我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:欢乐棋牌游戏 > 火炮发射阵地 >

和火炮以及战术轰炸机的轰炸它们要迅速的转移阵地 所以相比民用

归档日期:07-10       文本归类:火炮发射阵地      文章编辑:爱尚语录

  和火炮以及战术轰炸机的轰炸它们要迅速的转移阵地 所以相比民用汽车它们要求的机动性更强。而战术导弹和战术火炮与一些战略洲际导弹相比需求量极大 在现代战争中为了减少非战斗人员和平民的伤亡 其使用频率也极高 这些都对这类军用特种车辆的导航系统提出了更高的要求。作为新一代的惯性传感器 微机械陀螺仪和微机械加

  和火炮以及战术轰炸机的轰炸它们要迅速的转移阵地 所以相比民用汽车它们要求的机动性更强。而战术导弹和战术火炮与一些战略洲际导弹相比需求量极大 在现代战争中为了减少非战斗人员和平民的伤亡 其使用频率也极高 这些都对这类军用特种车辆的导航系统提出了更高的要求。作为新一代的惯性传感器 微机械陀螺仪和微机械加速度计正好顺应了这一需求 所以以微惯性传感器为基础发展而来的微惯性导航系统以它固有的低成本和体积小的优势必将取代传统的惯性导航系统而得到广泛应用 但是微惯性传感器相比传统惯性传感器的一个显著缺点就是精度不高 尤其是微机械陀螺仪。目前美国研制的硅微机械陀螺仪在实验室条件下的精度才达到0 01 而市场上流通的微惯性器件以及导航系统的精度会更低。为了拓展微惯性传感器的应用领域将微惯性导航系统与其它导航系统如卫星定位系统进行组合就成了微惯性传感器的首选。卫星导航定位系统具有全天候、全方位、实时、连续导航的优点 而且长时间内导航精度也很高 但是在城市高层建筑、森林、峡谷地带或隧道中GPS的信号会中断 这会给导航精度带来无法估计的影响。而微惯性导航系统则能够自主导航 不需要任何外界的辅助导航设备 短时间内精度很高 缺点是长时间导航时导航误差会随时间不断积累 。因此在陆地车辆导航过程中将这两种导航系统进行组合 可以优势互补 进一步的提高组合导航系统的精度。 以MEMS技术为基础的车载微惯性组合导航系统的关键技术很多 包括系统组合方式 单一导航系统的误差建模 系统的软硬件配置 以及组合导航算法。但是 由于组合导航系统中微惯性传感器受到现有制造技术和加工工艺的限制 精度很难得到较大的提高 而且提高微惯性传感器的精度势必会增加传感器的设计和研制成本 这对于它在民用汽车和军用特种车辆的广泛应用极为不利。所以目前提高组合导航系统精度的最主要方法是增加组合导航系统的融合度 在算法上下功夫 通过设计好的组合导航算法来提高系统组合导航的精度。本课题针对组合导航系统的导航算法进行重点分析 提出了自适应无迹卡尔曼滤波 UKF Unscented Kalman Filter 算法。自适应UKF综合了自适应KF和UKF的优点 对陆地车辆的高机动性 高动态性和长时间工作的特点有很好的滤波效果。因此 本文的研究工作对于提高微惯性导航系统未来的应用领域具有很重要的现实意义。 MEMS惯性器件的发展历程和现状国外研制微惯性传感器的公司有美国的Draper实验室 德雷珀实验室 AD公司等。其中比较著名的有美国Draper实验室研制的硅微机械陀螺仪 美国NASA下属的喷气动力试验室 JPL 英国的BASE公司和德国的LITEF公司研制的微机械陀螺仪。另外 其它国家如日本 法国和俄罗斯也在研制微惯性传感器并取得了一定的成绩 过几十年的发展这些公司生产的微惯性器件产品的性能越来越好 精度也越来越高。