CN112880704A - 光纤陀螺捷联惯导系统智能标定方法 - Google Patents

Abstract

本发明公开了一种光纤陀螺捷联惯导系统智能标定方法，该方法包括如下步骤：步骤1、构建一个初始粒子种群；步骤2、给每个漂移粒子一个任意的初始化赋值；步骤3、计算出东向速度解算误差、北向速度解算误差、纬度解算误差和经度解算误差；步骤4：定义陀螺漂移适应度函数；步骤5、算出陀螺漂移适应度函数值；步骤6、定义粒子速度和位置更新方程；步骤7：判断陀螺漂移适应度函数值的极大值对应的漂移粒子是否达到预计的最优位置，或是否达到了设定的漂移粒子最大迭代次数；步骤8、寻找个体最优漂移粒子的位置和群体最优漂移粒子的位置；本发明建立合理的PSO算法模型，准确地、智能地搜索出陀螺常值漂移和加速度计零偏。

Description

光纤陀螺捷联惯导系统智能标定方法

技术领域

本发明涉及惯性导航技术领域，具体地指一种光纤陀螺捷联惯导系统智能标定方法。

背景技术

在导航过程中，光纤陀螺捷联惯导系统存在的系统误差会制约着导航精度的提高。而捷联惯导系统标定参数的准确度会直接影响到惯导系统的导航精度，参数标定是惯导必不可少的环节，每隔一定的周期就要对产生的标定误差进行校正。对于中低精度捷联惯导系统而言，可以忽略对导航精度影响很小的加速度计二次非线性误差，陀螺仪和加速度计的刻度因子误差、安装误差和零位偏移是惯导系统标定的主要标定对象。

目前常见的系统标定根据观测量的不同可以分为分立标定法和系统级标定法。分立标定法直接利用陀螺仪和加速度计的输出作为观测量，一般采用最小二乘法。系统级标定则利用陀螺仪和加速度计的输出进行导航解算，以导航误差(位置误差、速度误差及姿态误差)作为观测量来标定系统的误差参数。而以上标定方法与常见误差标定方法一样，都需要依靠惯性测试转台。因此，如何能够无转台条件下进行标定，是一个有意义的研究方向。

发明内容

本发明的目的就是要提供一种光纤陀螺捷联惯导系统智能标定方法，本发明在传统的PSO(Particle Swarm Optimization，粒子群优化)算法的基础上加以改进，主要体现在将先进的理论引入到传统算法中以达到改进PSO性能的目的，通过分析捷联惯导系统惯性器件零偏误差对导航结果的影响，建立合理的PSO算法模型，准确地、智能地搜索出陀螺常值漂移和加速度计零偏。

为实现此目的，本发明所设计的一种光纤陀螺捷联惯导系统智能标定方法，其特征在于，它包括如下步骤：

步骤1：构建一个初始粒子种群，记为陀螺漂移粒子种群，简称漂移粒子群，设定漂移粒子数量为N，最大迭代次数M，其中的第j个漂移粒子是由3个任意位置元素x₁，x₂，x₃组成的一个3维向量

其中j＝1，2，…，N；x_j1，x_j2，x_j3分别表示漂移粒子在三维空间的x，y，z轴的位置坐标，在空间飞行速度为

v_j1，v_j2，v_j3分别表示漂移粒子在三维空间的x，y，z轴的飞行速度；

步骤2：给每个漂移粒子一个任意的初始化赋值，包括漂移粒子初始位置和相应速度，漂移粒子位置的坐标值代表陀螺常值漂移

同时设定漂移粒子的飞行空间范围[x_min,x_max]，以及漂移粒子的飞行速度范围[V_min,V_max]；

步骤3：根据已有的静基座条件下一定时间内的惯导原始数据，将惯性测量单元中陀螺仪输出的载体加速度信号减去此时每个漂移粒子携带的陀螺常值漂移值，然后将加速度计输出的比力和减去陀螺常值漂移值后陀螺仪输出的载体加速度信号传递到捷联惯导系统，进行速度解算和位置解算，实时地计算出东向速度解算误差δV_E、北向速度解算误差δV_N、纬度解算误差δP_Lat和经度解算误差δP_Lon；

