CN105173940B - 一种基于组合导航技术的超深矿井罐笼位姿测量系统及方法 - Google Patents

Abstract

本发明公开了一种基于组合导航技术的超深矿井罐笼位姿测量系统及方法，设计了捷联惯性导航系统/接近开关/旋转编码器组合导航式位姿测量系统。惯性单元测量出罐笼运动加速度和角速度，通过导航系统解算出罐笼位置和姿态信息，采用接近开关和旋转编码器测量罐笼的位置和速度，通过信息融合得到罐笼速度和位置的最优估计，反馈校正捷联导航系统，实现罐笼位置和姿态的精确测量。本发明检测精度不受矿井深度和提升钢丝绳的弹性伸长、打滑、蠕动、缠绕半径变化等影响，能实时有效的监测罐笼位姿状态，提供倾斜预警及精确定位，满足超深矿井对位姿检测系统的要求。

Description

一种基于组合导航技术的超深矿井罐笼位姿测量系统及方法

技术领域

本发明涉及矿井罐笼位姿检测领域，具体涉及一种基于组合导航技术的超深矿井罐笼位姿测量系统及方法。

背景技术

矿井提升系统是井下与地面联系的主要工具，主要用于提升煤炭、矿石，升降设备和人员，是矿山生产中的关键设备之一。由于矿井环境恶劣，容易造成提升系统元器件失效，现阶段缺乏对提升过程的全程实时监控，常常发生提升机超速、过卷，导致矿井生产中断、设备损坏、人员伤亡等事故发生，给煤矿生产带来极大的经济损失。

提升系统的罐笼是直接与煤矿、设备和人员相接触的，提升系统的性能主要反映在罐笼的安全性和准确性。罐笼定位不精确，将降低生产效率；一旦发生倾斜、过卷、卡罐等故障将导致重大事故。因此，其可靠、高效、安全运行具有十分重要的意义，将直接关系到矿山生产的安全和效益，必须对其进行实时监控。

随着我国浅表层矿产资源的枯竭，部分矿山已进入超过1000m深部开采，未来15～20年内，我国将有大批金属矿山转入深部开采。相较于浅层矿井，深井及超深井提升系统大量程、高速度、重载荷的工作特点，要求系统有更高的安全性和可靠性；同时要求提升系统定位精度高，缩短提升时间，提高开采效率，降低开采成本。

目前国内矿井罐笼无姿态检测，缺少倾斜预警，存在安全问题；位置测量根据卷筒旋转带动深度指示器或编码器间接计算出罐笼位置，而钢丝绳在自身重力及重载荷下发生弹性伸长、在卷筒上打滑、缠绕半径随缠绕层数变化等问题导致定位精度差；以上问题随着井深增加更加严重，不能满足超深井采矿要求。因此，有必要开发一种测量精度高、安全可靠的新型罐笼位姿测量装置。

发明内容

为解决上述现有技术的不足，本发明提供了一种基于组合导航技术的超深矿井罐笼位姿测量系统及方法，该系统抗干扰能力强、测量精度高、可靠性高。

一种基于组合导航技术的超深矿井罐笼位姿测量系统，包括捷联惯性导航装置、地面处理装置、旋转编码器、接近开关和感应通信电缆；

所述捷联惯性导航装置安装在罐笼顶部；

所述旋转编码器安装在提升机卷筒的卷轴上；

所述感应通信电缆铺设于矿井侧壁；

所述接近开关设置在井筒壁上；

所述旋转编码器和接近开关与安装在矿井地表面的地面处理装置进行通信连接，所述地面处理装置通过感应通信电缆与捷联惯性导航装置进行通信连接；

以捷联惯性导航装置、接近开关和旋转编码器构建成组合导航式位姿测量系统。

所述捷联惯性导航装置包括惯性单元、数据采集及处理模块、导航解算及信息融合模块、数据存储模块及通信模块；

所述惯性单元通过SPI总线与数据采集及处理模块相连，所述数据采集及处理模块与导航解算及信息融合模块相连，所述数据采集及处理模块与导航解算及信息融合模块均与所述数据存储模块相连，所述数据存储模块与通信模块相连。