例如美国的Draper实验室生产的硅微机械陀螺仪在实验室的精度达到了0 01 市场上微惯性传感器的精度也达到了几十度甚至十几度小时有些产品的精度甚至达到了几度每小时 10 中国从事微惯性器件研制的单位有中电集团26所信息产业部13所 清华大学 上海冶金所 北京大学 东南大学 北京航空航天大学 国防科技大学 西北工业大学 哈尔滨工业大学和南京航空航天大学以及其它的相关院校和研究所 虽然我国微惯性技术的研制工作起步较晚 但也取得了一定的成绩。理论方面的研究已经成熟 相应的高校和实验室也有自己的样机产品 在某些领域还出现了成型的产品 只是精度和稳定性等性能指标与国外相比还有一定的差距 11 。国内生产的微惯性器件产品精度最高的要数清华大学 硅微陀螺仪的漂移也只有10 将微机械陀螺仪、微机械加速度计以及检测电路和外围电路组合就形成了微型惯性测量单元MIMU Micro Inertial Measurement Unit 。美国的Draper实验室研制的微型惯性测量单元中的微机械陀螺的漂移不定性为10 h。针对微惯性器件的低精度特性 将微惯性器件组合成微惯性测量单元并与其它导航系统进行组合是提高微惯性器件应用领域的有效途径。目前 国内外有很多单位在从事以MEMS技术为基础的组合导航系统的研制工作 并取得了一定的成绩。国外生产的微惯性组合导航系统比较著名的有美国的J LehmanCompany公司生产的SiNAV型组合导航系统 美国模拟器件公司的ADIS16400 16405型组合导航系统 美国GNC公司生产的UNCUNI型组合导航系统。这些产品都属于低精度产品 系统的定位误差在10m 15m以内。而美国角斗士技术公司生产的陆标系列组合导航系统就属于中高精度产品 美国克尔斯博科技公司生产的NAV440型组合导航系统 美国云帽技术公司生产的短笛系列自动驾驶仪 它们的定位误差都在2 5m以内。国内的清华大学 北京航空航天大学 哈尔滨工业大学以及北京航天时代光电科技有限公司等也在从事这方面的研究。虽然精度和性能与国外相比有一定的差距 但是也有自己的样机产品 北京航天时代科技有限公司生产的某型无人机的组合导航系统 其组合定位误差小于15m 速度误差小于0 6m 由于以MEMS技术为基础的组合导航系统的优越性能所以它在很多领域都有广泛应用。在民用方面 各种汽车的导航、农业用的自动化农具、农药喷洒与林区防火的无人飞机都用到了MEMS IMU GPS组合导航系统 军用方面 欧美国家都将其成功的应用到战术制导武器、微小型无人机、微小型卫星探测、航天器导航等领域。 在以MEMS技术为基础的车载微惯性组合导航系统中 组合导航算法是其中最重要的环节 也是提高组合导航系统精度必须要分析的重点因素 组合导航算法研究现状哈尔滨工程大学硕士学位论文 组合导航算法是以MEMS技术为基础的车载组合导航系统中的关键技术。提高组合导航算法的精度对于提高组合导航系统的精度至关重要国内外车载组合导航系统中组合导航算法主要包括卡尔曼滤波技术 粒子滤波技术 也被称为H 技术 和神经网络技术 其中 卡尔曼滤波技术以其优越的性能得到了最广泛的应用 其它两种技术相比卡尔曼滤波技术也有自己的优点 某些场合也用到了。例如文献 13 16 介绍了车载组合导航系统中采用神经网络技术来提高组合导航系统的精度 也分析讨论了GPS信号中断或丢失情况下如何利用神经网络模型来提高系统的精度。文献 17 18 介绍了采用粒子滤波的方法进行组合导航 在某些特定的条件下粒子滤波的方法甚至比一般改进的卡尔曼滤波方法的效果要好。 卡尔曼滤波技术是上个世纪60年代由美国数学家卡尔曼 Kalman 提出的它采用递推估计的方法来对系统的状态进行实时的估计 随着数字电子计算机的迅猛发展和普及应用 卡尔曼滤波技术得到了广泛的应用 19 。卡尔曼滤波器最原始的递推公式很简单 只有五个递推方程 但是要求系统的模型是已知的且是线性的 而且要求系统噪声统计特性必须是确定和先验的 此外 系统状态量的初始值和初始协方差也必须已知。