步骤4：定义陀螺漂移适应度函数：

其中，μ₁为避免F_G值为0的常数；t₀为解算开始时刻；t_e为解算结束时刻；δV_E(t)、δV_N(t)分别为t时刻东向速度解算误差、北向速度解算误差；δP_Lat(t)、δP_Lon(t)分别为t时刻纬度解算误差、经度解算误差；ρ₁、ρ₂、ρ₃、ρ₄分别为东向速度解算误差权值系数、北向速度解算误差权值系数、纬度解算误差权值系数和经度解算误差权值系数；F_G表示陀螺漂移适应度函数的函数值；

步骤5：根据步骤3解算的东向速度解算误差δV_E、北向速度解算误差δV_N、纬度解算误差δP_Lat和经度解算误差δP_Lon代入公式(1)，计算出陀螺漂移适应度函数值，并计算漂移粒子个体和群体中陀螺漂移适应度函数值的极大值，以及该极大值对应的漂移粒子位置参数信息，即陀螺常值漂移信息

步骤6：定义粒子速度和位置更新方程，公式(2)和公式(3)分别用以完成下一代粒子的速度和位置的确定：

V_is(t+1)＝ω×V_is(t)+c₁r₁[p_is(t)-x_is(t)]+c₂r₂[p_gs(t)-x_is(t)] (2)

x_is(t+1)＝x_is(t)+V_is(t+1) (3)

其中，t为当前时刻，t+1为下一时刻；i为种群规模；s为搜索空间维度；c₁,c₂分别为自学习因子、互学习因子，分别表征粒子向自身和其它粒子学习的能力；r₁,r₂分别为1随机因子、2随机因子，为两个给定的互不影响的、均为介于(0，1)之间的随机数；x_is(t)为t时刻漂移粒子的飞行空间范围[x_min,x_max]内搜索的任一粒子位置，

V_is(t)为t时刻该粒子飞行速度；x_is(t+1)则为t+1时刻漂移粒子的飞行空间范围[x_min,x_max]内搜索的任一粒子位置，V_is(t+1)为t+1时刻该粒子飞行速度；ω为自适应惯性权重参数，ω_min和ω_max表示惯性权重参数边界值，分别为最小边界值和最大边界值；p_is(t)和p_gs(t)分别表示t时刻粒子个体、粒子群体最优粒子的位置，p_avg为当前所有粒子陀螺漂移适应度函数值的平均数，p_min为适应的函数的最小值；

步骤7：判断步骤5中陀螺漂移适应度函数值的极大值对应的漂移粒子是否达到预计的最优位置，或是否达到了设定的漂移粒子最大迭代次数M，若是，则该漂移粒子即为个体最优漂移粒子；若否，则根据步骤6中的公式(2)、(3)、(4)更新当前所有漂移粒子的位置和速度，更新后漂移粒子的位置信息，即为更新后的陀螺仪常值漂移；

步骤8：然后重复步骤3～7，以此继续寻找个体最优漂移粒子的位置p_is和群体最优漂移粒子的位置p_gs；

个体最优漂移粒子的位置参数信息即为陀螺常值漂移的最优解。

本发明的有益效果：

1、本发明采用的PSO智能算法标定能够很好地完成对陀螺仪零漂以及加速度计零偏等误差参数的标定，从而可以实现对陀螺和加速度计逐次启动性零偏误差的估计。

2、在原有的粒子群优化算法的基础上，增加了自适应惯性权重参数ω对原算法进行动态调整，使惯性权重参数随粒子的目标函数进行动态调整，兼顾了粒子群的全局搜索和局部搜索能力，使其更好的适应复杂系统。

3、与传统的传统分立式标定、系统级标定等方法相比，本发明方案完全不依赖转台条件即可完成对捷联惯导的静态标定。

4、在静态或系泊状态下不需任何外部辅助信息，只需要采集一定时间陀螺仪和加速度计的原始数据即可准确、智能地搜索出陀螺常值漂移和加速度计零偏，不受标定场合限制，无需载体进行特定机动，具有较好的自主性和隐蔽性。