所述数据采集及处理模块与导航解算及信息融合模块均采用TI公司的TMS320系列C6748浮点型DSP处理器。

一种基于组合导航技术的超深矿井罐笼位姿测量方法，将数据采集与处理和导航解算与信息融合分配给两个不同的处理器处理；

所述数据采集与处理的过程如下：

首先读取捷联惯性导航装置中的惯性单元的数据，根据惯性单元偏置温度系数进行线性温度误差补偿，然后读取地面处理装置数据，最后存储数据，上传数据至上位机；

所述导航解算与信息融合的过程如下：

通过将捷联惯性导航装置安装在罐笼顶部，利用捷联惯性导航装置的惯性单元测量出罐笼运动加速度和角速度，采用四元数法建立罐笼姿态矩阵，通过SINS解算出罐笼位置和姿态信息；通过地面处理装置采集井筒壁上的接近开关和提升机卷筒轴上的旋转编码器测量罐笼的位置和速度，采用联合卡尔曼滤波算法将捷联惯性导航装置的速度和位置信息与罐笼位置与速度进行信息融合，反馈校正捷联惯性导航装置，实现罐笼位置和姿态的精确测量。

所述信息融合的步骤如下：

步骤1：建立捷联惯性导航装置误差模型，包括三轴陀螺仪误差模型、加速度测量误差模型、位置误差模型及姿态角误差模型^[1]；

步骤2：以步骤1中的捷联惯性导航装置误差模型建立离散化的组合导航式位姿测量系统的状态方程^[2]；

所述组合导航式位姿测量系统是指由捷联惯性导航装置、接近开关和旋转编码器组成；

步骤3：构建信息融合卡尔曼滤波器，并依据组合导航式位姿测量系统的状态向量建立信息融合卡尔曼滤波器中各子滤波器的观测方程，求得各子滤波器的状态向量估计值；

所述信息融合卡尔曼滤波器包括第一子滤波器、第二子滤波器、第三子滤波器以及主滤波器，所述第一子滤波器、第二子滤波器及第三子滤波器均与主滤波器相连；

所述第一子滤波器、第二子滤波器、第三子滤波器以及主滤波器均为卡尔曼滤波器；

各滤波器状态方程与组合导航式位姿测量系统状态方程结构相同；

将捷联惯性导航装置的速度与编码器速度之差作为第一子滤波器的输入信号；

将捷联惯性导航装置的位置信号与接近开关位置信号之差作为第二子滤波器的输入信号；

将捷联惯性导航装置的东、北方向的零速度和零位置信号作为约束条件，构造成虚拟信号作为第三子滤波器的输入信号；

第一子滤波器的观测方程为：Z₁(k)＝H₁(k)X₁(k)+v₁(k)；

第一子滤波器观测向量Z₁(k)＝[v_u-v_b]，v_b为地面处理装置基于旋转编码器计算得到的罐笼速度，v₁(k)为第一子滤波器观测噪声，是均值为零的高斯白噪声序列，由高斯函数可得，X₁(k)为第一子滤波器的状态向量，第一子滤波器观测矩阵H₁(k)＝[0_1×8 10_1×6]_1×15；

第二子滤波器的观测方程为：Z₂(k)＝H₂(k)X₂(k)+v₂(k)；

第二子滤波器观测向量Z₂(k)＝[H-H_j]，H为捷联惯性导航装置解算出的罐笼垂直位置，H_j为接近开关位置信号，v₂(k)为第二子滤波器位置观测噪声，是均值为零的高斯白噪声序列；X₂(k)为第二子滤波器的状态向量，H₂(k)＝[0_1×5 1 0_1×9]_1×15为第二子滤波器位置观测矩阵；

第三子滤波器观测方程为：Z₃(k)＝H₃(k)X₃(k)+v₃(k)；

第三子滤波器观测向量Z₃(k)＝[L E v_e v_n]^T，L和E为捷联惯性导航装置东向和西向位置，v_e和v_n为捷联惯性导航装置东向和西向速度，v₃(k)为第三子滤波器观测噪声，是均值为零的高斯白噪声序列；X₃(k)为第三子滤波器的状态向量；

