CN103256928B - 一种分布式惯性导航系统及其姿态传递对准方法 - Google Patents

Abstract

本发明公开了一种分布式惯性导航系统及其姿态传递对准方法，该系统包括一个主节点和n个子节点构成的网络拓扑结构，主节点包括惯导单元和天文单元，子节点包括惯导单元；前述惯导单元即IMU，其内设置三轴加速度计和陀螺组件，所述天文单元包括星敏感器；各节点之间通过IMU输出端口连接外设的处理器，并以此进行信息共享，星敏感器的输出端也连接外设的处理器。本发明导航系统具有高容错性和强鲁棒性，成本低，能提高惯导系统的性能，实现各低性能的惯导系统与高性能的惯导系统传递对准的效果，传递对准的实时性和准确性高。

Description

一种分布式惯性导航系统及其姿态传递对准方法

技术领域

本发明涉及一种分布式惯性导航系统及其姿态传递对准方法，属于惯性导航定位技术领域。

背景技术

传递对准是指载体在航行时，载体上需要对准的子惯导系统利用高精度的主惯导系统信息进行初始对准的方法。

传递对准是新一代快速反应、机动发射武器系统的关键技术，它的成功应用可以极大的提高武器系统的反应速度和防区外攻击能力，载体需要获得连续可靠的惯性信息，在载体结构变形较严重的环境下，对载体变形估计可以提高如武器系统、瞄准系统等机载子系统的对准精度，进而提高子系统的整体性能。

近年来，飞行器上高速数据通讯网络使机载电子设备分布集成结构引入到现代飞行器系统，再加上现代作战飞行器对惯性信息更强的依赖和更高可靠性需求促成了惯性网络系统的研究和发展。为确保作战飞行器安全飞行和顺利完成指定任务需要飞行器多个位置如飞行器重心、飞行器前身和武器舱等的可靠惯性信息。惯性网络是一种惯性技术的新型应用，极具发展和应用前景。该网络基于捷联惯性技术、微型惯性器件技术等技术，将满足飞行器等高可靠性、高精度和低成本方面的需求，同时也为传递对准提供了新的技术途径。

目前，国内对惯性网络相关算法还少有研究，只在研究传递对准和挠曲变形的部分文献中有提及。郭隆华和王新龙的《机载武器传递对准精确建模方法研究》对影响机载武器传递对准性能的各种因素进行了精确建模及全面分析，提出了机翼弹性变形的三阶随机过程模型，同时，研究了一种“速度积分+角速率”匹配的传递对准方法，但该方法需要飞行器有特定的飞行轨迹，有失广泛应用性；文献Yafeng Wang,Fuchun Sun,Youan Zhang,et al.Central DifferenceParticle Filter Applied to Transfer Alignment for SINS on Missiles[J].Aerospace and Electronic Systems,IEEE Transactions on,2012,48(1):375-387针对对准模型的非线性和陀螺漂移的非高斯分布，提出中心差分粒子滤波算法，提高对准的速度和精度，但算法较复杂，加大了计算量；孙昌跃、王司、邓正隆的《舰载武器惯导系统对准综述》在传递对准发展趋势中明确提出构建惯性网络，即用主惯导系统和各子惯导系统准确及时的惯导信息，解决结构挠曲变形和振动的不利影响，但其仅指出运用惯性网络进行传递对准的方向，并未具体提出对准算法方案。

此外，TRIAD算法解算变形角实时性很好，但是解算出的变形角受噪声影响很大；而惯性测量匹配算法解算变形角受噪声影响小，但是需要给定变形角的初值，且随着时间的累积变形角误差发散。

发明内容

本发明要解决的是现有的导航系统结构或者运用的算法复杂，其运用的算法有的由于受噪声影响而导致误差较大，有的随着时间的累积变形角误差发散，也会导致计算误差较大。

为解决上述技术问题，本发明采用的技术方案是：一种分布式惯性导航系统，包括一个主节点和n个子节点构成的网络拓扑结构，前述n≥2的自然数；所述主节点包括惯导单元和天文单元，子节点包括惯导单元；前述惯导单元即IMU，其内设置三轴加速度计和陀螺组件，所述天文单元包括星敏感器；各节点之间通过IMU输出端口连接外设的处理器，并以此进行信息共享，星敏感器的输出端也连接外设的处理器。