附图说明

图1为本发明的流程图；

图2为PSO算法对x方向陀螺漂移多次测试结果；

图3为PSO算法对y方向陀螺漂移多次测试结果；

图4为PSO算法对z方向陀螺漂移多次测试结果；

图5为第一次陀螺漂移测试PSO算法适应度曲线；

图6为PSO算法对x方向加速度计零偏多次测试结果；

图7为PSO算法对y方向加速度计零偏多次测试结果；

图8为第一次加计零偏测试PSO算法适应度曲线。

具体实施方式

以下结合附图和具体实施例对本发明作进一步的详细说明：

如图1所示光纤陀螺捷联惯导系统智能标定方法，它包括如下步骤：

步骤1：构建一个初始粒子种群，记为陀螺漂移粒子种群，简称漂移粒子群，设定漂移粒子数量为N，最大迭代次数M，其中的第j个漂移粒子是由3个任意位置元素x₁，x₂，x₃组成的一个3维向量

x_j1，x_j2，x_j3分别表示漂移粒子在三维空间的x，y，z轴的位置坐标，在空间飞行速度为

v_j1，v_j2，v_j3分别表示漂移粒子在三维空间的x，y，z轴(横向、纵向、竖向)的飞行速度；

步骤2：给每个漂移粒子一个任意的初始化赋值，包括漂移粒子初始位置和相应速度，漂移粒子位置的坐标值代表陀螺常值漂移

同时设定漂移粒子的飞行空间范围[x_min,x_max]，以及漂移粒子的飞行速度范围[V_min,V_max]；

步骤3：根据已有的静基座条件下一定时间内的惯导原始数据，将惯性测量单元(IMU)中陀螺仪输出的载体加速度信号减去此时每个漂移粒子携带的陀螺常值漂移值，然后将加速度计输出的比力和减去陀螺常值漂移值后陀螺仪输出的载体加速度信号传递到捷联惯导系统(SINS)，进行速度解算和位置解算，实时地计算出东向速度解算误差δV_E、北向速度解算误差δV_N、纬度解算误差δP_Lat和经度解算误差δP_Lon；

步骤4：定义陀螺漂移适应度函数，根据适应值函数值的大小，判断本次惯导解算后得出对应的速度误差和位置误差整体是否变小，即粒子寻优搜索性能是否变好，适应值函数值越大表明粒子寻优搜索效果越好：

其中，μ₁为避免F_G值为0的常数；t₀为解算开始时刻；t_e为解算结束时刻；δV_E(t)、δV_N(t)分别为t时刻东向速度解算误差、北向速度解算误差；δP_Lat(t)、δP_Lon(t)分别为t时刻纬度解算误差、经度解算误差；ρ₁、ρ₂、ρ₃、ρ₄分别为东向速度解算误差权值系数、北向速度解算误差权值系数、纬度解算误差权值系数和经度解算误差权值系数，四个权值系数值的相对大小由四种解算误差对惯导解算精度的贡献程度而定；F_G表示陀螺漂移适应度函数的函数值；

步骤5：根据步骤3解算的东向速度解算误差δV_E、北向速度解算误差δV_N、纬度解算误差δP_Lat和经度解算误差δP_Lon代入公式(1)，计算出陀螺漂移适应度函数值，并计算漂移粒子个体和群体中陀螺漂移适应度函数值的极大值，以及该极大值对应的漂移粒子位置参数信息，即陀螺常值漂移信息

步骤6：定义粒子速度和位置更新方程，公式(2)和公式(3)分别用以完成下一代粒子的速度和位置的确定，公式(4)为公式(2)中自适应惯性权重参数ω的计算公式。这三个方程不仅可用于陀螺漂移粒子，也可用于步骤8中的加速度计零偏粒子：

V_is(t+1)＝ω×V_is(t)+c₁r₁[p_is(t)-x_is(t)]+c₂r₂[p_gs(t)-x_is(t)] (2)

x_is(t+1)＝x_is(t)+V_is(t+1) (3)

其中，t为当前时刻，t+1为下一时刻；i为种群规模；s为搜索空间维度；c₁,c₂分别为自学习因子、互学习因子，分别表征粒子向自身和其它粒子学习的能力，通常均在[0，2]之间取值；r₁,r₂分别为1随机因子、2随机因子，为两个给定的互不影响的、均为介于(0，1)之间的随机数；x_is(t)为t时刻漂移粒子的飞行空间范围[x_min,x_max]内搜索的任一粒子位置，V_is(t)为t时刻该粒子飞行速度；x_is(t+1)则为t+1时刻漂移粒子的飞行空间范围[x_min,x_max]内搜索的任一粒子位置，V_is(t+1)为t+1时刻该粒子飞行速度；ω为自适应惯性权重参数用来调整粒子的多样性，ω_min和ω_max表示惯性权重参数边界值，分别为最小边界值和最大边界值；p_is(t)和p_gs(t)分别表示t时刻粒子个体、粒子群体最优粒子的位置，p_avg为当前所有粒子陀螺漂移适应度函数值的平均数，p_min为适应的函数的最小值；

