基于FD的微小型姿态系统的姿态估计算法

分别利用微惯性测量单元(MIMU,Micro Inertial Measurement Unit)中的3个加速度计与3个陀螺仪对载体的姿态角进行估计,同时,搭建捷联惯性导航系统,建立姿态误差方程,使用卡尔曼滤波估计载体姿态误差角.构造残差及统计量,利用状态残差检验的故障检测方法,对载体的运动状态进行分离,判断加速度计估计出的姿态角的可用性,对姿态角进行融合.既保证了姿态估计系统的动态性能,又提高了估计精度.由于使用微电子机械系统(MEMS,Micro Electro Mechanical System)惯性器件,使得姿态估计系统的体积小、重量轻、造价低,特别适于微小型载体使用.      

基于支持度的MEMS陀螺信息融合方法

为了解决微机械电子系统(MEMS, micro electronic mechanical system) 惯性器件测量准确度低、噪声大、长时间单独使用导航误差积累大等缺点,提出了一种MEMS陀螺阵列结构设计,在完成微型惯性测量单元(MIMU, micro inertial measurement unit)的标定后,采用基于支持度的信息融合方法对陀螺阵列输出进行信息融合。试验结果表明：该结构设计和信息融合方法能够有效的提高MIMU的测量准确度,具有一定的工程应用价值。     

基于自适应遗传算法的MEMS加速度计 快速标定方法

微惯性测量单元（MIMU）的标定技术是低精度惯性导航领域中的重要研究方向,传统标定方法操作复杂,标定精度严重依赖转台精度。为解决大批量MIMU快速标定的问题,提出了一种基于自适应遗传算法（GA）的微机电系统（MEMS）加速度计快速标定方法,将加速度计标定问题转化为参数优化问题。首先,利用模观测原理构造目标优化函数;然后,分析系统可观测度确定最优标定编排方案;最后,采用全局搜索的自适应遗传算法优化标定参数。实验结果表明:与牛顿迭代法相比,标定精度提升1~3个数量级,运算速度提高61%。标定后解算的水平姿态角误差小于0.1°,可实现与传统标定方法相同量级的姿态精度,验证了所提方法的优越性和实用性。      

石英MEMS陀螺漂移的周期性误差标定及补偿

实验发现石英系列微机电系统(MEMS,Micro Electromechanical System)陀螺仪零点漂移中含有很强的规律性误差,短时间高频采样尤为明显.为提高器件精度和系统性能,研究了其周期性误差各重要参数的特点,以误差分析理论分析了各误差传递系数,提出了一种精确标定方法.实验结果表明经过精确标定和补偿,进一步提高了器件精度和在线长时间补偿效果.说明了本精确标定方法具有良好的补偿效果.      

一种基于计算机视觉的飞行器姿态估计算法

改进了一种基于图像统计信息的飞行器姿态估计算法.改进后的算法可以迅速地估计出飞行器的横滚角与俯仰角,减少了运算量,提高了姿态估计的实时性和鲁棒性,精度满足飞行器的姿态控制要求.将不同的算法进行了仿真比较,提出了一种应用方案,解决了姿态估计过程中横滚角与俯仰角耦合的问题.改进后的算法适用于装备以视觉系统作为导航系统的飞行器,尤其是只能装备小型视觉系统的微小型飞行器(MAV, Micro Air Vehicles).将应用该算法的视觉导航系统与微惯性测量单元(MIMU, Miniature Inertial Measurement Unit)组合使用,可以增大飞行器姿态角估计的范围,进一步提高估计精度.      

基于无陀螺微惯性测量单元的惯性恒星罗盘

为满足微纳航天器对姿态确定系统的体积、重量、功耗、精度等严格要求,提出用无陀螺微惯性测量单元(GFMIMU,Gyroscope-Free Micro Inertial Measurement Unit)和星敏感器组成惯性恒星罗盘(ISC,Inertial Stellar Compass)的姿态确定方案.根据无陀螺的测量原理建立了ISC的状态方程,将星敏感器的姿态测量信息作为观测量,修正GFMIMU长时间工作误差的积累.利用卡尔曼滤波器对ISC的定姿误差进行估计,并采用可观测性分析理论证明滤波器的滤波稳定性.最后,对ISC进行了系统仿真,仿真结果证明ISC可以满足微纳航天器的使用要求.      

