感器的性能提出了更高的要求。
SINS中使用的陀螺所承受的动态范围较大,一般能够达到100 /s,与此同时,SINS中的陀螺和加速度计与载体一起进行角运动和线运动,这增加了导航计算机输出数据的难度和复杂性。
姿态实时计算是捷联惯导的关键技术,也是影响捷联惯导系统导航精度的重要因素。
载体的姿态和航向是载体坐标系和地理坐标系之间的方位关系,两坐标系之间的方位关系等效于力学中的刚体定点转动问题。
在刚体定点转动理论中,描述动坐标系相对参考坐标系方位关系的方法有欧拉角法、四元数法、方向余弦法以及等效旋转矢量法。
本报告对这四种姿态算法进行简单介绍,并结合研究对象对等效旋转矢量算法进行重点研究。
针对角速率输入陀螺构成的捷联式惯性导航系统,本报告给出了一种改进的姿态算法,并在圆锥运动环境下对该算法进行数学仿真,验证了该方法的可能性。
2. 姿态算法介绍2.1 欧拉角法一个动坐标系相对参考坐标系的方位可以完全由动坐标系依次绕三个不同轴转动三个角度进行确定。
把载体坐标系ox b y b z b 作为动坐标系,导航坐标系ox n y n z n (即地理坐标系)作为参考坐标系,导航系依次转过航向角H 、俯仰角P 、横摇角R 可得到载体坐标系,通过求解欧拉角微分方程得到三个欧拉角,从而进一步可以得到捷联姿态矩阵。
欧拉角微分方程如下所示:cos cos 0sin cos 1sin sin cos cos sin cos sin 0cos bnbx b nby b nbz P P PR P R P R P P P P H R R ωωω⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥=-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦(1) 式(1)即为欧拉角微分方程,求解方程可以得到三个欧拉角,也就是航向角、俯仰角以及横摇角,根据三个姿态角和姿态矩阵元素之间的关系即可以得到姿态矩阵n b C 。
2.2 方向余弦法常用方向余弦姿态矩阵微分方程的形式为b bk bn nb n =C C ω (1)式中bknb ω为载体坐标系相对地理坐标系的转动角速度在载体坐标轴向的分量的反对称矩阵形式,具体表达式如式(2)。
000b bnbznby bkb b nbnbznbxb b nby nbxωωωωωω⎡⎤-⎢⎥=-⎢⎥⎢⎥-⎣⎦ω (2)用毕卡逼近法求解矩阵微分方程,其解为200200sin 1cos ()()()b bk bk n nb nb t t t θθθθ⎡⎤∆-∆+∆=+∆+∆⎢⎥∆∆⎣⎦C C I θθ(3) 式中100n nbbnbznby t bkbk b b nbnb nbznbxt b b nbynbxdt θθθθθθ+⎡⎤-∆∆⎢⎥∆==∆-∆⎢⎥⎢⎥-∆∆⎣⎦⎰θω 0θ∆=2.3 四元数法四元数微分方程的形式为1()()2bnb t t =Q Q ω (4)其中,Q (t )是姿态四元数,Tbnbx y z ωωω⎡⎤=⎣⎦ω,为b 系相对n 系的角速度。
求解四元数微分方程一般用计算机实现,常用方法有毕卡逼近增量法和数值积分算法,本报告关于四元数求解姿态角算法采用的都是数值积分算法,因此此处仅对四元数四阶-龙格库塔算法进行简单介绍。
对四元数微分方程12bnb =⋅Q Q ω (5)式中:0b bx by bznb nb b nb b nb b ωωω=+++i j k ω,为载体坐标系相对于导航坐标系的角速度矢量的四元数表达形式。
用四阶龙格库塔法求解微分方程的过程如下:()1234()()226ht h t +=+⋅+++Q Q k k k k (6)其中:11()()2bnb t t ⎡⎤=⋅⋅⎣⎦k Q ω, 121()222b nb h t h t ⎧⎫⎡⎤⎛⎫=⋅+⋅+⎨⎬ ⎪⎢⎥⎝⎭⎣⎦⎩⎭k k Q ω, 231()222b nb h t h t ⎧⎫⎡⎤⎛⎫=⋅+⋅+⎨⎬ ⎪⎢⎥⎝⎭⎣⎦⎩⎭k k Q ω, []{}431()()2bnb t h t h =⋅+⋅+k Q k ω 其中h 为姿态更新周期。
