论文部分内容阅读
在现代航空、航天、陆地车辆以及舰船的导航和控制上都需要确定载体的姿态。姿态确定中使用最广泛的传感器是陀螺,但是高昂的价格限制了传统陀螺在某些场合的应用。近年来,在汽车工业等的需求推动下,微机械惯性传感器获得飞速发展。微机械陀螺与传统的机械陀螺和光学陀螺相比具有成本低、体积小、重量轻、可靠性高和易于批量生产等优点,因此具有更加广泛的市场和更为广阔的应用前景。但是由于微机械陀螺的精度较低,长时间单独工作不能给出有效可靠的姿态信息,必须与其他传感器组合使用。针对上述问题,本文研究了微机械陀螺、微机械加速度计、磁强计和GPS组合姿态确定算法及由这些传感器构成的组合航姿系统的设计与实现,提出了可行的解决方案。
传感器误差是影响姿态解算精度的主要因素。由于微机械陀螺、微机械加速度计和磁强计的输出含有高频噪声,直接采用输出信号进行误差建模阶次较高,而且不准确,为此本文首先采用小波分析法对这些传感器的输出信号进行消噪处理。然后,根据文中选用的微机械陀螺和加速度计的工作原理和输出信号误差特点给出了误差模型及模型参数辨识方法。最后,对磁强计和GPS的测量误差进行了分析。
补偿陀螺漂移最常用的方法是卡尔曼滤波。卡尔曼滤波状态方程一般采用的是四元数微分方程和欧拉角微分方程,欧拉角微分方程计算量大,而且有奇点;四元数微分方程算法虽然计算量小、没有奇点,但是不可交换误差较大。为解决这一问题,提出了一种基于姿态角误差的互补卡尔曼滤波器,以及将该滤波器和等效旋转矢量法相结合的算法。该算法利用加速度计的输出判断载体运动状态,当载体处于非加速运动时,利用加速度计和磁强计计算姿态,从而实现在运动中补偿陀螺漂移。最后,证明了该算法的稳定性。
本文研究了联邦卡尔曼滤波在微机械陀螺、微机械加速度计、磁强计和GPS组合姿态确定中的应用问题。针对磁强计和GPS的测量信号受外部环境随机扰动的影响使滤波精度下降的问题,本文采用了数据关联中门限滤波技术,提出了一种基于数据关联和联邦卡尔曼滤波的组合姿态确定算法。
由于微机械陀螺精度较低,如果磁强计和GPS信号同时失效时间较长,上述算法姿态估计精度将迅速下降。针对这种情况,提出采用含一个隐含层的BP人工神经网络估计姿态误差。当磁强计或GPS信号有效时,利用观测数据训练神经网络,否则利用神经网络估计姿态误差,补偿陀螺漂移。
最后基于上述算法,设计实现了微机械陀螺、微机械加速度计、磁强计和GPS组合航姿系统,并给出了一些实测结果及分析,结果表明本文提出的方法是可行和有效的。