三轴转台误差对加速度计误差模型系数标定精度的影响

为了更精确地在三轴转台上标定惯性组合中的加速度计,建立了三轴转台的误差模型,推导了加速度计输出与转台误差、加速度计安装误差间的关系,分析了转台误差对加速度计输出计算精度的影响,建立了转台误差与加速度计误差模型系数的标定误差之间的联系.分析结果表明转台误差对标度因子KI以及交叉耦合误差KIO、KOP、KIP影响较大.文中方法对确定转台的精度指标和进一步提高惯性仪表标定精度以及误差补偿提供了一定依据.     

惯性平台在系统中多位置翻滚自标定方法

影响惯性制导导弹命中精度的主要因素是制导工具误差,而平台的测量误差是其中的主要成分.深入研究惯性平台在系统中的在线标定方法,建立了惯性平台的陀螺仪误差模型及加速度表误差模型,提出了最优多位置翻滚试验方法,通过惯性平台多位置翻滚自标定仿真试验分析了自标定精度的影响因素.仿真结果表明,该方法能有效分离各误差系数,绝大多数误差系数分离精度优于99%,从而提高了导弹的命中精度.      

大方位失准角MIMU空中对准建模及半物理仿真

由于快速性的要求,微小型无人机不经过地面精确初始对准就升空作业,因此MIMU(Micro Inertial Measurement Unit)空中对准在大失准角下进行. 为了提高微小型无人机空中的反应速度和作业精度,把非线性误差部分作为状态变量,建立MIMU在大方位失准角下无需小角度近似的空中对准的线性模型,同时为解决噪声不确定导致滤波器发散的问题,提出将AKF (Adaptive Kalman Filter)应用在GPS(Global Positioning System)辅助MIMU的空中对准中,半物理仿真结果证实其取得了比基于非线性误差模型的EKF(Extended Kalman Filter)精度高且速度快的结果,不仅使MIMU的方位失准角由60° 快速下降到2° 左右,且所需时间仅为EKF的67%.      

以激光束为基准测量工作台直线运动误差的原理探讨

提出一种以两束激光为基准测量工作台直线运动误差(五个自由度)的方法,并根据刚体运动学的基本原理导出了相应的数学模型。所获得的误差计算公式形式简单,计算方便,适用于实时、现场运动精度测量及补偿。     

一种组合导航系统快速滤波方法及半物理仿真

在利用卡尔曼滤波器对数据进行处理时,协方差矩阵的预报运算过程需要的计算量最大,每一步迭代的计算量与n3(n为状态矢量维数)成正比,约占整个卡尔曼滤波过程70%的CPU时间.协方差阵预报计算过程中,数据输入输出所需要的传递工作量也最大.由于微小型飞行器导航系统采用小体积、低功耗、低成本的微处理器作为导航计算机,为了保证导航实时性的要求,提出了一种降维滤波器加矩阵外积法的快速滤波方法来减少MIMU(Micro Inertial Measurement Unit)/GPS(Global Positioning System)/MMC(Micro Magnetic Compass)组合导航滤波算法的计算量,以提高算法的实时性.半物理仿真试验结果表明:此种算法不仅可以提供较为满意的导航精度,而且大大减小了计算量,提高了系统的实时性.      

捷联惯导/里程计组合导航方法

针对车载自主导航需求,基于卡尔曼滤波器,实现捷联惯导与里程计量测信息的组合导航.推导了里程计误差模型,结合捷联惯组误差模型与捷联系统误差模型,建立了捷联惯导/里程计自主组合导航系统误差状态模型.建立了捷联惯导/里程计组合导航量测模型,阐述了估计误差修正方法.采用仿真计算对此方法进行了验证,仿真结果表明:组合导航过程中,初始姿态误差能得到有效估计,姿态误差和位置误差均能控制在一定精度范围内,应用此组合导航方法相对于传统的航位推算方法能得到更高的导航精度,能有效实现自主高精度定位定向.     

Radio beacons/IMU integrated navigation for Mars entry

High precision entry navigation capability is essential for future Mars pinpoint landing missions, together with the entry guidance and aerodynamic lift control. This paper addresses the issue of Mars entry navigation using inertial measurement unit (IMU) and orbiting or surface radiometric beacons. The range and Doppler information sensed from orbiting or surface radio beacons and the entry vehicle state information derived from IMU are integrated in Unscented Kalman filter to correct the inertial constant bias and suppress the navigation measurement noise. Computer simulations show that the integrated navigation algorithm proposed in this paper can achieve 50 m position error and 2 m/s velocity error, which satisfies the need of future pinpoint Mars landing missions.