这种方法的实质就是在(t , t +h )时间间隔内求取多个斜率值,加权求平均得到更精确的平均斜率。
当采用四元数Q 来表示转动时,若起始时刻四元数Q 0取为单位四元数,则依据转动的四元数变换定理可知,Q 应恒为单位四元数,即应满足下面的约束方程:222201231q q q q +++=(7)但由于计算误差的存在,破坏了上面的约束条件,因此必须对Q 进行归一化处理。
采用下式实现四元数的最佳归一化:=Q (8)2.4 等效旋转矢量算法由于刚体运动的不可交换性误差,圆锥误差补偿算法是提高运载体姿态更新精度的一种有效途径。
1971年Bortz 和Jordon 提出了等效旋转矢量概念,将载体的姿态四元数更新转换为姿态变化四元数的更新,为姿态更新的多子样算法提供了理论依据。
1983年Miller 探讨了锥运动条件下等效旋转矢量的三子样优化算法,优化指标是圆锥误差影响达到最小。
在此基础上,Lee 和Yoon 研究了四子样算法,Jiang 研究了利用本更新周期内的三子样及前更新周期内的角增量计算旋转矢量的优化算法。
旋转矢量的微分方程是:()11()()()()()()()212t t t t t t t =+⨯+⨯⨯ΦΦΦΦωωω (9)式中,Φ(t )为旋转矢量,ω(t )为陀螺输出角速率。
由式(9)可以推导求得旋转矢量的表达式,如二子样、三子样等都是工程中常用的算法。
二子样算法表达式:12122=++3∆∆∆⨯∆θθθθΦ (10)算法漂移率: ()421960e a h φ=ΩΩ (11) 陀螺输出角速率时的二子样算法表达式:当陀螺输出为角速率时,旋转矢量法中的角增量可由以下公式提取1=()42T t t T ⎡⎤⎛⎫∆++⋅ ⎪⎢⎥⎝⎭⎣⎦θωω (12a )2()42T t t T T ⎡⎤⎛⎫∆=+++⋅ ⎪⎢⎥⎝⎭⎣⎦θωω (12b )()4()62T t t t T T ⎡⎤⎛⎫∆=+⋅+++⋅ ⎪⎢⎥⎝⎭⎣⎦θωωω (12c )算法漂移率: ()22132280e a h φ=ΩΩ (13) 三子样算法表达式:13231927=++()2040∆∆⨯∆∆⨯∆-∆θθθθθθΦ (14) 算法漂移率: ()621204120e a h φ=ΩΩ (15)当陀螺输出为角速率时,旋转矢量法中的角增量可由以下公式提取125()83633T T t t t T ⎡⎤⎛⎫⎛⎫∆=⋅+⋅+-+⋅ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦θωωω (16a )22()853633T T t t t T ⎡⎤⎛⎫⎛⎫∆=-+⋅++⋅+⋅ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦θωωω (16b )3285()3633T T t t t T T ⎡⎤⎛⎫⎛⎫∆=-++⋅++⋅+⋅ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦θωωω (16c ) 2()33()633T T t t t t T T ⎡⎤⎛⎫⎛⎫∆=+⋅++⋅+++⋅ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦θωωωω (16d ) 算法漂移率: ()4212592e a h φ=ΩΩ (17) 式中,Δθi ,i =1,2,3为姿态更新周期内第i 次陀螺采样值;a 为圆锥运动半锥角;Ω为圆锥运动角速率;h 为姿态更新周期。
3. 角速率输入的捷联惯导姿态算法研究与实现1971年,Bortz 提出了旋转矢量微分方程,为一种全新的姿态算法提供了理论基础,有效地解决了算法求解过程中存在的不可交换性误差;在此基础上,Miller 提出了二子样、三子样误差补偿算法,而Lee 在此基础上又提出了四子样算法;Jiang 提出了利用当前周期与前一周期陀螺仪采样信号进行误差补偿新算法,能够提高算法精度;Savage 对前人工作进行了总结,并就姿态更新算法的实现提出了一系列技巧,给出了完整的捷联惯导姿态算法编排和离散更新方法。
