CN111795696A - 一种基于零速修正的多惯导冗余系统初始结构优选方法 - Google Patents

一种基于零速修正的多惯导冗余系统初始结构优选方法 Download PDF

Info

Publication number
CN111795696A
CN111795696A CN202010599208.5A CN202010599208A CN111795696A CN 111795696 A CN111795696 A CN 111795696A CN 202010599208 A CN202010599208 A CN 202010599208A CN 111795696 A CN111795696 A CN 111795696A
Authority
CN
China
Prior art keywords
inertial navigation
navigation system
error
zero
speed correction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010599208.5A
Other languages
English (en)
Inventor
朱铁栓
蹇峡
于凤
宁伟
高明侠
路长平
朱毅
薛东
张彧锋
叶安君
许超钤
王鑫哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway First Survey and Design Institute Group Ltd
Original Assignee
China Railway First Survey and Design Institute Group Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Railway First Survey and Design Institute Group Ltd filed Critical China Railway First Survey and Design Institute Group Ltd
Priority to CN202010599208.5A priority Critical patent/CN111795696A/zh
Publication of CN111795696A publication Critical patent/CN111795696A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种基于零速修正的多惯导冗余系统初始结构优选方法。利用在惯导系统工作前进行静态仿真，通过对惯导系统的静态输出数据进行分析来评价惯导系统的精度。本发明方法：1)利用卡尔曼滤波对导航系统进行滤波计算得到误差估值，综合捷联惯性导航系统的基本导航参数误差方程和惯性仪表的误差方程，得到组合导航系统的状态方程；2)将导航系统的输出量与系统的误差状态方程进行组合，在零速修正中采用位置、速度组合模式，给出量测方程；3)设定器件噪声模型及初始参数、采样周期、更新周期；设置滤波器初始参数，针对两套等精度惯导系统，静态条件下进行零速修正；4)比较零速修正后两套惯导系统得到精度表现较优的惯导系统。