但是在现实生活和工程应用领域中 这种理想的模型和确定的噪声统计特性几乎不存在 所以人们在初始卡尔曼滤波器的基础上进行改进 研制出了一系列新的改进的卡尔曼滤波方法。在车载组合导航中 应用的卡尔曼滤波方法有经典卡尔曼滤波 20 扩展卡尔曼滤波 21 24 EKF Extended Kalman Filter 自适应卡尔曼滤波 AKF Adaptive Kalman Filter 12 25 26 无迹卡尔曼滤波 也称为平淡卡尔曼滤波UKF Unscented Kalman Filter 17以及不同种类的卡尔曼滤波器的组合 27 29 采用UKF滤波方法对组合导航系统进行滤波UKF主要用来处理非线性问题 同时它假定滤波器的状态变量为高斯随机分布 Gaussian Random Variable GRV 这种滤波方法采用一系列近似高斯分布的采样点 通过Unscented变换 无迹变换 来进行系统的状态量与误差协方差矩阵的递推和更新。这种算法的核心是先选取一组Sigma点 这些点的均值与协方差矩阵和实际系统状态量的均值x与协方差矩阵相同 通过非线性函数的非线性变换获得变换后变换点的均值y和协方差矩阵yyP。在每一步更新过程中 采样点随着非线性状态方程传播并随着观测方程而不断变换 这样不仅保证了状态估计的精度 而且避免了对非线性方程的线性化。自适应卡尔曼滤波的方法有很多 它的主要思想是通过在线调整系统中的某些参数和变量 使系统的模型和噪声统计特性能实时的获得并且精确已知 再在这样的条件下进行卡尔曼滤波。 文献 25 在新息估计自适应滤波 IAE Innovation adaptive estimation 的基础上 从测量野值破坏新息序列正交性的性质出发 提出了在新息估计过程中同时正交性检测测量的野值从而对新息加权值进行修正的改进方法 并用车载实验验证了算法的有效性 车载试验说明这种算法性能良好。文献 27 提出了采用自适应UKF滤波方法对以第1章 绪论 MEMS技术为基础的车载微惯性组合导航系统进行分析UKF滤波方法以精确性的采样策略 利用Unscented变换 用能够完全描述系统状态量的概率密度函数的均值和方差矩阵的有限个采样点 利用这一系列的点来描述状态量的概率密度分布。但是在实际应用中 UKF对滤波初值的选取比较灵敏 如含有误差的初值就会直接影响滤波的估计值。计算过程中不确定的动力学误差模型和各种扰动误差干扰也会影响UKF的精度。为了尽可能减小上述两个不利因素对滤波的影响 在实际计算过程中需要实时调整状态量和观测量的协方差矩阵 从而达到平衡状态信息与观测信息在滤波中的作用。于是就出现了自适应UKF方法。通过静态测试和动态测试可知 自适应UKF滤波方案可行 并且具有一定的精度、稳定性和实用价值。文献 30 针对组合导航算法中的卡尔曼滤波器设计滤波参数 包括系统 影响滤波的问题 较为系统的分析了过程噪声方差阵和测量噪声协方差阵的选取对系统状态量的估计精度和收敛性能的影响 并最终设计了基于极大似然估计的自适应卡尔曼滤波器。这种自适应滤波器的主要思想是利用滤波过程中得到的测量值和状态值的残差来修正测量噪声和系统噪声的统计特性参数。文献 31 中的自适应卡尔曼滤波算法的实质是量测噪声自动加权 目的是抑制模型误差和量测噪声误差 从而提高滤波精度。文献 26 的研究对象是自主驾驶车辆 这类车辆在较长时间内导航精度难以满足要求 所以组合滤波算法在观测位置信息的同时引入姿态信息 实际算法是通过模糊控制器自动的在线地改变每个观测量的权值 得到具体的权值矩阵并将其引入到卡尔曼滤波器中以实现自适应滤波。