将主节点和n个子节点分布式的配置在载体的不同空间位置，共同构成完全的分布式惯性网络结构；该网络结构具有高容错性和强鲁棒性，且成本较低，能提高惯导系统的性能，各节点可以与其它节点进行通信，各个节点的信息在网络结构中共享；其中，主节点的信息融合算法提供导航状态信息和惯性状态向量，子节点的信息融合算法提供局部状态向量信息；由于载体的整体结构，各节点的测量和估计信息并不是完全独立的，根据各节点之间的关系，可以充分利用传感器网络的测量信息，进行不同惯性系统的对准、动态标定、检测或隔离系统故障等，将大大提高惯导系统的性能；此外，天文单元导航误差不随时间增长，星敏感器测量精度在导航全程保持稳定，现有最高精度可以达到角秒级，但天文单元统在应用时受到可观测星光条件的约束，在较低空领域无法准确获得星光信息，无法实现对无人机的全程高精度导航，因而将其作为一种重要的导航辅助手段，与惯导单元一起共同完成主节点的导航任务。三轴加速度计安装在同一个节点的三轴上，用于测量IMU上三个不同点处的加速度。

为降低系统生产成本，主节点的惯导单元采用高性能IMU，子节点的惯导单元采用低性能IMU。

一种分布式惯性导航系统的姿态传递对准方法，包括以下步骤：1）确定导航系统姿态基准：即主节点姿态，将主节点的信息输入处理器，将星敏感器输出的姿态角信息，与惯导单元输出的按惯导算法解算得到的姿态角相减，得到姿态误差角，姿态误差角依次经数学平台误差角、卡尔曼滤波，得到校正数据，反馈给处理器，以此对主节点姿态进行修正，得到导航系统姿态基准；2）通过惯性测量匹配算法确定主子节点相对姿态：以步骤1）得到的主节点姿态为基准，将子节点陀螺组件输出值分别与主节点的陀螺组件输出值进行比较，计算其的差值，得到主子节点之间的变形角速度，利用欧拉角方程求逆整理后，得到微积分方程组，将设定的初始变形角代入方程，求解得到变形角；3）通过TRIAD算法确定主子节点相对姿态：以步骤1）得到的主节点姿态为基准，按照TRIAD算法，采用陀螺组件、三项加速度计双矢量算法实时计算相对姿态矩阵，并由此得到校对变形角；4）将步骤2）得到的变形角数值和步骤3）中的到的校对变形角数值输入处理器的惯性测量匹配修正程序，计算得到修正角度；5）以步骤1）得到的主节点姿态为基准，根据步骤4）得到的修正角度，修正子节点姿态。采用惯性测量匹配算法进行解算，并用TRIAD算法进行校正，从而获得实时性比较好且受噪声影响较低的变形角；估计出载体各局部位置的变形角，对各子节点均进行传递对准，校正各局部惯导系统的惯性信息，TRIAD算法解算变形角，实时性很好，但是解算出的变形角受噪声影响很大，而惯性测量匹配算法解算变形角受噪声影响小，但是解算微分方程需要给定变形角的初值，且随着时间的累积变形角误差发散，运用惯性测量匹配算法解算变形角同时采用TRIAD算法对惯性测量匹配解算的变形角进行校正，可获得实时性比较好且受噪声影响较低的变形角，提高了子导航系统惯性信息的精度，进而提高了整体导航系统的性能。

本发明的优点是：导航系统具有高容错性和强鲁棒性，且成本较低，能提高惯导系统的性能，能实现各低性能的惯导系统与高性能的惯导系统实现传递对准的效果，无需载体做特定的机动飞行动作，提高了传递对准的实时性和准确性；本发明方法运用惯性测量匹配算法解算变形角同时采用TRIAD算法对惯性测量匹配解算的变形角进行校正，从而获得实时性比较好且受噪声影响较低的变形角，提高了子导航系统惯性信息的精度，进而提高了整体导航系统的性能。

附图说明

图1是本发明主、子节点正交配置多节点示意图。

图2是子节点IMU安装示意图。

图3是主子节点惯性输出的转动坐标系关系示意图。

图4主节点姿态修正的原理图。

图5是本发明一种分布式惯性导航系统的姿态传递对准方法的原理框图。

具体实施方式

下面结合附图对本发明作进一步说明。

本发明一种分布式惯性导航系统，包括一个主节点和n个子节点构成的网络拓扑结构，前述n≥2的自然数，所述主节点包括惯导单元和天文单元，子节点包括惯导单元；前述惯导单元即IMU，其内设置三轴加速度计和陀螺组件，所述天文单元包括星敏感器；各节点之间通过IMU输出端口连接外设的处理器，并以此进行信息共享，星敏感器的输出端也连接外设的处理器。