第三子滤波器观测矩阵H₃(k)为：

k表示离散时刻；

步骤4：按照如下规则将组合导航式位姿测量系统整体的过程信息包括Q_i(k)、及P_i(k)平均分配到各子滤波器：

且满足

其中，Q_i(k)、及P_i(k)分别为各滤波器的噪声方差阵、状态估计向量、估计误差协方差，i＝1,2,3,m；

Q_g(k)、P_g(k)分别为组合导航式位姿测量系统的噪声方差阵、状态估计向量、估计误差协方差；为分配参数β_i(k)的倒数；

E[]是期望函数，的初始值为[0]_1×15；

由步骤3的观测方程求得，Q_i＝E[W_i(k)W_i(k)^T]/T，W_i为各滤波器的噪声向量；

步骤5：基于步骤4所得各滤波器的噪声方差强度矩阵、状态估计向量、估计误差协方差即Q_i(k)、及P_i(k)，将各滤波器状态估计与估计误差协方差按组合导航式位姿测量系统的转移矩阵进行转移，得到各滤波器转移后的状态估计向量和估计误差协方差^[3]；

步骤6：利用步骤5所得各滤波器转移后的状态估计向量与估计误差协方差，采用如下测量方程，对K_i(k)、P_i(k)按以下公式进行更新：

P_i(k)＝(I-K_i(k)H_i(k))P_i(k,k-1)

其中，i＝1,2,3,m，当i＝m时，P_m(k)＝P_m(k,k-1)；K_i为各滤波器的增益矩阵，R_i＝E[v_i(k)v_i(k)^T]/T为各滤波器观测噪声的协方差矩阵，v_i为各滤波器观测白噪声序列，I为15×15的单位矩阵；T为惯性单元采样周期，P_i(k,k-1)为转移估计误差协方差阵；

步骤7：将各子滤波器的估计信息按照下式进行融合，得到组合导航式位姿测量系统的状态估计与估计误差协方差全局最优估计P_g，并返回步骤4，依据P_g将组合导航式位姿测量系统的过程信息对各子滤波器进行重新分配，对各滤波器进行反馈修正：

有益效果

本发明一种基于组合导航技术的超深矿井罐笼位姿测量系统及方法，相对于现有技术，本发明有以下有益的技术和经济效果：

1)本系统全封闭设计，抗干扰能力强，适应性强，结构简单，维护方便；

2)本方法能提高罐笼定位精度，位置误差不受钢丝绳影响，不随矿井深度增加而扩大，能提高矿井生产效益；

3)本方法采用多传感器信息融合技术，单一传感器出错，不会造成测量失效，只会影响测量精度，系统容错性好，可靠性高；

4)本方法能有效的监测罐笼姿态，提供倾斜预警，大大提高罐笼安全性和可靠性；

5)采用双DSP处理器，提高了整个系统的处理速度和测量的准确度。

本发明检测精度不受矿井深度和提升钢丝绳的弹性伸长、打滑、蠕动、缠绕半径变化等影响，能实时有效的监测罐笼位姿状态，提供倾斜预警及精确定位，满足超深矿井对位姿检测系统的要求。

附图说明

图1是本发明所述系统结构示意图；

图2是罐笼位姿测量系统原理；

图3是信息融合卡尔曼滤波器结构图；

图4是系统硬件结构图；

其中，附图1中：1—提升机卷筒，2—旋转编码器，3—天轮，4—地面处理装置，5—感应电缆，6—接近开关，7—捷联惯性导航装置，8—罐笼，9—罐耳，10—导向钢丝绳，11—提升钢丝绳。