最后的仿真实验结果表明这种自适应卡尔曼滤波算法比一般自适应卡尔曼滤波算法的精度更高 尤其是在GPS信号失踪以及系统噪声先验统计特性不能确切已知的情况下 其定位精度仍然能够保证在1m之内。文献 12 提出了Sage Husa自适应滤波算法 该算法能在线同时估计出系统状态和噪声统计特性。因此 本文的研究在提高MEMS微惯性导航系统的应用领域具有十分重要的现实意义。 论文的主要工作及组织结构本文以陆地车辆组合导航系统为研究对象 针对陆地车辆导航特性如车辆的高机动、高动态特性以及车辆运行在城市高层建筑、隧道或森林峡谷地带GPS信号频繁失踪的问题 建立车辆的运动学模型和动力学模型 分析MEMS微惯性传感器中的误差源 建立微机械陀螺仪和微机械加速度计的误差模型 分析车载组合导航系统的组合方式 通过研究自适应无迹卡尔曼滤波器的理论知识 构建了车辆的自适应无迹卡尔曼滤波组合导航算法 并对其进行了仿真验证。 本文主要的研究工作和具体章节安排如下 针对提出课题的研究背景和意义查阅国内外相关文献和资料 总结与课题相关的理论知识、应用技术的发展历程、现状和趋势 针对该领域当前技术的不足 总哈尔滨工程大学硕士学位论文 分析组合导航系统的组合导航理论针对车辆尤其是军用特种车辆提出以MEMS技术为基础的的组合导航方案 提出车辆组合导航系统中的相关关键问题。 利用运动学和动力学分析刚体的方法分析车辆的平动和转动 建立车辆尤其是军用特种车辆的运动学模型和动力学模型 为下文MEMS惯性器件的误差建模和导航算法分析打下基础。 分析车载组合导航系统中MEMS微机械陀螺仪和微机械加速度计的误差源利用时间序列分析中的ARMA Auto Regressive Moving Average 自回归移动平均 模型方法建立微惯性器件的误差模型。 分析自适应卡尔曼滤波器和无迹卡尔曼滤波器的优缺点将两者组合形成新的组合导航算法。针对车辆的运动特点 给出自适应无迹卡尔曼滤波器的组合导航算法 通过实验仿真验证自适应无迹卡尔曼算法的优越性和有效性 尤其是在GPS信号频繁丢失的情况下利用这种组合导航算法仍然能够实现车辆的快速精确定位。第2章 组合导航系统理论分析 引言MEMS惯性器件具有体积小、成本低、寿命长、功耗低和可靠性高等优点 这些都是传统的机械转子式惯性器件和光学惯性器件所不具有的 所以MEMS惯性器件形成的MEMS惯性导航系统具有广泛的应用前景。这类导航系统以惯性测量单元 IMU Inertial Measurement Unit 为主 它将微机械陀螺仪、微机械加速度计以及其它的外围电路和导航计算机进行集成 封装在一个密闭的容器内。MEMS惯性器件最大的缺点就是精度低 目前市面上的MEMS惯性导航系统主要应用在中低精度领域。对于任何惯性导航系统 都有短时间内精度高、抗干扰能力强 能实时工作的优点 但是系统的误差会随着时间不断积累 作为惯性导航系统 IMU也具有这样的优势 同时由于误差会随着时间而不断积累 IMU在导航之前必须先进行初始对准。而卫星定位系统具有连续性、实时性、全球性、全天候以及长时间导航定位精度高的优点 缺点是卫星信号极易受到干扰。将惯性导航系统和卫星导航系统进行组合可以优势互补 避免这两种导航系统的缺点 发挥它们的优势 共同提高组合导航系统的导航性能。MEMS惯性导航系统正是在这样的背景下与卫星导航系统进行组合形成组合导航系统的。MEMS惯性器件相对传统惯性器件的优势将会使它成为未来组合导航系统的主流。 惯性导航系统原理惯性导航系统的基本原理是著名的牛顿运动定律 由于牛顿运动定律又被称为惯性定律 惯性导航系统因此而得名。下面以IMU为例进行说明。 IMU中有两个最主要的惯性器件 微机械陀螺仪和微机械加速度计 它们分别用来敏感载体的旋转速率和比力信息 一般的IMU至少有两个微机械加速度计和三个微机械陀螺仪。