如图1所示，以主、子节点正交安装结构为例，各节点分布在航天器多个位置协同工作，主节点处进行主导航解算，子节点不单独进行导航解算，只利用相对信息求解节点局部姿态，在主节点故障情况下，再进入导航解算并参与数据融合。

如图2-3所示，由于载体不是一个绝对刚体，许多因素能可以引起载体的变形，如在航行时受到气流、环境温度变化等，都会产生不可忽视的变形。而各主、子节点配置在航天器的不同位置，此时若采用安装在机体系的主导航系统提供全载体各个位置的基准信息，显然不能准确的反映各个位置的实际情况，为能采用主节点姿态为载体系统姿态基准，必须估计出载体变形角。

由于载体的变形，子节点与主节点之间，子节点IMU测量轴将不再与机体系三个坐标轴平行，研究其中一个子节点与主节点之间的关系，设惯性坐标系OXYZ和机体坐标系O_bX_bY_bZ_b，PX_pY_pZ_p为子节点IMU的安装坐标系，子节点IMU安装在机体系中的点P处，O_b为飞行器的质心，r_p为IMU位置偏离飞行器质心的距离。受载体变形的影响，PX_pY_pZ_p系与O_bX_bY_bZ_b系三轴不再平行。从O_bX_bY_bZ_b到PX_pY_pZ_p的过程可以分解为两个步骤：首先将其从O_bX_bY_bZ_b旋转至O_b′X_b′Y_b′Z_b′，再将其从O_b′X_b′Y_b′Z_b′平移至PX_pY_pZ_p。通过角度旋转和位置平移，子节点IMU输出与主节点IMU输出之间的关系如下：

$\left\{\begin{array}{c}{\mathrm{\ω}}^p=C_b^{b^{\′}}{\mathrm{\ω}}^b\\ f^p=C_b^{b^{\′}}{f}^b+\stackrel{\·}{{\mathrm{\ω}}^p}\×r_p+{\mathrm{\ω}}^p\×({\mathrm{\ω}}^p\×r_p)\end{array}\right.$

$C_b^{b^{\′}}=\left[\begin{array}{ccc}\cos {\mathrm{\δ}}_{\mathrm{\γ}}& 0& -\sin {\mathrm{\δ}}_{\mathrm{\γ}}\\ 0& 1& 0\\ \sin {\mathrm{\δ}}_{\mathrm{\γ}}& 0& \cos {\mathrm{\δ}}_{\mathrm{\γ}}\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos {\mathrm{\δ}}_{\mathrm{\θ}}& \sin {\mathrm{\δ}}_{\mathrm{\θ}}\\ 0& \sin {\mathrm{\δ}}_{\mathrm{\θ}}& \cos {\mathrm{\δ}}_{\mathrm{\θ}}\end{array}\right]\left[\begin{array}{ccc}\cos {\mathrm{\δ}}_{\mathrm{\ψ}}& -\sin {\mathrm{\δ}}_{\mathrm{\ψ}}& 0\\ \sin {\mathrm{\δ}}_{\mathrm{\ψ}}& \cos {\mathrm{\δ}}_{\mathrm{\ψ}}& 0\\ 0& 0& 1\end{array}\right]$

$=\left[\begin{array}{ccc}\cos {\mathrm{\δ}}_{\mathrm{\γ}}\cos {\mathrm{\δ}}_{\mathrm{\ψ}}+\sin {\mathrm{\δ}}_{\mathrm{\γ}}\sin {\mathrm{\δ}}_{\mathrm{\θ}}\sin {\mathrm{\δ}}_{\mathrm{\ψ}}& -\cos {\mathrm{\δ}}_{\mathrm{\γ}}\sin {\mathrm{\δ}}_{\mathrm{\ψ}}+\sin {\mathrm{\δ}}_{\mathrm{\γ}}\sin {\mathrm{\δ}}_{\mathrm{\θ}}\cos {\mathrm{\δ}}_{\mathrm{\ψ}}& -\sin {\mathrm{\δ}}_{\mathrm{\γ}}\cos {\mathrm{\δ}}_{\mathrm{\θ}}\\ \cos {\mathrm{\δ}}_{\mathrm{\θ}}\sin {\mathrm{\δ}}_{\mathrm{\ψ}}& \cos {\mathrm{\δ}}_{\mathrm{\θ}}\cos {\mathrm{\δ}}_{\mathrm{\ψ}}& \sin {\mathrm{\δ}}_{\mathrm{\θ}}\\ \sin {\mathrm{\δ}}_{\mathrm{\γ}}\cos {\mathrm{\δ}}_{\mathrm{\ψ}}-\cos {\mathrm{\δ}}_{\mathrm{\γ}}\sin {\mathrm{\δ}}_{\mathrm{\θ}}\sin {\mathrm{\δ}}_{\mathrm{\ψ}}& -\sin {\mathrm{\δ}}_{\mathrm{\γ}}\sin {\mathrm{\δ}}_{\mathrm{\ψ}}-\cos {\mathrm{\δ}}_{\mathrm{\γ}}\sin {\mathrm{\δ}}_{\mathrm{\θ}}\cos {\mathrm{\δ}}_{\mathrm{\ψ}}& \cos {\mathrm{\δ}}_{\mathrm{\γ}}\cos {\mathrm{\δ}}_{\mathrm{\θ}}\end{array}\right]$