具体实施方式

下面将结合附图和实施例对本发明作进一步的说明。

如图1所示，一种基于组合导航技术的超深矿井罐笼位姿测量系统，包括捷联惯性导航装置7、地面处理装置、旋转编码器2、接近开关6和感应通信电缆5；

所述提升钢丝绳11缠绕在卷筒1上，末端与罐笼8相连；

所述罐耳9在罐笼8的8个顶角，穿过4根导向钢丝绳10，对罐笼产生柔性约束；

所述提升钢丝绳11缠绕在卷筒1上，穿过天轮3，末端与罐笼8相连；

所述捷联惯性导航装置安装在罐笼8顶部；

所述旋转编码器安装在提升机卷筒1的卷轴上；

所述感应通信电缆铺设于矿井侧壁；

所述接近开关设置在井筒壁上；

所述旋转编码器和接近开关与安装在矿井地表面的地面处理装置进行通信连接，所述地面处理装置通过感应通信电缆与捷联惯性导航装置进行通信连接；

以捷联惯性导航装置、接近开关和旋转编码器构建成组合导航式位姿测量系统。

所述捷联惯性导航装置包括惯性单元、数据采集及处理模块、导航解算及信息融合模块、数据存储模块及通信模块；

所述惯性单元通过SPI总线与数据采集及处理模块相连，所述数据采集及处理模块与导航解算及信息融合模块相连，所述数据采集及处理模块与导航解算及信息融合模块均与所述数据存储模块相连，所述数据存储模块与通信模块相连。

所述数据采集及处理模块与导航解算及信息融合模块均采用TI公司的TMS320系列C6748浮点型DSP处理器。

一种基于组合导航技术的超深矿井罐笼位姿测量方法，将数据采集与处理和导航解算与信息融合分配给两个不同的处理器处理；

所述数据采集与处理的过程如下：

首先读取捷联惯性导航装置中的惯性单元的数据，根据惯性单元偏置温度系数进行线性温度误差补偿，然后读取地面处理装置数据，最后存储数据，上传数据至上位机；

所述导航解算与信息融合的过程如下：

通过将捷联惯性导航装置安装在罐笼顶部，利用捷联惯性导航装置的惯性单元测量出罐笼运动加速度和角速度，采用四元数法建立罐笼姿态矩阵，通过SINS解算出罐笼位置和姿态信息；通过地面处理装置采集井筒壁上的接近开关和提升机卷筒轴上的旋转编码器测量罐笼的位置和速度，采用联合卡尔曼滤波算法将捷联惯性导航装置的速度和位置信息与罐笼位置与速度进行信息融合，反馈校正捷联惯性导航装置，实现罐笼位置和姿态的精确测量。

对于柔性罐道，罐笼在井筒中垂直提升运动，水平方向运动及姿态变化受罐道钢丝绳约束，因此可将罐笼运动简化为沿垂直方向直线运动及三轴转动的运动模型，水平方向运动作为零约束修正，罐笼位姿测量系统原理如图2所示，捷联惯导系统与罐笼固联的坐标系为载体坐标系(b系)，取东北天坐标系(g系)为导航坐标系(n系)。将捷联惯性导航装置安装在罐笼顶部，惯性单元测量出罐笼运动加速度和角速度，采用四元数法建立罐笼姿态矩阵，通过导航系统解算出罐笼位置和姿态信息；通过信息融合算法将SINS速度和位置信息与传感器测量的信息融合，反馈校正惯性单元及导航解算，提高位姿测量精度。

姿态解算是捷联惯导系统的核心，通过姿态矩阵可计算出罐笼姿态角，同时将载体坐标系下的比力分解为导航坐标系下的加速度，进行速度和位置计算。常用算法有欧拉角法、方向余弦法和四元数法，由于四元数法计算量小、计算无奇点，罐笼姿态信息采用四元数法进行解算。

解算过程如下：

步骤1：设置初始向量Q＝[1 0 0 0]，通过惯性单元采集三轴加速度f＝[f_x、f_y、f_z]，三轴角速度w＝[wx wy wz]。

步骤2：通过公式(1)(2)进行四元数迭代更新：

式中T为惯性单元采样周期。

更新四元数后即可更新的姿态矩阵：

其简化表示为：

步骤3：从更新后的姿态矩阵可求出姿态信息：

式中：θ为俯仰角，ψ为横滚角，γ为航向角。

步骤4：通过采集到的三轴加速度f＝[f_x、f_y、f_z]，和更新后的姿态矩阵，计算罐笼在导航坐标系下东北天方向的速度：v＝[v_e v_n v_u]