惯性导航系统利用陀螺仪和加速度计来获得载体的位置、速度、姿态以及姿态变化率等导航信息 通过这些导航信息来实时的对载体进行导航定位。常见的惯性导航系统有两大类 平台式惯性导航系统和捷联式惯性导航系统。 平台式惯性导航系统利用能够隔离运载体角运动的惯性平台为运载体提供比力测量基准 进而通过数学运算得到速度和位置信息。在平台式惯性导航系统中 三个陀螺仪和三个加速度计相互正交的安装在三轴物理导航平台里。基本导航方法是加速度计敏感的比力信息输入给导航计算机 经过解算得到位置、速度等导航信息 同时利用导航计算机解算的陀螺控制信息对陀螺仪施加力矩 陀螺仪在施加力矩的作用下 通过平台稳定回路控制平台跟踪地理坐标系 为加速度计提供测量基准 载体通过导航计算机最终输出的位置、速度等导航信息进行实时的导航定位 32 。平台式惯性导航系统的优点是哈尔滨工程大学硕士学位论文 定位精度高能够在高精度和超高精度导航领域应用 如核潜艇、远程战略轰炸机 这类导航系统对导航计算机的计算精度也没有太高的要求 缺点是实际物理结构复杂 体积大 相对而言成本高。 捷联惯性导航系统直接把惯性器件 陀螺仪和加速度计 固联在载体上 没有平台惯性导航系统的实际物理平台 其实际物理结构相比平台惯性导航系统简单的多 体积也较小 成本相比平台惯性导航系统也小 但是导航精度相对平台式惯性导航系统则要低一些。但是最近几十年导航计算机的发展 捷联式惯性导航系统导航算法的逐渐完善 捷联式惯导系统的精度也逐渐达到了平台式惯导系统的水平。捷联式惯导系统的基本原理是直接将陀螺仪和加速度计固联在载体上 通过它们敏感运载体相对惯性空间的角运动和线运动信息 利用导航计算机的姿态矩阵进行坐标变换 将加速度计测量信息转化至导航坐标系下的加速度信息 经过积分运算 得到运载体的速度、位置及姿态信息 33 。IMU常用的就是捷联式惯性导航工作方式。 卫星导航系统原理美国国防部开发的GPS Global Positioning Systems 全球定位系统 是最具代表性的卫星导航系统 下面主要以GPS为例进行说明。 2000年以前 美国的GPS在轨卫星有24颗 共分布在6个圆形轨道上 覆盖面积为全球。2000年以后 美国又重新发射了新的导航卫星以取代一些不能正常工作或出现故障的卫星。每个圆形轨道相对地球赤道的倾角为55 圆形轨道之间的右赤经为60 每个轨道的半径大约为26 560km 卫星运行一圈的时间为一个半恒星日 11 967h 。理论上 人类在地球表面能至少看到3颗卫星 如果能够同时看到4颗或者4颗以上的卫星 则在一天24小时内观察者的位置都能够被确定。 每个GPS卫星都有一个铯原子钟或铷原子钟用来给卫星提供传递卫星的时间信号。每个卫星钟都可以提供内时钟修正值。每个卫星都可以传递两种展布频谱 带宽的载波信号一种载波频率为11575 42f MHz的1L信号 一种载波频率为21227 6f MHz的2L信号。这两个频率都是一个基频01 023f MHz的整数 分别为101540ff 和201200ff 。来自于每个卫星的1L信号采用二进制相位键控 BPSK Binary Phase Shift Keying 由两个转像差中的伪随机噪声 PRN Pseudorandom Noise 码进行调制 并设计成C A码和P码。来自于每个卫星的2L信号采用BPSK 只设计成P码。由于传播信号存在时间延迟 且延迟与传播信号的频率成反比 所以两个载波频率之间的观测微分延迟能够用来补偿每个载波信号的时间延迟。GPS卫星比特流包含了传递GPS卫星的星历表 每个单频接收机的电离层信号传播延迟的修正量和卫星时钟时间与真实GPS时间偏移时间的参数等导航信息 导航信息传播的速率为50比特。 