其中，ω^p、f^p分别是P位置的陀螺和加速度计输出，ω^b、f^b分别是O_b位置的陀螺和加速度计输出，是O_bX_bY_bZ_b至O_b′X_b′Y_b′Z_b′的坐标转换矩阵，δ＝(δ_θ,δ_ψ,δ_γ)为变形角，r_p为从O_b′X_b′Y_b′Z_b′系到PX_pY_pZ_p系的距离。

如图4所示，将主节点的信息通过IMU输出口输入处理器，并采用SINS算法编排，按惯导算法解算得到的姿态角。

将星敏感器输出的姿态角信息输入处理器，采用CNS姿态解算，也得到相应的姿态角。

将两个姿态角的值相减得到姿态误差角，再依次经数学平台误差角、卡尔曼滤波，得到校正数据将该数据反馈给处理器中的SINS算法编排，以此对主节点姿态进行修正，得到导航系统姿态基准，即主节点姿态。

如图5所示，以主节点姿态为基准，将子节点陀螺组件输出值分别与主节点的陀螺组件输出值进行比较，计算其的差值，得到主子节点之间的变形角速度，利用欧拉角方程求逆整理后，得到微积分方程组，将设定的初始变形角代入方程，求解得到变形角，具体方法如下：

主、子节点两组陀螺的输出差值为： ${\mathrm{\ω}}_x^p-{\mathrm{\ω}}_x^b={\mathrm{\ω}}_x^{\mathrm{\ϵ}}$ ${\mathrm{\ω}}_y^p-{\mathrm{\ω}}_y^b={\mathrm{\ω}}_y^{\mathrm{\ϵ}}$ ${\mathrm{\ω}}_z^p-{\mathrm{\ω}}_z^b={\mathrm{\ω}}_z^{\mathrm{\ϵ}}$

即得由结构变形产生的角速度而在变形产生的坐标系PX_pY_pZ_p上的投影，利用欧拉角方程可求得：

对上述方程求逆整理得：

可以用方向余弦法求解该微分方程。若变形角很小，则该式可以近似成：

解此微分方程组，则可以求解变形角，记作δ₁＝(δ_θ1,δ_ψ1,δ_γ1)，进而确定主、子节点相对姿态矩阵，就可以利用主节点的导航姿态基准确定子节点的姿态。

以主节点姿态为基准，按照TRIAD算法，采用陀螺组件、三项加速度计双矢量算法实时计算相对姿态矩阵，并由此得到校对变形角，具体过程如下：

设b系加速度计传感器输出的测量矢量为V₁，陀螺输出的角速度矢量为V₂，且两矢量互不平行（即V₁×V₂≠0），p系加速度计传感器输出的经过杆臂效应补偿的测量矢量为U₁，陀螺输出的角速度矢量为U₂，设b系到p系的姿态转换矩阵 $A=C_b^{b^{\′}}$ ，则满足：

U₁＝AV₁   U₂＝AV₂

由于参考矢量不平行，在参考系（b系）中建立新的正交坐标系：

X_V＝V₁ $Y_V=\frac{V_1\×V_2}{\left|\right|V_1\×V_2\left|\right|}$ Z_V＝X_V×Y_V

F_V＝[X_V,Y_V,Z_V]

同样，在p坐标系中建立一个正交坐标系：

X_U＝U₁ $Y_U=\frac{U_1\×U_2}{\left|\right|U_1\×U_2\left|\right|}$ Z_U＝X_U×Y_U

F_U＝[X_U,Y_U,Z_U]