式中：ω_ie≈15°/h为地球自转角速率，L为所处地理纬度，R＝6371km为地球平均半径，h为罐笼距地球表面距离，g＝9.78m/s²为重力加速度常量。

步骤5：联立求解(3)式中的三个微分方程，得到罐笼速度信息v，利用数值积分法直接对速度积分计算罐笼位置：

式中：L、E、h分别表示罐笼东、北、天方向位移，L₀、E₀、h₀为相应初始值，T为惯性单元采样周期。

本发明所述系统采用联合卡尔曼滤波算法进行多传感器信息融合校正，信息融合滤波器结构如图3所示，由一个全局滤波器和三个子滤波器组成。SINS与旋转编码器构成速度子滤波器1，进行垂直速度融合校正；SINS与接近开关构成位置子滤波器2，进行位置融合校正；罐笼垂直运动，由柔性钢丝绳约束其水平运动，可认为水平面两个方向位置和速度为零，SINS与约束修正构成约束子滤波器3，进行动态零速、零位修正；约束子滤波器3的速度和位置观测量与其他滤波器观测量更新频率不同，因此不与其他滤波器合并。

所述信息融合的步骤如下：

步骤1：建立捷联惯性导航装置误差模型，包括三轴陀螺仪误差模型、加速度测量误差模型、位置误差模型及姿态角误差模型^[1]；

步骤2：以步骤1中的捷联惯性导航装置误差模型建立离散化的组合导航式位姿测量系统的状态方程^[2]；

所述组合导航式位姿测量系统是指由捷联惯性导航装置、接近开关和旋转编码器组成；

步骤3：构建信息融合卡尔曼滤波器，并依据组合导航式位姿测量系统的状态向量建立信息融合卡尔曼滤波器中各子滤波器的观测方程，求得各子滤波器的状态向量估计值；

所述信息融合卡尔曼滤波器包括第一子滤波器、第二子滤波器、第三子滤波器以及主滤波器，所述第一子滤波器、第二子滤波器及第三子滤波器均与主滤波器相连；

所述第一子滤波器、第二子滤波器、第三子滤波器以及主滤波器均为卡尔曼滤波器；

所述第一子滤波器即为速度子滤波器1、第二子滤波器即为位置子滤波器2、第三子滤波器即为约束子滤波器3；

各滤波器状态方程与组合导航式位姿测量系统状态方程结构相同；

将捷联惯性导航装置的速度与编码器速度之差作为第一子滤波器的输入信号；

将捷联惯性导航装置的位置信号与接近开关位置信号之差作为第二子滤波器的输入信号；

将捷联惯性导航装置的东、北方向的零速度和零位置信号作为约束条件，构造成虚拟信号作为第三子滤波器的输入信号；

第一子滤波器的观测方程为：Z₁(k)＝H₁(k)X₁(k)+v₁(k)；

第一子滤波器观测向量Z₁(k)＝[v_u-v_b]，v_b为地面处理装置基于旋转编码器计算得到的罐笼速度，v₁(k)为第一子滤波器观测噪声，是均值为零的高斯白噪声序列，由高斯函数可得，X₁(k)为第一子滤波器的状态向量，第一子滤波器观测矩阵H₁(k)＝[0_1×8 10_1×6]_1×15；

第二子滤波器的观测方程为：Z₂(k)＝H₂(k)X₂(k)+v₂(k)；

第二子滤波器观测向量Z₂(k)＝[H-H_j]，H为捷联惯性导航装置解算出的罐笼垂直位置，H_j为接近开关位置信号，v₂(k)为第二子滤波器位置观测噪声，是均值为零的高斯白噪声序列；X₂(k)为第二子滤波器的状态向量，H₂(k)＝[0_1×5 1 0_1×9]_1×15为第二子滤波器位置观测矩阵；

第三子滤波器观测方程为：Z₃(k)＝H₃(k)X₃(k)+v₃(k)；

第三子滤波器观测向量Z₃(k)＝[L E v_e v_n]^T，L和E为捷联惯性导航装置东向和西向位置，v_e和v_n为捷联惯性导航装置东向和西向速度，v₃(k)为第三子滤波器观测噪声，是均值为零的高斯白噪声序列；X₃(k)为第三子滤波器的状态向量；

