论文部分内容阅读
无人机凭借续航时间长、成本低和人员零损伤等优势在军用和民用领域受到了广泛的关注。随着飞行任务多样化和飞行环境复杂化的提升,人们对无人机机载导航系统提出了长航时、高精度、高可靠性等要求。无卫星信号条件下的无人机高精度导航近年来成为了该领域的研究热点。本文以小型固定翼无人机为载体,针对飞机气动模型(ADM,Aircraft Dynamic Model)辅助捷联惯导系统(SINS,Strap-down Inertial Navigation System)的新型组合导航方案开展研究,包括气动模型辅助惯导系统的机理、气动模型中气动参数的计算、气动模型辅助惯导系统的滤波算法等,旨在提高无人机在无卫星信号下机载导航系统的精度和可靠性。论文的主要研究内容如下:气动模型辅助捷联惯导系统的组合导航机理研究。构建固定翼无人机的非线性气动模型并分析其误差源。针对线性惯导误差方程和线性气动模型误差方程的建立、组合导航模式的选择以及观测量的选取等问题进行分析。基于某气动模型已知的小型固定翼无人机,在纵向稳态飞行和机动飞行两种条件下,对SINS/ADM的组合导航进行仿真研究。研究表明了飞机气动模型精度在SINS/ADM中起决定作用。同时补偿SINS和ADM的导航精度要高于只补偿SINS的导航精度,且SINS精度的提高可提升ADM的校正精度。机动飞行会给气动模型带来误差,进而影响SINS/ADM的精度。机理分析为气动模型辅助捷联惯导系统算法的深入研究奠定了理论基础。小型固定翼无人机气动参数的计算方法研究。提出一套完整的气动参数计算方案。首先,基于空气动力学理论的“半经验法”,对各个力、力矩气动导数的计算过程进行分析和总结,获得气动导数的初值。其次,为进一步提高气动导数的精度,基于实时性更强的扩展卡尔曼滤波(EKF,Extended Kalman Filter)在线辨识方案,以机载高精度组合导航参数为观测量,并设计机动飞行来提高可观测度,实现对气动导数初值误差的估计和补偿,从而获得更高精度的飞机气动模型。最后,以某小型固定翼无人机为载体,仿真验证了该参数辨识方案在纵向稳态飞行条件下的可行性。SINS/ADM组合导航的滤波算法研究。针对实际飞行过程中由环境的变化所引起的系统方程、观测方程以及噪声的不确定性,基于H∞滤波思想对SINS/ADM组合导航过程中的滤波算法进行改进。一方面,在稳态飞行条件下,采用扩展H∞滤波器(EHF,Extended Ho∞ Filter)替代常用的EKF来实现线性的组合导航。另一方面,由于ADM的数据更新率较快,在机动飞行过程中采用基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)的直接滤波法对SINS/ADM进行非线性组合,解决了线性组合的缺陷。在此基础上引入平方根滤波的思想,提出了一种改进的平方根无迹H∞滤波器(ISRUHF,Improved Square-Root Unscented H∞ Filter),通过鲁棒因子矩阵Γ的计算,更大程度地提高了组合导航系统的鲁棒性。基于小型固定翼无人机Extra300的飞行试验研究。首先,以机载的高精度导航参数为基准,通过ADM自身的导航解算验证了“半经验法”理论计算气动导数的合理性。其次,利用飞行试验数据对气动导数进行在线辨识和修正,通过修正前后ADM解算结果的对比,验证了本文提出的气动导数辨识方案的可行性,气动模型精度有很大的提升。在此基础上对SINS/ADM的直接滤波法组合导航过程进行验证。试验结果表明,在无卫星信号条件下,3分钟内SINS/ADM的水平位置误差约为40m,速度误差约为2m/s。最后,利用飞行试验数据验证了本文提出的ISRUHF算法在SINS/ADM组合导航中相对于其他滤波算法的优势。