Description

一种基于零速修正的多惯导冗余系统初始结构优选方法
技术领域
本发明属于惯性导航技术领域，具体涉及一种基于零速修正的多惯导冗余系统初始结构优选方法。
背景技术
现代组合导航系统大多都是由多种不同的导航系统组成的复杂系统，随着系统余度的增加与功能的扩充，系统复杂性随之增强，故障概率必然会随之增加，一旦发生故障将会带来巨大的损失，因此提高组合导航系统的容错性和可靠性是导航可靠性与安全性的重要前提。
保障导航系统可靠性与精度的一种常用方法是冗余技术。通过装载多套同类型传感器或导航系统，当某系统发生故障时，可以利用冗余备份系统进行替换，以保障系统的可靠性。
在组合导航系统中，惯性导航系统由于输出频率高、短期精度高的特点,一般被作为系统的参考系统,处于核心地位。因此需要对提高多惯导冗余导航系统容错性和可靠性的方法进行进一步研究,如何采取有效措施来提高惯性导航子系统的可靠性是组合导航系统设计中需要重点解决的难题之一，冗余配置方法是实现这一目标的重要举措。
通过对冗余惯性信息的处理，一方面可以确保导航信息的使用精度；另一方面，在设备发生故障或导航输出信息存在较大误差的情况下，可以及时地进行故障识别和系统切换，隔离故障部分，保证导航信息的可靠性与系统的有效性；此外，对冗余惯性输出信息进行融合处理，实现误差修正和补偿，可以提高导航的精度。
当采用多惯导冗余配置结构时，一般会配置精度相当的高精度惯导系统作为备份，在故障情况下作为替换系统使用。当机载多套精度相当的高精度惯导系统时，要获得尽可能高精度的数据，需要对这些惯导的数据进行优选，将精度表现更出色的作为主惯导系统，而其余系统作为备份惯导系统。这就要求在开机后的短短数分钟内，需要对多套惯导实际精度表现进行甄别，迅速优选主用设备。通过对机载冗余惯导系统进行主、备等级划分，以利于导航多信息的统一并作为后续惯导系统故障判别及优劣次序基准。
要实现多套系统之间精度的比较，即要对惯导系统开机后一段时间内的静态数据进行分析与比较，常用的方法是直接对静态条件下惯导系统的误差漂移进行直线拟合，判定多套系统之间发散速度的快慢。发散速度较慢的则可以被判定为精度表现较好，可以优选为主惯导系统。
但是该方法存在一个明显的缺点，惯导系统的误差不一定是呈单调递增的特性，而是一个振荡增加的形式。因此，对静态条件下惯导系统误差量进行拟合的结果，不一定能体现惯导系统在该阶段的精度表现。
发明内容
本发明提供一种多惯导冗余系统初始结构优选的方法，即利用在惯导系统工作前进行静态仿真，通过对惯导系统的静态输出数据进行分析来评价惯导系统的精度，为多套系统的优选提供一种可行性方法。
为解决现有技术存在问题，本发明的技术方案是:一种基于零速修正的多惯导冗余系统初始结构优选方法，其特征在于：所述方法为：
1)确定状态量选取，利用卡尔曼滤波对导航系统进行滤波计算得到误差估值，综合捷联惯性导航系统的基本导航参数误差方程和惯性仪表的误差方程，得到组合导航系统的状态方程；
2)将导航系统的输出量与系统的误差状态方程进行组合，在零速修正中采用位置、速度组合模式，给出量测方程；
3)设定器件噪声模型及其初始参数、采样周期、更新周期等；设置滤波器初始参数，然后针对两套等精度惯导系统，静态条件下进行零速修正；
4)比较零速修正后两套惯导系统的位置、速度和姿态误差数据，得到精度表现较优的惯导系统，即可选为主惯导系统，另一套作为备选系统。
进一步，初始参数为水平姿态角误差、航向角误差、速度误差、经纬度误差、高度误差。
与现有技术相比，本发明的优点如下：
1)本发明方法提出的基于零速修正的初始结构配置技术，实现了静态条件下多惯导系统的主次分配，采用基于零速修正的算法对静态条件下惯导系统的输出信息进行融合与处理，能够实现多惯导系统的静态精度比较，为多惯导系统的初始优选提供了一种可行性方法。
2)本发明能够更好的体现惯导系统的精度表现，通过这种基于零速修正的多惯导冗余系统初始结构优选方法，可以对两套惯导同时开机后一段时间内的数据分别进行静止条件下的融合修正计算，修正量越小的系统，认为其精度稳定性表现较佳，则选择其作为主惯导系统。
附图说明
图1是多惯导冗余系统中的关键应用技术图；
图2是基于零速修正的多惯导冗余系统初始结构优选方法示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示，本方法针对多惯导冗余配置系统中的关键应用技术展开研究，针对多惯导冗余配置系统设计了初始优选技术，对多套惯导系统进行主、次分配。
在工程技术问题中，为获取工程对象(系统)各个物理量(状态)的实际数据，须要利用测量手段对系统的可测状态进行量测。量测值可能仅是系统的部分状态或部分状态的线性组合，且量测值中含有随机误差(常称为量测噪声)。这里采用零速优选的卡尔曼滤波技术(1960年美国工程师R.E.Kalman提出)。图2是基于零速修正的多惯导冗余系统初始结构优选方法示意图，利用零速修正优化卡尔曼滤波，实现多惯导冗余初始优选。
基于零速修正的多惯导冗余系统初始结构优选方法，具体步骤为：