步骤7：判断步骤5中陀螺漂移适应度函数值的极大值对应的漂移粒子是否达到预计的最优位置，或是否达到了设定的漂移粒子最大迭代次数M，若是，则该漂移粒子即为个体最优漂移粒子；若否，则根据步骤6中的公式(2)、(3)、(4)更新当前所有漂移粒子的位置和速度，更新后漂移粒子的位置信息，即为更新后的陀螺仪常值漂移；

步骤8：然后重复步骤3～7，以此继续寻找个体最优漂移粒子的位置p_is和群体最优漂移粒子的位置p_gs；

个体最优漂移粒子的位置参数信息即为陀螺常值漂移的最优解。

步骤9：建立另一个粒子种群，记为加速度计零偏粒子种群，简称零偏粒子群，预设零偏粒子数量、最大迭代次数、每个零偏粒子的位置和飞行速度；

步骤10：给每个零偏粒子一个任意的初始化赋值，包括零偏粒子初始位置和相应速度，零偏粒子位置的坐标值代表加速度计零偏

同时设定零偏粒子的飞行空间范围即加速度计零偏的最大变化范围，以及零偏粒子的飞行速度范围；

步骤11：根据已有的静基座条件下一定时间内的惯导原始数据，将惯性测量单元中陀螺仪输出的载体加速度信号减去步骤7中算出的陀螺常值漂移最优解值得到扣除陀螺常值漂移后的载体加速度信号，将加速度计输出的比力减去此时每个零偏粒子携带的加速度计零偏值得到扣除加速度计零偏后的比力，将扣除陀螺常值漂移后的载体加速度信号和扣除加速度计零偏后的比力传递到捷联惯导系统，进行速度解算和位置解算，实时地计算出东向姿态解算误差、北向姿态解算误差和天向姿态解算误差；

步骤12：定义加速度计零偏适应度函数：

其中，μ₂为避免F_A值为0的常数；t₀为解算开始时刻；t_e为解算结束时刻；φ_E(t)、φ_N(t)、φ_U(t)分别为t时刻东向姿态解算误差、北向姿态解算误差和天向姿态解算误差；ρ₅、ρ₆、ρ₇分别为东向姿态解算误差权值系数、北向姿态解算误差权值系数、天向姿态解算误差权值系数；F_A表示加速度计零偏适应度函数的函数值；

步骤13：根据步骤11解算的东向姿态解算误差φ_E、北向姿态解算误差φ_N、天向姿态解算误差φ_U代入公式(5)，计算出加速度计零偏适应度函数值，并计算零偏粒子个体和群体中加速度计零偏适应度函数值的极大值，以及该极大值对应的零偏粒子位置参数信息，即加速度计零偏

步骤14：判断步骤13中加速度计零偏适应度函数的极大值对应的零偏粒子是否达到预计的最优位置，或是否达到了设定的零偏粒子最大迭代次数。若是，则该零偏粒子即为个体最优零偏粒子；若否，则根据步骤6中的公式(2)、(3)、(4)更新当前所有零偏粒子的位置和速度，更新后零偏粒子的位置信息，即为更新后的加速度计零偏；

步骤15：重复步骤10～13，以此继续寻找个体最优零偏粒子的位置和群体最优零偏粒子的位置；

个体最优零偏粒子的位置参数信息即为加速度计零偏的最优解。

上述技术方案中，在建立适应度函数时，考虑到在陀螺和加计零偏误差同时存在时，通常情况下加速计的逐次启动误差较小，而陀螺的逐次启动性误差占比更多，对导航解算结果影响更大。因此在利用PSO寻优时，先搜寻对导航结果影响较大的陀螺漂移，当确定最优陀螺漂移后，再去估计加速度计零位偏差，此时要先扣除掉已经估计出的陀螺漂移。

