论文部分内容阅读
随着SINS硬件精度的提高，GNSS数据处理技术的完善，使基于GNSS/SINS的重力矢量测量在近十多年中得到发展。本文围绕今后如何实现陆地车载惯性重力矢量测量，针对捷联惯性测量系统的力学编排、初始对准、GNSS/SINS融合数据处理、车载惯性重力矢量测量的原理、车载惯性重力矢量测量的误差分析、惯性重力矢量测量的可观测性分析、车载GNSS/SINS重力矢量测量系统的仿真、陆地静态惯性重力测量的初步试验等方面对车载惯性重力矢量测量技术开展了研究。由于前人已对GNSS系统的数据处理开展了较多的研究工作，有成型的算法与软件，因此本文的研究工作更多地侧重于车载惯性重力矢量测量的数据处理技术。
论文的主要研究内容及取得的进展如下：
(1)阐述了惯性重力矢量测量的研究背景与意义，总结了惯性测量系统硬件发展历史及惯性测量数据处理发展现状。
(2)介绍了捷联式惯性测量系统数据处理的各项数学基础，介绍了作为惯性重力测量中SINS与外部观测数据融合基础的卡尔曼滤波基本理论与及应用，探讨了一种适用于GNSS/SINS数据融合的自适应滤波方法。
(3)针对捷联式惯性测量系统的数据处理，研究了SINS系统的力学编排方法。由于惯性重力矢量测量对算法精度的要求较高，需要考虑力学编排中的算法误差对结果的影响。本文采用高阶龙格库塔方法来求解四元数的微分方程与导航方程，保证了解算精度并可进行算法精度分析。
(4)研究了SINS的初始自对准技术，为车载GNSS/SINS惯性重力矢量测量提供初始的姿态信息。分析了基于卡尔曼滤波方法SINS初始自对准中不可观状态变量对初始对准的影响。通过对静基座的初始对准进行仿真研究，对比了开环、闭环校正方法在初始自对准中的性能。推导了地心地固坐标系下初始对准的卡尔曼滤波误差状态模型并进行了模拟实验。
(5)研究了车载惯性重力矢量测量中SINS与其它外部观测信息的数据融合理论，推导了GNSS/SINS数据融合的数学模型，针对车载系统可以停车修正的情况，研究了一种基于卡尔曼滤波的SINS零速修正算法，可用于停车状态下的系统误差估计。
(6)通过试验采集的数据，针对SINS与其它外部观测信息(GNSS、零速)的数据融合方法进行了试验研究，比较了SINS位置观测所能达到的精度，以考察数据融合与误差估计效果。在GNSS/SINS组合适应中，针对基于预测状态协方差阵膨胀的自适应GNSS/SINS滤波方法在导航坐标系下的不足，提出了一种改进算法，并通过试验证明了该自适应改进算法在误差估计上的优势。
(7)分析了利用GNSS/SINS组合进行车载惯性重力矢量测量中各类误差源的影响，进而分析了要实现mGal级的车载惯性重力矢量测量精度，SINS中各传感器及GNSS观测应达到的精度量级。针对惯性重力矢量测量系统展开了可观测性的分析，证明了比力误差在捷联惯性系统的卡尔曼滤波中是可观测量，可以通过GNSS的外部观测进行估计后进行修正。实现了车载GNSS/SINS重力矢量测量的仿真，验证了本文中车载惯性重力矢量测量方法与数据处理方法，分析了在不同的观测误差条件下卡尔曼滤波器对比力误差进行估计的性能。
(8)进行了基于捷联式IMU静态重力测量的初步试验，给出的初步的测试结果。