美国军方在2000年以前出于军事的目的曾经提出了对GPS导航系统提出了选择可第2章 组合导航系统理论分析 SASelective Availability 特性 SA是美国国防部为了降低非美国军方用户的GPS定位精度的组合方法。SA的提出形成了GPS导航定位的三种用户。一是精度定位服务 主要用户为美国军方和美国的其它军事盟国 它能为用户提供全精度的单接收机GPS定位服务系统 使用的编码方式是未加密的P码 第二种为不含SA的标准定位服务 能够给全球的用户提供连续的GPS单接收机定位服务 第三种为含有SA标准定位服务 由于采用了SA特性 用户的水平定位精度下降到100m 垂直定位精度下降到156m 时间精度334ns 整个定位精度能够达到原先定位精度的95 。虽然这种导航定位系统相比原先的系统定位精度有所下降 但是它仍然保证了用户定位的全球覆盖率、可用性和良好的可靠性。虽然SA特性保证了美国军方在卫星导航定位中的优势 但是给全球的许多用户带来了不便 迫于多方面的压力 美国军方最终在2000年5月1日宣布取消SA计划。进入21世纪之后 随着人类对导航的不断需求 卫星定位导航系统也在不断发展完善 许多国家和组织提出了以GPS为基础的改进GPS系统如差分GPS、局域差分GPS、广域差分GPS等。可以预见 在未来相对较长的时间内 卫星定位系统将仍然是无线电导航系统中的主流 而且会进一步被普及 34 组合导航系统组合方式组合导航系统是指利用两种或两种以上的导航系统进行组合发挥各自的导航优势 达到导航精度大于单一导航系统的方式。如今最常用的组合导航系统是惯性导航系统和卫星导航系统进行组合。近年来各国相关研制单位在组合导航系统中避免GPS信号短暂失踪方面做了很大的努力。惯性导航系统不受噪声的影响 但漂移会随着时间而不断积累 相比之下 卫星导航系统易受噪声干扰 但漂移不随时间发散。惯性导航系统和卫星导航系统组合有两方面的原因 两者的误差特性完全不同 观测量不同。 卫星导航系统提供位置和速度信息确切的说是伪距和伪距率观测量信息 惯性导航系统提供经过重力加速度补偿后的比力信息。卫星导航系统导航信息的精度受低信号强度、伪随机编码长度、密码跟踪环、多路径效应、时间延迟和用户时钟不稳定性等因素的影响 在城市高层建筑、森林峡谷、隧道等地GPS信号甚至会丢失。 但是GPS卫星导航系统的不断更新和低成本GPS接收机的发展使得SINS和GPS组合技术大大发展。组合导航系统中 惯性导航系统性能很大程度上依赖于GPS信号是否中断 尤其在军用领域。如果GPS信号的干扰很小 未来的SINS和GPS组合导航系统的位置导航精度能达到1m SINS和GPS的组合导航系统组合方式有很多种 如今最常见的有以下四种 解耦合方式、松组合方式、紧组合方式和深组合 超紧组合 方式 35 36 解耦合方式哈尔滨工程大学硕士学位论文 10 解耦合方式是GPS和SINS组合系统中最简单的一种组合方式。该组合方式中 GPS和SINS分别独立工作 并提供系统冗余。利用GPS的位置和速度估计量来对SINS进行复位 使SINS位置和速度估计量误差在有限值以内。这种系统使得单一的导航系统都不需要做太大的改变。与下面介绍的几种组合方式相比 它的性能并没有太大的提高 系统的抗干扰能力也没有下面几种组合方式强。 松组合方式松组合方式使得GPS能够自动作用 同时连续不断的向INS提供观测更新量。GPS和SINS并列获得位置或速度估计量 同时GPS导航信息的观测量作为SINS GPS组合卡尔曼滤波器的输入 具体的组合结构如图2 1所示。 