第三子滤波器观测矩阵H₃(k)为：

k表示离散时刻；

步骤4：按照如下规则将组合导航式位姿测量系统整体的过程信息包括Q_i(k)、及P_i(k)平均分配到各子滤波器：

且满足

其中，Q_i(k)、及P_i(k)分别为各滤波器的噪声方差阵、状态估计向量、估计误差协方差，i＝1,2,3,m；

Q_g(k)、P_g(k)分别为组合导航式位姿测量系统的噪声方差阵、状态估计向量、估计误差协方差；为分配参数β_i(k)的倒数；

E[]是期望函数，的初始值为[0]_1×15；

由步骤3的观测方程求得，Q_i＝E[W_i(k)W_i(k)^T]/T，W_i为各滤波器的噪声向量；

在本实例中，组合导航式位姿测量系统的噪声方差阵初始值取值如下：

Qg＝diag[(0.05°/h)2,(0.05°/h)2,(0.05°/h)2,(0.01°/h)2,(0.01°/h)2,(0.01°/h)2]

组合导航式位姿测量系统的估计误差协方差初始值：

Pg＝diag[(0.1m/s)²,(0.1m/s)²,(0.1m/s)²,(0.002°)²,(0.004°)²,(1°)²,(1°)²,(1°)²,(1°)²,(1°)²,(1°)²,(1°)²,(1°)²,(10-4g)²,(10-4g)²]

速度子滤波器1、位置子滤波器2、约束子滤波器3的观测噪声方差阵初始值：

R₁＝diag[(0.002°)²,(0.004°)²]

R₂＝diag[(0.5m/s)²,(0.5m/s)²]

R₃＝diag[(0.002°)²,(0.004°)²,(0.5m/s)²,(0.5m/s)²]

步骤5：基于步骤4所得各滤波器的噪声方差强度矩阵、状态估计向量、估计误差协方差即Q_i(k)、及P_i(k)，将各滤波器状态估计与估计误差协方差按组合导航式位姿测量系统的转移矩阵进行转移，得到各滤波器转移后的状态估计向量和估计误差协方差^[3]；

步骤6：利用步骤5所得各滤波器转移后的状态估计向量与估计误差协方差，采用如下测量方程，对K_i(k)、P_i(k)按以下公式进行更新：

P_i(k)＝(I-K_i(k)H_i(k))P_i(k,k-1)

其中，i＝1,2,3,m，当i＝m时，P_m(k)＝P_m(k,k-1)；K_i为各滤波器的增益矩阵；R_i＝E[v_i(k)v_i(k)^T]/T为各滤波器观测噪声的协方差矩阵，v_i为各滤波器观测白噪声序列，I为15×15的单位矩阵；T为惯性单元采样周期，P_i(k,k-1)为转移估计误差协方差阵；

步骤7：将各子滤波器的估计信息按照下式进行融合，得到组合导航式位姿测量系统的状态估计与估计误差协方差全局最优估计P_g，并返回步骤4，依据P_g将组合导航式位姿测量系统的过程信息对各子滤波器进行重新分配，对各滤波器进行反馈修正：

在各子滤波器计算得到各自局部估计值后，经过全局滤波器融合，得到位置、速度全局最优估计，利用全局滤波结果，按照信息守恒原理在各滤波器进行分配，对局部滤波器进行反馈修正，提高测量精度。

组合导航式位姿测量系统硬件结构如图4所示，采用双DSP处理器，DSP1进行数据采集及处理；DSP2进行导航解算和信息融合运算；惯性测量单元(IMU)以500Hz频率实时测量加速度、陀螺仪、温度信号，通过SPI接口输入DSP1；编码器和接近开关信号通过地面AD模块转换处理后，由通信模块发送至DSP1；通信模块负责各模块数据交换，并将导航解算后的位姿数据通过通信模块以10Hz频率传给上位机。

参考文献:

[1]李大威.卡尔曼滤波器在INS_GPS组合导航中的应用研究[D].太原：中北大学，2006

[2]袁克非.组合导航系统多源信息融合关键技术研究[D].哈尔滨：哈尔滨工程大学，2012

[3]肖乾.多传感器组合导航系统信息融合技术研究[D].哈尔滨：哈尔滨工程大学，2005

Claims (5)