上述技术方案中，对粒子搜索空间做出限定，避免空间过大增加无用搜索时间。粒子速度更新方程中综合考虑了当前飞行速度的影响、粒子记忆功能以及粒子之间的信息共享机制。

上述技术方案中，粒子的适应度函数值优于平均值时，惯性权重较小，降低了粒子飞行速度，降低了其跳出最优区域的概率；对于适应度函数值劣于平均值时，惯性权重较大，飞行速度较快，有利于向更好的区域靠拢。

上述技术方案中，种群规模为步骤1中粒子的总数，此参数根据经验确定，经过大量的试验，结合本模型实际情况种群规模设置为N＝40。

迭代次数的选择根据模型和精度要求的改变而改变。迭代次数太少会使结果精度达不到要求，迭代次数太多不仅会大大延长算法的时间，而且还会出现迭代过饱和现象使精度反而降低，通过大量的试验反复验证最终确定此模型的迭代次数为M＝35最佳。

粒子的位置范围为陀螺漂移粒子飞行空间[-0.03,0.03]，加速度计零偏粒子飞行空间[-60,60]，速度范围的选择通常凭经验给定，一般设定为问题空间的10％-20％。

惯性权重ω表示粒子当前速度多大程度上继承原来的速度，ω较大便于全局搜索，ω较小便于局部搜索，设置最大惯性权重ω_max＝0.9，最小惯性权重ω_min＝0.6。

学习因子c₁和c₂分别为调节向个体最优和全局最优方向飞行的最大步长，若c₁为零，粒子将陷入局部最优，没有处理复杂模型的能力；若c₂为零，将得不到全局最优解。在标准的PSO算法中，一般取c₁＝c₂＝2。

对本发明的方法进行仿真：

设置仿真参数；

(1)IMU(Inertial Measurement Unit，惯性测量单元)输出频率为1HZ；

(2)IMU仿真时间设定为3小时；

(3)三个等效陀螺漂移依次为[-0.02；-0.02；0.01]；

(4)三个等效加速度计零位依次为[40μg；50μg；-30μg]。

按照上述步骤1～15的方式进行光纤陀螺捷联惯导系统智能标定，如图1所示；

进行10次重复测试，验证算法重复性，并绘制陀螺漂移和加速度计零偏仿真图。其中：

多次测试得到的陀螺漂移如图2～4所示，第一次试验的适应度曲线如图5所示，陀螺漂移的平均估计值见表1。

表1 PSO算法对陀螺漂移的估值

陀螺漂移	估计值	参考值
			X(°/h)	-0.0206	-0.02
Y(°/h)	-0.0200	-0.02
			Z(°/h)	0.0087	0.01

多次测试得到的加速度计零偏如图6～7所示，第一次试验的适应度曲线如图8所示，陀螺漂移的平均估计值见表2。

表2 PSO算法对加速度计零偏的估值

加计零偏	估计值	参考值
			X(ug)	37.38	40
Y(ug)	46.31	50

从仿真结果可以得出以下结论：

(1)PSO智能算法标定能够很好地完成对陀螺仪漂移以及加速度计零偏等误差参数的标定，且具有较好的估计精度，从而可以用于估计陀螺和加速度计逐次启动性零偏误差。

(2)PSO智能算法标定对于Z向加速度计的零偏值存在无法估计的问题，但在实际中启动性偏差更多是由陀螺产生的，而加速度计的启动性零偏很小或者没有，故实际应用时可以考虑去掉对加计零偏的估计过程，提高PSO算法标定速度。

(3)PSO智能算法标定适合在系统级精确标定基础上进行，可在线标定出惯性器件的逐次启动性零偏误差。在实际应用中，可通过PSO智能算法与传统分立式标定、系统级标定组合使用，以此获得较高精度的标定参数，提高导航精度。

本发明基于光纤陀螺捷联惯导系统的误差模型、惯性器件特性等因素，提出了一种改进PSO算法的在线智能标定方案，该方法完全不依赖转台条件，在线标定捷联惯导系统开机后出现的逐次启动性零偏误差，在静止基座即可完成部分误差参数(陀螺仪漂移及加速度计零偏)的标定。

考虑到每次惯导系统启动后会存在逐次启动误差，该误差启动后即为常值。因此由于逐次启动误差是在设备启动后才确定的，最好的办法是在导航系统开机后进行在线误差标定。基于此利用改进的PSO算法在每次惯导系统启动后对陀螺漂移和加速度计进行准确、智能地在线搜索，并给予相应的补偿，以降低或者消除系统的逐次启动误差对导航精度的影响。