1)确定状态量选取，利用卡尔曼滤波对导航系统进行滤波计算得到误差估值，综合捷联惯性导航系统的基本导航参数误差方程和惯性仪表的误差方程，得到组合导航系统的状态方程：
在离散化的卡尔曼滤波基本算法中，系统状态方程和量测方程如下式所示：
Figure BDA0002557970170000041
式中，Xk为k时刻的n维状态向量；Zk为k时刻的m维量测向量；φk,k-1为系统从k-1到k时刻的一步转移矩阵(n*n阶)；Wk-1为r维系统噪声(k-1时刻)；Γk-1为系统噪声权矩阵(n*r阶)，它表征由k-1到k时刻的各个系统噪声分别影响k时刻各个状态的程度；Hk为m*n阶量测矩阵(k时刻)；Vk为k时刻的m维量测噪声。这里要求Wk和Vk是互不相关的零均值白噪声，即有：
Figure BDA0002557970170000042
Figure BDA0002557970170000043
Qk和Rk分别为系统噪声方差阵和量测噪声方差阵，Qk和Rk已知，且分别是非负定的和正定的；δk是Kronecker函数，初始状态的一阶和二阶统计特性如下式所示：
Figure BDA0002557970170000051
Figure BDA0002557970170000052
这里要求
Figure BDA0002557970170000053
和
Figure BDA0002557970170000054
已知，同时要求X0与Wk和Vk都不相关。
在离散卡尔曼滤波基本算法中，Qk和Rk已知，并且给出状态变量及状态变量方差阵的初始值
Figure BDA0002557970170000055
和P0，可按下述迭代方程进行最优估计：
Figure BDA0002557970170000056
其中，
Figure BDA0002557970170000057
表示实时状态估计值(k时刻)；
Figure BDA0002557970170000058
为状态的一步预测(k-1时刻到k时刻)；Kk为滤波增益阵(k时刻)；Pk,k-1为预测误差估计的协方差阵(k-1时刻到k时刻)；Qk-1为系统噪声方差阵；Rk为观测系统的噪声方差阵。
惯性导航系统作为整个组合导航系统的参考系统，导航坐标系选为“东北天”地理坐标系。利用卡尔曼滤波对导航系统进行滤波计算得到误差估值，状态量选取：
Figure BDA0002557970170000059
其中，
Figure BDA00025579701700000510
为平台误差角，δVE,δVN,δVU为速度误差，δL,δλ,δh为纬度、经度和高度误差，εbx,εby,εbz为陀螺常值漂移误差，εrx,εry,εrz为陀螺一阶马尔可夫漂移误差，▽x,▽y,▽z为加速度计零偏。
综合捷联惯性导航系统的基本导航参数误差方程和惯性仪表的误差方程，可得组合导航系统的状态方程为：
Figure BDA0002557970170000061
W为系统噪声阵。
W＝[wgx wgy wgz wbx wby wbz wax way waz]T
对应于白噪声矢量，白噪声方差矩阵Q(t)为：
Figure BDA0002557970170000062
F、G为转移矩阵。
Figure BDA0002557970170000063
式中，FN对应于惯性导航9个误差参数(3个姿态误差，3个速度误差，3个位置误差)的系统动态矩阵，是(9*9)阶方阵。
Figure BDA0002557970170000064
Figure BDA0002557970170000065
系统噪声系数矩阵为：
Figure BDA0002557970170000066
2)将导航系统的输出量与系统的误差状态方程进行组合，在零速修正中采用位置、速度组合模式，给出量测方程：
量测方程是描述组合导航系统性能的两组数学方程之一，也是构成卡尔曼滤波器的必要条件之一，它反映了系统的组合实质，也是将导航系统的输出量与系统的误差状态方程进行联系的唯一形式。在零速修正中采用位置、速度组合模式。量测方程如下式所示。
Figure BDA0002557970170000071
式中，H(t)为观测矩阵；V(t)为量测噪声。LT、λT、hT为初始位置，VTE、VTN、VTU为真实速度，即VTE＝0，VTN＝0，VTU＝0。
Figure BDA0002557970170000072
3)以仿真实验为例，首先设定仿真IMU的器件噪声设置，加速度计设置一阶马尔可夫噪声，陀螺设置随机常数、白噪声和一阶马尔可夫噪声；然后设置仿真时间，SINS采样周期为0.02s，零速修正的信息融合周期为1s；最后设置滤波器初始参数，包括水平姿态角误差、航向角误差、速度误差、经纬度误差、高度误差。这样便可针对两套等精度惯导系统，静态条件下进行零速修正。
4)比较零速修正后两套惯导系统的位置、速度和姿态误差数据，便可得到精度表现较优的惯导系统，即可选为主惯导系统，而另一套可以作为备选系统。
综上，采用基于零速修正的算法对静态条件下惯导系统的输出信息进行融合与处理，能够实现多惯导系统的静态精度比较，为多惯导系统的初始优选提供了一种可行性方法。