1.一种基于组合导航技术的超深矿井罐笼位姿测量系统，其特征在于，包括捷联惯性导航装置、地面处理装置、旋转编码器、接近开关和感应通信电缆；

所述捷联惯性导航装置安装在罐笼顶部；

所述旋转编码器安装在提升机卷筒的卷轴上；

所述感应通信电缆铺设于矿井侧壁；

所述接近开关设置在井筒壁上；

所述旋转编码器和接近开关与安装在矿井地表面的地面处理装置进行通信连接，所述地面处理装置通过感应通信电缆与捷联惯性导航装置进行通信连接；

以捷联惯性导航装置、接近开关和旋转编码器构建成组合导航式位姿测量系统。

2.根据权利要求1所述的一种基于组合导航技术的超深矿井罐笼位姿测量系统，其特征在于，所述捷联惯性导航装置包括惯性单元、数据采集及处理模块、导航解算及信息融合模块、数据存储模块及通信模块；

所述惯性单元通过SPI总线与数据采集及处理模块相连，所述数据采集及处理模块与导航解算及信息融合模块相连，所述数据采集及处理模块与导航解算及信息融合模块均与所述数据存储模块相连，所述数据存储模块与通信模块相连。

3.根据权利要求2所述的一种基于组合导航技术的超深矿井罐笼位姿测量系统，其特征在于，所述数据采集及处理模块与导航解算及信息融合模块均采用TI公司的TMS320系列C6748浮点型DSP处理器。

4.一种基于组合导航技术的超深矿井罐笼位姿测量方法，其特征在于，将数据采集与处理和导航解算与信息融合分配给两个不同的处理器处理；

所述数据采集与处理的过程如下：

首先读取捷联惯性导航装置中的惯性单元的数据，根据惯性单元偏置温度系数进行线性温度误差补偿，然后读取地面处理装置数据，最后存储数据，上传数据至上位机；

所述导航解算与信息融合的过程如下：

通过将捷联惯性导航装置安装在罐笼顶部，利用捷联惯性导航装置的惯性单元测量出罐笼运动加速度和角速度，采用四元数法建立罐笼姿态矩阵，通过SINS解算出罐笼位置和姿态信息；通过地面处理装置采集井筒壁上的接近开关和提升机卷筒轴上的旋转编码器测量罐笼的位置和速度，采用联合卡尔曼滤波算法将捷联惯性导航装置的速度和位置信息与罐笼位置与速度进行信息融合，反馈校正捷联惯性导航装置，实现罐笼位置和姿态的精确测量。

5.根据权利要求4所述的一种基于组合导航技术的超深矿井罐笼位姿测量方法，其特征在于，所述信息融合的步骤如下：

步骤1：建立捷联惯性导航装置误差模型，包括三轴陀螺仪误差模型、加速度测量误差模型、位置误差模型及姿态角误差模型；

步骤2：以步骤1中的捷联惯性导航装置误差模型建立离散化的组合导航式位姿测量系统的状态方程；

所述组合导航式位姿测量系统是指由捷联惯性导航装置、接近开关和旋转编码器组成；

步骤3：构建信息融合卡尔曼滤波器，并依据组合导航式位姿测量系统的状态向量建立信息融合卡尔曼滤波器中各子滤波器的观测方程，求得各子滤波器的状态向量估计值；

所述信息融合卡尔曼滤波器包括第一子滤波器、第二子滤波器、第三子滤波器以及主滤波器，所述第一子滤波器、第二子滤波器及第三子滤波器均与主滤波器相连；

所述第一子滤波器、第二子滤波器、第三子滤波器以及主滤波器均为卡尔曼滤波器；

将捷联惯性导航装置的速度与编码器速度之差作为第一子滤波器的输入信号；

将捷联惯性导航装置的位置信号与接近开关位置信号之差作为第二子滤波器的输入信号；

将捷联惯性导航装置的东、北方向的零速度和零位置信号作为约束条件，构造成虚拟信号作为第三子滤波器的输入信号；

第一子滤波器的观测方程为：Z₁(k)＝H₁(k)X₁(k)+v₁(k)；

第一子滤波器观测向量Z₁(k)＝[v_u-v_b]，v_b为地面处理装置基于旋转编码器计算得到的罐笼速度，v₁(k)为第一子滤波器观测噪声，是均值为零的高斯白噪声序列，由高斯函数可得，X₁(k)为第一子滤波器的状态向量，第一子滤波器观测矩阵H₁(k)＝[0_1×8 1 0_1×6]_1×15；