PSO算法本质是通过不断迭代，完成粒子之间的协作和信息共享，以寻找最优解。在粒子位置初始化和速度初始化完成后依次将N个粒子向量带入拟定好适应度函数中，每个粒子的位置都是可能的最优解，通过计算每个粒子得到的适应度函数值的大小评判本次迭代寻优粒子搜索性能好坏，确定本次寻优的个体极值和群体极值。在完成一代寻优后通过速度和位置更新方程完成下一代粒子位置和速度的确定，以此类推直至粒子是否达到预计的最优位置，或达到了设定的最大迭代次数。PSO算法在运行过程中通过跟踪个体最优粒子和群体最优粒子来更新粒子速度与位置，粒子的飞行速度是PSO算法收敛快慢和精度高低的核心，速度较大时具有较强的全局搜索能力，速度较低时具有较强的局部搜索能力。

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (4)

1.一种光纤陀螺捷联惯导系统智能标定方法，其特征在于，它包括如下步骤：

步骤1：构建一个初始粒子种群，记为陀螺漂移粒子种群，设定漂移粒子数量为N，最大迭代次数M，其中的第j个漂移粒子是由3个任意位置元素x₁，x₂，x₃组成的一个3维向量

x_j1，x_j2，x_j3分别表示漂移粒子在三维空间的x，y，z轴的位置坐标，在空间飞行速度为

v_j1，v_j2，v_j3分别表示漂移粒子在三维空间的x，y，z轴的飞行速度；

步骤2：给每个漂移粒子一个任意的初始化赋值，包括漂移粒子初始位置和相应速度，漂移粒子位置的坐标值代表陀螺常值漂移，同时设定漂移粒子的飞行空间范围[x_min,x_max]，以及漂移粒子的飞行速度范围[V_min,V_max]；

步骤3：根据已有的静基座条件下一定时间内的惯导原始数据，将惯性测量单元中陀螺仪输出的载体加速度信号减去此时每个漂移粒子携带的陀螺常值漂移值，然后将加速度计输出的比力和减去陀螺常值漂移值后陀螺仪输出的载体加速度信号传递到捷联惯导系统，进行速度解算和位置解算，实时地计算出东向速度解算误差δV_E、北向速度解算误差δV_N、纬度解算误差δP_Lat和经度解算误差δP_Lon；

步骤4：定义陀螺漂移适应度函数：

其中，μ₁为避免F_G值为0的常数；t₀为解算开始时刻；t_e为解算结束时刻；δV_E(t)、δV_N(t)分别为t时刻东向速度解算误差、北向速度解算误差；δP_Lat(t)、δP_Lon(t)分别为t时刻纬度解算误差、经度解算误差；ρ₁、ρ₂、ρ₃、ρ₄分别为东向速度解算误差权值系数、北向速度解算误差权值系数、纬度解算误差权值系数和经度解算误差权值系数；F_G表示陀螺漂移适应度函数的函数值；

步骤5：根据步骤3解算的东向速度解算误差δV_E、北向速度解算误差δV_N、纬度解算误差δP_Lat和经度解算误差δP_Lon代入公式(1)，计算出陀螺漂移适应度函数值，并计算漂移粒子个体和群体中陀螺漂移适应度函数值的极大值，以及该极大值对应的漂移粒子位置参数信息，即陀螺常值漂移信息；

步骤6：定义粒子速度和位置更新方程，公式(2)和公式(3)分别用以完成下一代粒子的速度和位置的确定：

V_is(t+1)＝ω×V_is(t)+c₁r₁[p_is(t)-x_is(t)]+c₂r₂[p_gs(t)-x_is(t)] (2)

x_is(t+1)＝x_is(t)+V_is(t+1) (3)