这些算法的实现都是基于陀螺仪的角增量信息展开的,当陀螺仪输出为角速率信号时,利用数值积分方法将角速率信息转换为角增量信息,然后直接应用传统圆锥误差补偿算法,算法精度会降低2个数量级,不能满足载体高动态环境下对姿态解算精度的要求。
因此有必要研究一种能够直接利用陀螺仪输出角速率信息进行姿态解算算法,从而进一步提高捷联惯导复杂工作环境下的姿态解算精度。
旋转矢量的微分方程近似为:12=+⨯ΦΦωω (18)对于传统的二子样算法来说,在一个计算周期T ~T +h 内需要三次陀螺采样值,采样时间h 内,载体的角速度用抛物线拟合为:2()23T τττ+=++a b c ω,0≤τ≤h (19)记角增量为()=()T d ττττ∆+⎰θω (20)则由式(19)和式(20)得0()()T T ττ==+=a ωω (21a ) 0()()2T T ττ==+=b ωω (21b ) 0()()6T T ττ==+=c ωω (21c )()()0()()3,4,5i i T T i ττ==+==⋅⋅⋅0, ωω (21d ) 0(0)()ττ=∆=∆=0θθ (22a )00(0)()(+)=T ττττ==∆=∆=a θθω (22b ) 00(0)()(+)=2T ττττ==∆=∆=b θθω (22c ) 00(0)()(+)=6T ττττ==∆=∆=c θθω (22d )()()(1)0(0)()(+)=,4,5,6i i i T i ττττ-==∆=∆==⋅⋅⋅0θθω (22e )又由于姿态更新周期h 一般为毫秒级的量,Φ也可视为小量,这样有式(23)成立()()ττ≈∆θΦ (23)这样式(18)可写成1()()()()2T T ττττ=++∆⨯+ωθωΦ (24)对式(24)求各阶导数,并考虑到式(21d )和式(22e )11()()()()()()22T T T ττττττ=++∆⨯++∆⨯+ωθωθωΦ (25a )11()()()()()()()()22T T T T ττττττττ=++∆⨯++∆⨯++∆⨯+ωθωθωθωΦ (25b )(4)133()=()()()()()()222T T T τττττττ∆⨯++∆⨯++∆⨯+θωθωθωΦ (25c )(5)()=2()()3()()T T τττττ∆⨯++∆⨯+θωθωΦ (25d )(6)()=5()()T τττ∆⨯+θωΦ (25e ) ()()=,7,8,9,i i τ=⋅⋅⋅0Φ (25f )用τ=0代入式(25)中,并应用式(21)和式(22),得(4)(5)(6)()(0)1(0)2+=221(0)62+2=62133(0)6+22+6=6222(0)262+326=12(0)566=(0),7,8,9,i i ==⨯=+⋅⨯⨯+⨯=⋅⨯⋅⨯⋅⨯⨯=⋅⨯⋅⨯⨯=⋅⨯==⋅⋅⋅00ΦΦΦΦΦΦΦab a a bc b a a b c a bc a b b a c a c c b b c b c c c (26)将Φ(h )用泰勒级数展开,得:()()()()()()()234(5)(4)(5)00000+02624120h h h h h h =+++++⋅⋅⋅ΦΦΦΦΦΦΦ (27)将式(26)代入式(27)得:23345111()6410h h h h h h h =+++⨯+⨯+⨯Φa b c a b a c b c (28)设陀螺在t =T ,t =T +h /2,t =T +h 的角速率分别为:ω1、ω2、ω3,可用陀螺角速率估计a 、b 、c 的大小如下:()()112312321342223h h ⎧⎪⎪⎪⎨⎪⎪⎪⎩==-+-=-+a b c ωωωωωωω (29) 将式(29)代入式(28)并考虑陀螺的角增量输出,则旋转矢量可用下式估计:()2213231Xh Yh =∆+⨯+⨯-Φθωωωωω (30)式中X =1/60,Y =7/90。