其中A是正交矩阵，则：

X_U＝AX_V

$Y_U=\frac{U_1\×U_2}{\left|\right|U_1\×U_2\left|\right|}=\frac{{\mathrm{AV}}_1\×{\mathrm{AV}}_2}{\left|\right|{\mathrm{AV}}_1\×{\mathrm{AV}}_2\left|\right|}=\frac{A(V_1\×V_2)}{\left|\right|V_1\×V_2\left|\right|}={\mathrm{AY}}_V$

$Z_U=U_1\×\frac{U_1\×U_2}{\left|\right|U_1\×U_2\left|\right|}={\mathrm{AV}}_V\×{\mathrm{AY}}_V=A(X_V\×Y_V)={\mathrm{AZ}}_V$

所以F_U＝AF_V，F_V和F_U之间的转换矩阵也是A。

由于参考矢量不平行，式中F_V可逆，可得转化矩阵：

$A=F_U{F}_V^{-1}$

由此求得了坐标转换矩阵，相应的就可以求得校对变形角δ₂＝(δ_θ2,δ_ψ2,δ_γ2)。

将惯性测量匹配算法得到的变形角数值和TRIAD算法中得到的校对变形角数值输入TRIAD算法修正惯性测量匹配算法程序中，计算得到修正角度(δ′_θ,δ′_ψ,δ′_γ)；

以主节点姿态为基准，根据修正角度，修正子节点姿态(θ′,γ′,ψ′)。

结论：分布式惯性传感器网络有高容错性和强鲁棒性，且成本较低，能提高惯导系统的性能，各节点由于分布在载体的不同位置，节点间能实现信息共享，惯性网络各低性能的惯导系统可与高性能的惯导系统实现传递对准，与传统的传递对准方法相比，不需要载体做特定的机动飞行动作，提高了传递对准的实时性和准确性。TRIAD算法解算变形角，实时性很好，但是解算出的变形角受噪声影响很大，而惯性测量匹配算法解算变形角受噪声影响小，但是解算微分方程需要给定变形角的初值，且随着时间的累积变形角误差发散。运用惯性测量匹配算法解算变形角同时采用TRIAD算法对惯性测量匹配解算的变形角进行校正，从而获得实时性比较好且受噪声影响较低的变形角。运用估计出的载体变形角进行传递对准后，提高了子导航系统惯性信息的精度，进而提高了整体导航系统的性能。

Claims (1)

1.一种分布式惯性导航系统的姿态传递对准方法，该分布式惯性导航系统包括一个主节点和n个子节点构成的网络拓扑结构，前述n≥2的自然数；所述主节点包括惯导单元和天文单元，子节点包括惯导单元；前述惯导单元即IMU，其内设置三轴加速度计和陀螺组件，所述天文单元包括星敏感器；各节点之间通过IMU输出端口连接外设的处理器，并以此进行信息共享，星敏感器的输出端也连接外设的处理器；主节点的惯导单元采用高性能IMU，子节点的惯导单元采用低性能IMU；其特征是，姿态传递对准方法包括以下步骤：

1）确定导航系统姿态基准：即主节点姿态，将主节点的信息输入处理器，将星敏感器输出的姿态角信息，与惯导单元输出的按惯导算法解算得到的姿态角相减，得到姿态误差角，姿态误差角依次经数学平台误差角、卡尔曼滤波，得到校正数据，反馈给处理器，以此对主节点姿态进行修正，得到导航系统姿态基准；

2）通过惯性测量匹配算法确定主子节点相对姿态：以步骤1）得到的主节点姿态为基准，将子节点陀螺组件输出值分别与主节点的陀螺组件输出值进行比较，计算其的差值，得到主子节点之间的变形角速度，利用欧拉角方程求逆整理后，得到微积分方程组，将设定的初始变形角代入方程，求解得到变形角；

3）通过TRIAD算法确定主子节点相对姿态：以步骤1）得到的主节点姿态为基准，按照TRIAD算法，采用陀螺组件、三轴加速度计双矢量算法实时计算相对姿态矩阵，并由此得到校对变形角；

4）将步骤2）得到的变形角数值和步骤3）中的到的校对变形角数值输入处理器的惯性测量匹配修正程序，计算得到修正角度；

5）以步骤1）得到的主节点姿态为基准，根据步骤4）得到的修正角度，修正子节点姿态。