射频信号处理系统跟踪环SINS位置 速度信息SINS导航解算惯性器件SINS辅助导航信息GPS导航解算GPS位置 速度信息GPS卡尔曼滤波器GPS接收机SINS GPS组合卡尔曼滤波器SINS误差修正量组合系统导航解算惯性导航系统 松组合SINSGPS组合结构 松组合导航方式的主要优点是简便、冗余。这种组合方式能够使用任何SINS和任何GPS接收机。松组合方式除了有组合导航算法外 GPS也有自己的导航算法。冗余导航解算方法能够被用来监测组合导航解算的组合度 并且在滤波器不能正常工作时根据实际的需要使滤波器重新恢复工作。 松组合工作方式中 组合滤波器提供SINS误差估计量来修正观测更新后的惯性导航系统。GPS完全利用系统组合条件下的SINS来辅助卫星信号获取过程。在所有的组合方式中 采用惯性传感器输出的信息来辅助卫星接收机的码跟踪回路能够有效的减少码 跟踪回路的带宽 从而使得GPS接收机在噪声环境下或信号被干扰的情况下仍然能够跟踪信号。虽然单独使用GPS的位置更新量能够辅助惯性导航系统 但是同时采用GPS的位置和速度观测量来辅助惯性导航系统会进一步的使组合导航系统的性能更稳定。由于姿态误差和传感器偏差之间的组合度很小 所以这些误差会导致速度误差快速的增长。因此 利用速度观测量能够快速的获得传感器偏差和姿态误差的瞬时估计值。然而 速度观测量的独立使用会减小SINS中位置误差的可观测性。综合上述原因 在松组合导航算法中 通常都是同时使用GPS位置和速度更新值来辅助惯性导航系统。 松组合SINS GPS组合方法的主要问题是级联卡尔曼滤波器的使用 在这种卡尔曼第2章 组合导航系统理论分析 11 滤波器中 GPS卡尔曼滤波器的输出被作为组合滤波器的观测输入信号。构成卡尔曼滤波器的先决假设条件是观测误差是不相关的即观测噪声是白噪声。实际的系统中很难保证观测误差是非相关的。例如 由于GPS数据的采样速度大于跟踪环的采样速度 结果组合导航算法提供的独立观测量常常会导致卡尔曼滤波器的观测量误差是时间相关的。另外 多路径效应、地球表面的GPS接收机天线接收信号时间延迟也会导致观测量是时间相关的。 GPS卡尔曼滤波器输出量的相关时间随着跟踪环带宽的变化而变化 位置带宽能够达到100s 速度带宽能够达到20s 在动态接收机中位置带宽为10s 速度带宽为0 0s这类误差对于其它的误差而言太小而使得这类误差量无法被估计 但是如果带宽过长则会减缓组合滤波器中估计SINS误差的过程。由于上述因素的影响 卡尔曼滤波器观测量更新时间间隔的选取至关重要。 为了解决卡尔曼滤波器中观测量更新时间间隔的选择问题 观测更新时间间隔会逐渐增加直到观测量的误差值不再相关。将观测量更新时间间隔值建立成马尔可夫过程模型从而获得相关误差的估计值并将相关时间作为卡尔曼滤波器系统模型附加状态量。 另外 松组合导航方式下 组合导航系统必须获得至少4颗导航卫星的导航信号 如果卫星数目少于4颗 则GPS不能辅助SINS。另外 组合滤波器需要知道GPS滤波器输出量的协方差信息 该信息会随着在轨卫星的几何分布和卫星数目的多少而变化 对于大部分GPS接收机而言 GPS滤波器输出量的协方差数据是不可靠的 也不一定总是可用。 紧组合方式紧组合导航方式中 GPS卡尔曼滤波器成为组合滤波器中的一部分 用来接收GPS跟踪环提供的伪距和伪距率观测量。这些观测量用来形成惯性导航系统中误差量估计值。修正的惯性导航解法形成组合导航解法 修正的SINS数据或原始的SINS数据用来辅助GPS跟踪环。信号时间的选取对系统能否正常工作也相当关键。 通常情况下伪距和伪距率观测量都是被同时使用的 这两个观测量中 伪距信息来自于GPS码跟踪回路 伪距率观测量来自于精度较高、稳定性较差的载波跟踪环。紧组合导航方式的具体结构如图2 2所示

本文链接:http://cccrecords.com/huopaofashezhendi/73.html