其中，t为当前时刻，t+1为下一时刻；i为种群规模；s为搜索空间维度；c₁,c₂分别为自学习因子、互学习因子，分别表征粒子向自身和其它粒子学习的能力；r₁,r₂分别为1随机因子、2随机因子，为两个给定的互不影响的、均为介于(0，1)之间的随机数；x_is(t)为t时刻漂移粒子的飞行空间范围[x_min,x_max]内搜索的任一粒子位置，V_is(t)为t时刻该粒子飞行速度；x_is(t+1)则为t+1时刻漂移粒子的飞行空间范围[x_min,x_max]内搜索的任一粒子位置，V_is(t+1)为t+1时刻该粒子飞行速度；ω为自适应惯性权重参数，ω_min和ω_max表示惯性权重参数边界值，分别为最小边界值和最大边界值；p_is(t)和p_gs(t)分别表示t时刻粒子个体、粒子群体最优粒子的位置，p_avg为当前所有粒子陀螺漂移适应度函数值的平均数，p_min为适应的函数的最小值；

步骤7：判断步骤5中陀螺漂移适应度函数值的极大值对应的漂移粒子是否达到预计的最优位置，或是否达到了设定的漂移粒子最大迭代次数M，若是，则该漂移粒子即为个体最优漂移粒子；若否，则根据步骤6中的公式(2)、(3)、(4)更新当前所有漂移粒子的位置和速度，更新后漂移粒子的位置信息，即为更新后的陀螺仪常值漂移；

步骤8：然后重复步骤3～7，以此继续寻找个体最优漂移粒子的位置p_is和群体最优漂移粒子的位置p_gs；

个体最优漂移粒子的位置参数信息即为陀螺常值漂移的最优解。

2.根据权利要求1所述的光纤陀螺捷联惯导系统智能标定方法，其特征在于：

步骤8后还包括步骤9：建立另一个粒子种群，记为加速度计零偏粒子种群，预设零偏粒子数量、最大迭代次数、每个零偏粒子的位置和飞行速度；

步骤10：给每个零偏粒子一个任意的初始化赋值，包括零偏粒子初始位置和相应速度，零偏粒子位置的坐标值代表加速度计零偏，同时设定零偏粒子的飞行空间范围即加速度计零偏的最大变化范围，以及零偏粒子的飞行速度范围；

步骤11：根据已有的静基座条件下一定时间内的惯导原始数据，将惯性测量单元中陀螺仪输出的载体加速度信号减去步骤7中算出的陀螺常值漂移最优解值得到扣除陀螺常值漂移后的载体加速度信号，将加速度计输出的比力减去此时每个零偏粒子携带的加速度计零偏值得到扣除加速度计零偏后的比力，将扣除陀螺常值漂移后的载体加速度信号和扣除加速度计零偏后的比力传递到捷联惯导系统，进行速度解算和位置解算，实时地计算出东向姿态解算误差、北向姿态解算误差和天向姿态解算误差；

步骤12：定义加速度计零偏适应度函数：

其中，μ₂为避免F_A值为0的常数；t₀为解算开始时刻；t_e为解算结束时刻；φ_E(t)、φ_N(t)、φ_U(t)分别为t时刻东向姿态解算误差、北向姿态解算误差和天向姿态解算误差；ρ₅、ρ₆、ρ₇分别为东向姿态解算误差权值系数、北向姿态解算误差权值系数、天向姿态解算误差权值系数；F_A表示加速度计零偏适应度函数的函数值；

步骤13：根据步骤11解算的东向姿态解算误差φ_E、北向姿态解算误差φ_N、天向姿态解算误差φ_U代入公式(5)，计算出加速度计零偏适应度函数值，并计算零偏粒子个体和群体中加速度计零偏适应度函数值的极大值，以及该极大值对应的零偏粒子位置参数信息，即加速度计零偏。

3.根据权利要求2所述的光纤陀螺捷联惯导系统智能标定方法，其特征在于：

步骤13后还包括步骤14：判断步骤13中加速度计零偏适应度函数的极大值对应的零偏粒子是否达到预计的最优位置，或是否达到了设定的零偏粒子最大迭代次数，若是，则该零偏粒子即为个体最优零偏粒子；若否，则根据步骤6中的公式(2)、(3)、(4)更新当前所有零偏粒子的位置和速度，更新后零偏粒子的位置信息，即为更新后的加速度计零偏。

4.根据权利要求3所述的光纤陀螺捷联惯导系统智能标定方法，其特征在于：步骤14后还包括步骤15：重复步骤10～13，以此继续寻找个体最优零偏粒子的位置和群体最优零偏粒子的位置；

个体最优零偏粒子的位置参数信息即为加速度计零偏的最优解。

Images