第二子滤波器的观测方程为：Z₂(k)＝H₂(k)X₂(k)+v₂(k)；

第二子滤波器观测向量Z₂(k)＝[H-H_j]，H为捷联惯性导航装置解算出的罐笼垂直位置，H_j为接近开关位置信号，v₂(k)为第二子滤波器位置观测噪声，是均值为零的高斯白噪声序列；X₂(k)为第二子滤波器的状态向量，H₂(k)＝[0_1×5 1 0_1×9]_1×15为第二子滤波器位置观测矩阵；

第三子滤波器观测方程为：Z₃(k)＝H₃(k)X₃(k)+v₃(k)；

第三子滤波器观测向量Z₃(k)＝[L E v_e v_n]^T，L和E为捷联惯性导航装置东向和西向位置，v_e和v_n为捷联惯性导航装置东向和西向速度，v₃(k)为第三子滤波器观测噪声，是均值为零的高斯白噪声序列；X₃(k)为第三子滤波器的状态向量；

第三子滤波器观测矩阵H₃(k)为：

k表示离散时刻；

步骤4：按照如下规则将组合导航式位姿测量系统整体的过程信息包括Q_i(k)、及P_i(k)平均分配到各子滤波器：

$\left\{\begin{array}{c}{Q}_i(k-1)={\mathrm{\β}}_i^{-1}{Q}_g(k-1)\\ P_i(k-1)={\mathrm{\β}}_i^{-1}{P}_g(k-1)\\ X_i(k-1)=X_g(k-1)\end{array}\right.$

且满足

其中，Q_i(k)、及P_i(k)分别为各滤波器的噪声方差阵、状态估计向量、估计误差协方差，i＝1,2,3,m；

Q_g(k)、P_g(k)分别为组合导航式位姿测量系统的噪声方差阵、状态估计向量、估计误差协方差；为分配参数β_i(k)的倒数；

E[]是期望函数，的初始值为[0]_1×15；

由步骤3的观测方程求得，Q_i＝E[W_i(k)W_i(k)^T]/T，W_i为各滤波器的噪声向量；

步骤5：基于步骤4所得各滤波器的噪声方差矩阵、状态估计向量、估计误差协方差即Q_i(k)、及P_i(k)，按照以下公式将各滤波器状态估计与估计误差协方差按组合导航式位姿测量系统的转移矩阵进行转移，得到各滤波器转移后的状态估计向量和估计误差协方差；

步骤6：利用步骤5所得各滤波器转移后的状态估计向量与估计误差协方差，采用如下测量方程，对K_i(k)、P_i(k)按以下公式进行更新：

${\hat{X}}_i\left(k\right)={\hat{X}}_i(k,k-1)+K_i\left(k\right)\left(Z_i\right(k)-H_i(k\left){\hat{X}}_i\right(k,k-1\left)\right)$

$K_i\left(k\right)=P_i(k,k-1)H_i^T\left(k\right){\left(H_i\right(k\left)P_i\right(k,k-1)+R_i(k\left)\right)}^{-1}$

P_i(k)＝(I-K_i(k)H_i(k))P_i(k,k-1)

其中，i＝1,2,3,m，当i＝m时，P_m(k)＝P_m(k,k-1)；K_i为各滤波器的增益矩阵，R_i为各滤波器观测噪声的协方差矩阵，R_i＝E[v_i(k)v_i(k)^T]/T，v_i为各滤波器观测白噪声序列，I为15×15的单位矩阵；T为惯性单元采样周期，P_i(k,k-1)为转移估计误差协方差阵，

步骤7：将各子滤波器的估计信息按照下式进行融合，得到组合导航式位姿测量系统的状态估计与估计误差协方差全局最优估计P_g，并返回步骤4，依据P_g将组合导航式位姿测量系统的过程信息对各子滤波器进行重新分配，对各滤波器进行反馈修正：

$\begin{array}{c}{P}_g={\[P_1^{-1}+P_2^{-1}+P_3^{-1}+P_m^{-1}\]}^{-1}\\ \widehat{X_g}=P_g\[P_1^{-1}\widehat{X_1}+P_2^{-1}\widehat{X_2}+P_3^{-1}\widehat{X_3}+P_m^{-1}\widehat{X_m}\]\end{array}.$