Claims (2)

1.一种基于零速修正的多惯导冗余系统初始结构优选方法，其特征在于：所述方法为：
1)确定状态量选取，利用卡尔曼滤波对导航系统进行滤波计算得到误差估值，综合捷联惯性导航系统的基本导航参数误差方程和惯性仪表的误差方程，得到组合导航系统的状态方程；
2)将导航系统的输出量与系统的误差状态方程进行组合，在零速修正中采用位置、速度组合模式，给出量测方程；
3)设定器件噪声模型及其初始参数、采样周期、更新周期等；设置滤波器初始参数，然后针对两套等精度惯导系统，静态条件下进行零速修正；
4)比较零速修正后两套惯导系统的位置、速度和姿态误差数据，得到精度表现较优的惯导系统，即可选为主惯导系统，另一套作为备选系统。
2.根据权利要求1所述的一种基于零速修正的多惯导冗余系统初始结构优选方法，其特征在于：所述的初始参数为水平姿态角误差、航向角误差、速度误差、经纬度误差、高度误差。
CN202010599208.5A 2020-06-28 2020-06-28 一种基于零速修正的多惯导冗余系统初始结构优选方法 Pending CN111795696A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010599208.5A CN111795696A (zh) 2020-06-28 2020-06-28 一种基于零速修正的多惯导冗余系统初始结构优选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010599208.5A CN111795696A (zh) 2020-06-28 2020-06-28 一种基于零速修正的多惯导冗余系统初始结构优选方法

Publications (1)

Publication Number Publication Date
CN111795696A true CN111795696A (zh) 2020-10-20

Family

ID=72804365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010599208.5A Pending CN111795696A (zh) 2020-06-28 2020-06-28 一种基于零速修正的多惯导冗余系统初始结构优选方法

Country Status (1)

