论文部分内容阅读
近年来,国内外航姿参考系统(Attitude and Heading Reference System,AHRS)的市场逐渐成熟起来,航姿参考系统的输出稳定性和精确性直接影响着载体的姿态测量。传统的航姿参考系统受到体积大、成本高等因素的影响,严重限制了航姿参考系统在民用领域的推广,在军用领域应用较多。伴随着微机电系统(Micro-Electro-Mechanical System,MEMS)的快速发展,MEMS陀螺、加速度计得到了越来越多的应用,基于低成本MEMS的航姿参考系统的应用受到广泛关注,在军事领域和民用领域用到的情况特别多。当载体的运动状态发生改变,AHRS提供的载体姿态信息容易出现偏差,本文提出了基于四元数的自适应扩展卡尔曼滤波融合算法,并且根据具体的情况设计了比较合理的实验。最终实验结果表明这种算法的可以使用,而且用处也比较大,为价格便宜的MEMS AHRS的被市场大量的接纳奠定了扎实的基础。除此之外,本文还将MEMS惯导与全球卫星导航系统(Global Navigation Satellite System,GNSS)组合起来。这种组合方式可以取长补短,能够达到双赢的目的。本文以低成本的MEMS的航姿参考系统和MEMS/GNSS组合导航系统作为研究对象,在动态环境下选择合适的算法进行了一系列的研究工作:(1)分别细致的论述了标准卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波、自适应卡尔曼滤波和Mahony互补滤波五种滤波方法。除此之外,论文中还对各种不同的滤波在什么情况下被使用进行分析和阐述。最后,文中还对几种姿态矩阵更新算法做出了细致的说明。由于这些算法在很多方面是不一样的,所以,文中也给出了算法优缺点的说明。(2)在AHRS导航的动态实验中,首先将MEMS惯导STIM300安设在汽车上。组装完成后,选择设定好的路线来采集数据。本文根据载体的运动特点与系统工作要求,通过对多种姿态更新算法和滤波算法进行理论分析。根据对各种情况的分析判断,最后选定了基于四元数的自适应扩展卡尔曼滤波姿态融合算法和扩展卡尔曼滤波算法对实测数据进行姿态解算。本次实验的参考值是MEMS/GNSS紧组合处理的导航结果。姿态解算完成,跟参考值作差以后,分析导航精度,该精度验证了自适应扩展卡尔曼滤波算法的实用性。(3)在MEMS/GNSS组合导航的实验中,由于惯导系统模型是非线性模型,不包括这个原因,载体的运动状态发生改变时,精度也会受到干扰。因为这些干扰不能够被人们忽略,因此必须选择合适的方法进行解决。本文选用UKF(Unscented Kalman Filter)滤波方法对实测数据进行数据解算。计算完成以后,为了检验这种方法是否有效,本文把姿态解算结果和利用软件Inertial Explorer 8.60进行MEMS/GNSS紧组合处理的结果作差。最终本文得到的实验结果:俯仰角、横滚角误差在0.02°以内,位置误差整体在-0.2m~0.2m之间。