Country Link
CN (1) CN111795696A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112284385A (zh) * 2020-10-27 2021-01-29 深圳市高巨创新科技开发有限公司 一种多捷联惯导切换方法及系统
CN118003340A (zh) * 2024-04-08 2024-05-10 厦门熠明机器人自动化有限公司 基于深度学习的视觉机械臂物料抓取控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106949889A (zh) * 2017-03-17 2017-07-14 南京航空航天大学 针对行人导航的低成本mems/gps组合导航系统及方法
CN107655476A (zh) * 2017-08-21 2018-02-02 南京航空航天大学 基于多信息融合补偿的行人高精度足部导航算法
KR102036714B1 (ko) * 2018-11-21 2019-10-25 국방과학연구소 영속도 보정 알고리즘을 이용한 전술급 항법장치의 자세 유지 시스템 및 그 방법
CN110440830A (zh) * 2019-08-20 2019-11-12 湖南航天机电设备与特种材料研究所 动基座下车载捷联惯导系统自对准方法
CN110683040A (zh) * 2019-11-29 2020-01-14 哈工大机器人（岳阳）军民融合研究院 大载重灭火无人机及灭火方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106949889A (zh) * 2017-03-17 2017-07-14 南京航空航天大学 针对行人导航的低成本mems/gps组合导航系统及方法
CN107655476A (zh) * 2017-08-21 2018-02-02 南京航空航天大学 基于多信息融合补偿的行人高精度足部导航算法
KR102036714B1 (ko) * 2018-11-21 2019-10-25 국방과학연구소 영속도 보정 알고리즘을 이용한 전술급 항법장치의 자세 유지 시스템 및 그 방법
CN110440830A (zh) * 2019-08-20 2019-11-12 湖南航天机电设备与特种材料研究所 动基座下车载捷联惯导系统自对准方法
CN110683040A (zh) * 2019-11-29 2020-01-14 哈工大机器人（岳阳）军民融合研究院 大载重灭火无人机及灭火方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾亮等: "基于MEMS惯性传感器零速检测算法的研究", 《电脑与信息技术》, vol. 27, no. 3, pages 26 - 29 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112284385A (zh) * 2020-10-27 2021-01-29 深圳市高巨创新科技开发有限公司 一种多捷联惯导切换方法及系统
CN112284385B (zh) * 2020-10-27 2022-12-27 深圳市高巨创新科技开发有限公司 一种多捷联惯导切换方法及系统
CN118003340A (zh) * 2024-04-08 2024-05-10 厦门熠明机器人自动化有限公司 基于深度学习的视觉机械臂物料抓取控制方法及系统
CN118003340B (zh) * 2024-04-08 2024-06-18 厦门熠明机器人自动化有限公司 基于深度学习的视觉机械臂物料抓取控制方法及系统

Similar Documents

Publication Publication Date Title
Yu INS/GPS integration system using adaptive filter for estimating measurement noise variance
CN107525503B (zh) 基于双天线gps和mimu组合的自适应级联卡尔曼滤波方法
Jafari et al. Optimal redundant sensor configuration for accuracy and reliability increasing in space inertial navigation systems
CN111982106A (zh) 导航方法、装置、存储介质及电子装置
CN110553642B (zh) 一种提高惯性制导精度的方法
CN111795696A (zh) 一种基于零速修正的多惯导冗余系统初始结构优选方法
CN109507706B (zh) 一种gps信号丢失的预测定位方法
Martin et al. The Limits of In‐Run Calibration of MEMS Inertial Sensors and Sensor Arrays
CN107121684B (zh) 一种基于残差卡方检验法的gps诱骗识别和阈值决策方法
CN109443342A (zh) 新型自适应卡尔曼无人机姿态解算方法
Zhao et al. Adaptive two-stage Kalman filter for SINS/odometer integrated navigation systems
CN112902967A (zh) 一种基于残差卡方-改进序贯概率比的抗欺骗导航方法
US8949027B2 (en) Multiple truth reference system and method
WO2024046341A1 (zh) 一种组合导航数据的完好性检测方法及系统
CN113916222A (zh) 基于卡尔曼滤波估计方差约束的组合导航方法
Maliňák et al. Pure-inertial AHRS with adaptive elimination of non-gravitational vehicle acceleration
RU2717566C1 (ru) Способ определения погрешностей инерциального блока чувствительных элементов на двухосном поворотном столе
Rudin et al. A sensor fault detection for aircraft using a single Kalman filter and hidden Markov models
Cho et al. Novel methods of mitigating lever arm effect in redundant IMU
CN112179347A (zh) 一种基于光谱红移误差观测方程的组合导航方法
CN116678434A (zh) 一种基于区间值置信规则库的三自激光惯组故障检测方法
CN114018262B (zh) 一种改进的衍生容积卡尔曼滤波组合导航方法
Cheng et al. Self-calibration scheme of RIMU based on AEKF
Minaretzis et al. Robust Multi-signal Estimation Framework with Applications to Inertial Sensor Stochastic Calibration
Zhou et al. Condition monitoring and information management for skew redundant strapdown inertial measurement unit

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination