CN114509071A - 一种风洞试验模型姿态测量方法 - Google Patents

一种风洞试验模型姿态测量方法 Download PDF

Info

Publication number
CN114509071A
CN114509071A CN202210414422.8A CN202210414422A CN114509071A CN 114509071 A CN114509071 A CN 114509071A CN 202210414422 A CN202210414422 A CN 202210414422A CN 114509071 A CN114509071 A CN 114509071A
Authority
CN
China
Prior art keywords
attitude
wind tunnel
inertial navigation
test model
tunnel test
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.)
Granted
Application number
CN202210414422.8A
Other languages
English (en)
Other versions
CN114509071B (zh
Inventor
熊浩
左承林
马军
宋晋
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.)
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202210414422.8A priority Critical patent/CN114509071B/zh
Publication of CN114509071A publication Critical patent/CN114509071A/zh
Application granted granted Critical
Publication of CN114509071B publication Critical patent/CN114509071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/165—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 combined with non-inertial navigation instruments
    • G01C21/1656—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 combined with non-inertial navigation instruments with passive imaging devices, e.g. cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/53—Determining attitude
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fluid Mechanics (AREA)
  • Multimedia (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明适用于风洞测控技术领域，提供了一种风洞试验模型姿态测量方法，包括：将固联安装有惯导的风洞试验模型设置于风洞支撑装置上，布置至少两个相机构成相机阵列，并将惯性/视觉姿态测量系统进行坐标取齐；在惯性/视觉姿态测量系统时间同步的基础上，分别进行惯导姿态解算和相机阵列姿态解算，得到惯导解算姿态信息和视觉测量姿态信息；通过卡尔曼滤波器对惯导解算姿态信息和视觉测量姿态信息进行信息融合，建立系统滤波方程，并根据信息融合结果更新系统滤波方程、得到系统的状态估计误差；根据系统的状态估计误差提取系统的姿态估计误差并校正惯导的姿态，得到风洞试验模型的最优姿态。提高了风洞试验模型三维姿态的测量精度。

Description

一种风洞试验模型姿态测量方法
技术领域
本发明涉及风洞测控技术领域，尤其是涉及一种风洞试验模型姿态测量方法。
背景技术
随着空天领域的发展、飞行器设计精细和复杂程度的不断增加，对风洞试验相关配套测控系统的测量和控制精度也提出了更高要求。其中，飞行器表面风载荷、表面气动力分析均需依托风洞试验模型的三维姿态数据，反之，风洞试验模型的姿态测量精度也直接影响着飞行器后续迭代设计。
目前，常用的风洞试验模型姿态测量手段包括模型支撑装置、攻角传感器、视觉和惯导等。不同测量方式各有其优缺点：1）支撑装置，支撑装置通过转盘编码器确定模型姿态，静态测量精度高，但在动态环境下，风载荷会导致弹性变形，引入动态误差；2）攻角传感器，攻角传感器利用加速度计测量模型攻角，无法测量模型侧滑，此外模型振动会产生有害加速度，其动态测量精度较差；3）视觉方式具有非接触三维测量的优势，对流场干扰小，但当安装受限、遮挡、模型运动等导致相机有效视场较小时，图像帧间匹配误差较大，可能导致姿态数据质量较差甚至无效；4）惯导采用航迹推算的方式计算模型姿态，受初始对准和惯性器件误差的影响，系统姿态测量误差随时间累积。因此，如何充分发挥各种测量方法的各自优势，提高风洞试验模型三维姿态的测量精度，是本发明所要解决的问题。
发明内容
本发明的目的是提供一种风洞试验模型姿态测量方法，可以融合现有多种测量方法，充分发挥各测量方法的优势，从而提高风洞试验模型三维姿态的精度测量。
本发明实施例提供一种风洞试验模型姿态测量方法，包括：
S1、坐标取齐：将固联安装有惯导的风洞试验模型设置于风洞支撑装置上，根据风洞现场条件布置至少两个相机构成相机阵列，并将所述风洞试验模型和所述相机阵列组成的惯性/视觉姿态测量系统进行坐标取齐；
S2、姿态解算：在所述惯性/视觉姿态测量系统时间同步的基础上，分别进行惯导姿态解算和相机阵列姿态解算，对应得到同一时空下的惯导解算姿态信息和视觉测量姿态信息；
S3、惯导/视觉姿态信息融合：通过卡尔曼滤波器对所述惯导解算姿态信息和视觉测量姿态信息进行信息融合，建立所述惯性/视觉姿态测量系统的滤波方程，并根据信息融合结果更新所述滤波方程，得到所述惯性/视觉姿态测量系统的状态估计误差；
S4、最优姿态估计：根据所述惯性/视觉姿态测量系统的状态估计误差提取得到系统的姿态估计误差，并依此校正惯导的姿态，得到风洞试验模型的最优姿态。
进一步的，所述惯导解算姿态信息通过传统单子样算法进行惯导姿态解算得到；所述视觉测量姿态信息利用所述相机阵列拍摄所述风洞试验模型，获得设置在所述风洞试验模型上的多个标志点的像素点位置并进行视觉姿态解算后得到。
进一步的，所述步骤S3具体包括：
根据风洞实验的准静态过程，简化卡尔曼滤波器状态量；
所述惯性/视觉姿态测量系统的滤波方程包括系统状态方程和系统观测方程；
根据惯导广义误差理论，所述惯导解算姿态信息和视觉测量姿态信息进行信息融合得到的融合结果包括误差矩阵，并基于所述误差矩阵获得系统观测量；
结合所述误差矩阵和所述系统观测量通过卡尔曼滤波更新方程更新所述系统状态方程和所述系统观测方程，并获得所述姿态测量系统的一步转移矩阵；
基于所述一步转移矩阵得到所述姿态测量系统的状态估计误差。
进一步的，所述方法还包括：对所述一步转移矩阵进行离散化。
进一步的，所述基于系统的姿态估计误差校正惯导的姿态，得到风洞试验模型的最优姿态的步骤具体包括：
通过所述系统的姿态估计误差对融合后的惯导解算姿态矩阵进行修正，得到校正后的惯导姿态矩阵；
将所述校正后的惯导姿态矩阵进行坐标系转换，得到所述风洞试验模型的三维姿态矩阵；
对所述三维姿态矩阵进行欧拉角解算，得到惯性和视觉融合后的风洞试验模型姿态的最优估计值。
进一步的，所述姿态测量系统时间同步采用GNSS提供的秒脉冲，结合卫星导航数据包，获得所述相机阵列和所述惯导的真实物理时间，在此基础上进行所述相机阵列和所述惯导的时间同步。
与现有技术相比，本发明实施例主要有以下有益效果：通过将固联安装有惯导的风洞试验模型设置于风洞支撑装置上，并布置至少两个相机构成下相机阵列与惯导组成惯性/视觉姿态测量系统，在姿态测量系统坐标取齐和时间同步的基础上进行惯导姿态解算和相机阵列姿态解算，然后通过卡尔曼滤波器对解算得到的惯导解算姿态和视觉测量姿态进行信息融合，将融合结果更新卡尔曼滤波器建立的系统滤波方程，得到姿态测量系统的状态估计误差后提取系统的姿态估计误差并依此校正惯导的姿态，即可获得风洞试验模型姿态的最优估计结果，从而可以在风洞实验中融合支撑装置、视觉测量和惯导测量等多种姿态测量方法，充分发挥各测量方法的优势，弥补各测量方法的不足，最终提高风洞试验模型三维姿态测量的精度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种风洞试验模型姿态测量方法的一个实施例的流程图；
图2是本发明的惯性/视觉姿态测量系统坐标系示意图；
图3是本发明的惯导初始对准策略。
具体实施方式
以下的说明提供了许多不同的实施例、或是例子，用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本发明，其仅作为例子，而并非用以限制本发明。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，图1是本发明的一种风洞试验模型姿态测量方法的一个实施例的流程图，上述风洞试验模型姿态测量方法包括以下步骤：
S1、坐标取齐：将固联安装有惯导的风洞试验模型设置于风洞支撑装置上，根据风洞现场条件布置至少两个相机构成相机阵列，并将所述风洞试验模型和所述相机阵列组成的惯性/视觉姿态测量系统进行坐标取齐。
本发明实施例中，在坐标取齐之前，先将惯导固联安装于风洞试验模型内部，并在风洞试验模型表面布置一定数量标记点来构建视觉坐标系，然后将风洞试验模型安装于风洞支撑装置上。标记点布置时，距离需相等或近似相等，且尽量覆盖模型中轴线，确保构建的视觉坐标系零点位于风洞试验模型质心，也便于后续视觉姿态解算。进一步根据风洞现场条件，在风洞试验模型周围布置至少两个相机构成相机阵列，如图2中所示6个相机构成的相机阵列，从而将惯导和相机阵列组成惯性/视觉姿态测量系统；而后，对各个相机进行单独标定，获取其主点、焦距和主点等内参数；在此基础上，采用相机阵列拍摄处于支撑装置零位的风洞试验模型，进行支撑装置和风洞试验模型零位姿态的标定。
其中，本发明实施例的由风洞试验模型和相机阵列组成的惯性/视觉姿态测量系统至少涉及以下坐标系，具体如图2所示：
1）模型体坐标系（p系）
Figure DEST_PATH_IMAGE001
：该坐标系相对风洞固定，根据支撑装置处于零位时试验模型几何关系构建而成，不随待测模型姿态发生变化。其中，坐标原点为模型质心，
Figure 807306DEST_PATH_IMAGE002
与模型纵轴重合，
Figure DEST_PATH_IMAGE003
与模型横轴重合，
Figure 565047DEST_PATH_IMAGE004
朝地、与模型竖轴重合；
2）当地地理坐标系（n系）：坐标系原点为模型质心，
Figure DEST_PATH_IMAGE005
轴朝东，
Figure 400147DEST_PATH_IMAGE006
轴朝北，
Figure DEST_PATH_IMAGE007
轴朝天；
3）视觉坐标系（v系）
Figure 566949DEST_PATH_IMAGE008
：随体坐标系，依托各相机拍摄试验模型表面的标志点构建而成，坐标系原点为模型质心，
Figure DEST_PATH_IMAGE009
朝上，
Figure 803895DEST_PATH_IMAGE010
为其处于支撑装置零位时坐标系；
4）世界坐标系（
Figure DEST_PATH_IMAGE011
系）
Figure 234002DEST_PATH_IMAGE012
：坐标系原点为i相机的光学中心，
Figure DEST_PATH_IMAGE013
与相机光轴重合，
Figure 290819DEST_PATH_IMAGE014
平面与相机成像面平行；
5）惯导坐标系（b系）
Figure DEST_PATH_IMAGE015
：随体坐标系，其坐标轴与惯导内部惯性器件敏感轴重合，坐标系原点为模型质心，
Figure 963109DEST_PATH_IMAGE016
为其处于支撑装置零位时的坐标系。
具体地，上述惯性/视觉姿态测量系统坐标取齐包括以下步骤：
步骤1：模型体坐标系（p系）与当地地理坐标系（n系）取齐。其中，体坐标系为固定坐标系，根据支撑装置处于零位时的风洞试验模型几何关系构建而成。p系和n系水平姿态（俯仰和滚转）由电子水平仪或攻角传感器获取，记其为
Figure DEST_PATH_IMAGE017
和
Figure 352765DEST_PATH_IMAGE018
，侧滑
Figure DEST_PATH_IMAGE019
可采用GNSS双天线测姿确定。考虑到支撑装置处于零位时模型纵轴通常与风洞中轴线共线，可将GNSS天线安装于中轴线（或延长线）上，通过载波相位双差定位求解天线基线矢量，并投影至n系，进一步通过矢量分解获得侧滑，记其为，则体坐标系与当地地理坐标系的传递矩阵可表示为：
Figure 717887DEST_PATH_IMAGE020
步骤2：模型体坐标系（p系）与视觉坐标系（v系）取齐。与体坐标系不同，视觉坐标系为随动坐标系，随着模型运动而发生改变，因此，该步骤中取齐主要是指体坐标系与零位视觉坐标系（v 0系）取齐。取齐时，先对各个相机阵列进行单独标定，获取主点、焦距和主点等内参数；而后，采用相机阵列拍摄处于零位的风洞试验模型，获取标志点在各相机世界坐标系的图像像素位置；进一步，构建以模型质心为原点的视觉坐标系，由于标志点粘贴时覆盖了模型中轴线，因此，可根据标志点图像提取出模型水平轴信息，而垂直轴可根据右手法则确定；最后，根据视觉姿态输出（可以通过现有的视觉姿态解算方法获得），可实现体坐标系与视觉坐标系的取齐。记视觉方式输出姿态为
Figure DEST_PATH_IMAGE021
，则传递矩阵为：
Figure 763465DEST_PATH_IMAGE022
步骤3：惯导初始对准，实现惯导坐标系（b系）与当地地理坐标系（n系）的取齐。其中，惯导坐标系同样为随动坐标系。由于初始误差的存在，取齐前惯导需进行初始对准。考虑到纯静态条件下惯导可观测性较差，对准时可根据如图3所示的惯导初始对准策略以提高其观测性并可以消除初始误差，通过支撑装置控制模型进行2～3次的往复侧滑机动，单次机动完成后模型静置10min，全部机动完成后将支撑装置静置30min左右。静置过程中，惯导利用模型先验位置（由GNSS测量得到）和速度（模型静置，速度为零）开展组合导航，实现模型最优估计，进而完成b系与n系取齐。记支撑装置零位时惯导姿态为
Figure DEST_PATH_IMAGE023
，则传递矩阵为：
Figure 239446DEST_PATH_IMAGE024
步骤4：视觉坐标系、惯导坐标系和体坐标系的相互取齐。结合步骤1和步骤3，可实现惯导坐标系与体坐标系取齐，记传递矩阵
Figure DEST_PATH_IMAGE025
；结合步骤1、步骤2和步骤3，可实现视觉坐标系与惯导坐标系取齐，记传递矩阵
Figure 919826DEST_PATH_IMAGE026
。根据姿态矩阵链式法则可得：
Figure DEST_PATH_IMAGE027
S2、姿态解算：在所述惯性/视觉姿态测量系统时间同步的基础上，分别进行惯导姿态解算和相机阵列姿态解算，对应得到同一时空下的惯导解算姿态信息和视觉测量姿态信息。
在本发明实施例中，风洞试验模型试验主要表现为10Hz以下的准静态低频振动，上述惯导解算姿态信息
Figure 957315DEST_PATH_IMAGE028
可以通过传统单子样算法进行惯导姿态解算得到，微分形式下惯导姿态、速度和位置更新方程如下：
Figure DEST_PATH_IMAGE029
其中，
Figure 988725DEST_PATH_IMAGE030
为b系相对n系转动角速度在b系下的投影，与设置于惯导内的陀螺输出相关；
Figure DEST_PATH_IMAGE031
为惯导速度，
Figure 301019DEST_PATH_IMAGE032
、
Figure DEST_PATH_IMAGE033
和
Figure 367064DEST_PATH_IMAGE034
分别为其东向、北向和天向分量；
Figure DEST_PATH_IMAGE035
为惯导比力，与加速度计相关；
Figure 808410DEST_PATH_IMAGE036
为地球自转角速度在n系下投影，
Figure DEST_PATH_IMAGE037
为n系相对地心地固坐标系（e系，
Figure 816862DEST_PATH_IMAGE038
轴指向格林尼治子午线与赤道交点，
Figure DEST_PATH_IMAGE039
与地球平均自转轴重合、指向北极）；
Figure 634645DEST_PATH_IMAGE040
为当地地球重力；
Figure DEST_PATH_IMAGE041
、
Figure 587820DEST_PATH_IMAGE042
和
Figure DEST_PATH_IMAGE043
为惯导纬度、经度和高度；
Figure 200067DEST_PATH_IMAGE044
和
Figure DEST_PATH_IMAGE045
为当地子午圈和卯酉圈半径。根据上式进行姿态更新，可获得任意时刻风洞试验模型姿态
Figure 2807DEST_PATH_IMAGE046
。
上述视觉测量姿态信息
Figure DEST_PATH_IMAGE047
利用所述相机阵列拍摄风洞试验模型，获得设置在风洞试验模型上的多个标志点的像素点位置并进行视觉姿态解算后得到，具体地，可以通过上述多个相机阵列采集多组图像，对采集到的图像进行校正、增强和滤波处理后从图像中提取出风洞试验模型，处理后得到模型轮廓以及模型在图像中的位置信息；然后从图像中分割出包含模型的图片，从分割出的图片中利用SIFT算法或SURF算法提取特征点，并通过模型的位置信息对特征点进行修正，获得特征点在视觉坐标系下的坐标；进而匹配相邻时刻图像的特征点，根据特征点的分散程度选择最优特征点，最后利用最优特征点解算模型姿态后获得视觉测量姿态信息
Figure 860167DEST_PATH_IMAGE047
。
需要说明的是，在本发明实施例中，没有具体展开描述的步骤和/或涉及的公式、技术，均可通过现有技术实现，本发明不作具体限制。
S3、惯导/视觉姿态信息融合：通过卡尔曼滤波器对所述惯导解算姿态信息和视觉测量姿态信息进行信息融合，建立所述惯性/视觉姿态测量系统的滤波方程，并根据信息融合结果更新所述滤波方程，得到所述惯性/视觉姿态测量系统的状态估计误差。
在本发明实施例中，采用标准卡尔曼滤波器对上述惯导解算姿态信息和视觉测量姿态信息进行融合。在融合之前，需要进行相机阵列和惯导的时间同步，具体可以采用GNSS提供的秒脉冲，结合卫星导航数据包中的时间信息，获得所述相机阵列和所述惯导的真实物理时间，在此基础上进行所述相机阵列和所述惯导的时间同步，从而更好地实现惯导解算姿态信息和视觉测量姿态信息的融合，降低融合误差。
需要说明的是，与动态的飞行器导航不同，本发明实施例的风洞试验模型在姿态测量的试验过程中位置相对固定，可假定为准静态过程，因而惯导在进行姿态解算时可直接对位置和速度进行装订（即取固定值），可只考虑陀螺误差对惯导姿态解算的影响，则对应于风洞实验的准静态过程，可以简化卡尔曼滤波器状态量为
Figure 369646DEST_PATH_IMAGE048
，其中
Figure DEST_PATH_IMAGE049
、
Figure 887215DEST_PATH_IMAGE050
和
Figure DEST_PATH_IMAGE051
分别为惯导姿态解算得到的俯仰、滚转和侧滑误差，
Figure 881978DEST_PATH_IMAGE052
、
Figure DEST_PATH_IMAGE053
和
Figure 838301DEST_PATH_IMAGE054
分别为惯导坐标系下x、y和z方向的陀螺零偏；通过上述对风洞试验模型的简化，减少了试验参数，从而减少了计算量，在保证风洞实验模型姿态测量精确度的前提下可以提高姿态测量的速度。
惯性/视觉姿态测量系统的滤波方程具体包括系统状态方程和系统观测方程，在上述基础上，系统状态方程和系统观测方程分别设置为
Figure DEST_PATH_IMAGE055
、
Figure 234910DEST_PATH_IMAGE056
，其中，F为系统状态转移矩阵，H为系统观测矩阵，W和V分别为系统状态噪声和系统观测噪声且可设置为高斯白噪声，
Figure DEST_PATH_IMAGE057
，根据惯导误差传播方程可得：
Figure 923380DEST_PATH_IMAGE058
Figure DEST_PATH_IMAGE059
系统观测量Z可以理解为视觉测量姿态与惯导解算姿态之差，即将两者进行融合，且满足
Figure 467756DEST_PATH_IMAGE060
。由于惯导获得的是惯导坐标系b系到当地地理坐标系n系的姿态，视觉测量获得的是体坐标系p系到视觉坐标系v系的姿态，在视觉测量姿态与惯导解算姿态作差融合前需进行坐标系转换，具体如下：
记通过视觉方式获得的惯导姿态为
Figure DEST_PATH_IMAGE061
，结合坐标取齐结果，根据链式法则有
Figure 57132DEST_PATH_IMAGE062
，其中
Figure DEST_PATH_IMAGE063
对应滤波时刻视觉测量姿态；
Figure 337940DEST_PATH_IMAGE064
为固定值，已经在坐标取齐步骤中获取；
Figure DEST_PATH_IMAGE065
为滤波时刻惯导坐标系b系到视觉坐标系v系的变换矩阵。由于惯导与风洞试验模型刚性连接，而视觉测量姿态通过拍摄和解算粘贴在模型上的标志点获取，因此对于任意时刻
Figure 462891DEST_PATH_IMAGE065
为固定值，均满足
Figure 901088DEST_PATH_IMAGE066
，又
Figure DEST_PATH_IMAGE067
已经在坐标取齐中获取，则有：
Figure 668056DEST_PATH_IMAGE068
进一步的，根据惯导广义误差理论，所述惯导解算姿态和视觉测量姿态进行信息融合得到的融合结果包括误差矩阵
Figure DEST_PATH_IMAGE069
，其中
Figure 272212DEST_PATH_IMAGE070
和
Figure DEST_PATH_IMAGE071
在步骤S1坐标取齐中得到，然后基于上述误差矩阵M获得系统观测量，所述系统观测量可具体表示为
Figure 81248DEST_PATH_IMAGE072
。
根据建立的系统状态方程和系统观测方程进行离散化，并结合所述误差矩阵M得到的系统观测量Z，并通过卡尔曼滤波更新方程更新所述系统状态方程和所述系统观测方程，卡尔曼滤波更新方程具体如下：
Figure DEST_PATH_IMAGE073
其中，
Figure 567593DEST_PATH_IMAGE074
为系统观测矩阵，
Figure DEST_PATH_IMAGE075
为卡尔曼滤波器对所述姿态测量系统的第k-1步到k步的一步转移矩阵，在实际滤波中，所述一步转移矩阵
Figure 374137DEST_PATH_IMAGE075
采用下式离散化获取，即：
Figure 504904DEST_PATH_IMAGE076
其中
Figure DEST_PATH_IMAGE077
为惯导更新周期，N为滤波离散化时离散点数，满足
Figure 33975DEST_PATH_IMAGE078
，T为Kalman卡尔曼滤波更新周期；
Figure DEST_PATH_IMAGE079
、
Figure 712343DEST_PATH_IMAGE080
分别为第k步系统滤波误差协方差矩阵和滤波增益矩阵；
Figure DEST_PATH_IMAGE081
和
Figure 289955DEST_PATH_IMAGE082
为第k-1步系统状态噪声和第k步观测噪声矩阵，可根据系统状态噪声W和系统观测噪声V计算得到；
Figure DEST_PATH_IMAGE083
、
Figure 901327DEST_PATH_IMAGE084
分别为所述姿态测量系统的第k-1步状态误差、第k-1到k步状态误差预测值，则可以基于一步转移矩阵和
Figure 538982DEST_PATH_IMAGE083
得到
Figure 875285DEST_PATH_IMAGE084
，再基于
Figure 256588DEST_PATH_IMAGE084
得到所述姿态测量系统的第k步状态估计误差
Figure DEST_PATH_IMAGE085
，即：
Figure 925729DEST_PATH_IMAGE086
S4、最优姿态估计：根据所述惯性/视觉姿态测量系统的状态估计误差提取
得到系统的姿态估计误差，并依此校正惯导的姿态，得到风洞试验模型的最优姿态。
在本发明实施例中，可以根据姿态测量系统第k步的状态估计误差
Figure 734285DEST_PATH_IMAGE085
计
算得到系统第k步的姿态估计误差
Figure DEST_PATH_IMAGE087
，具体如下：
Figure 620201DEST_PATH_IMAGE088
然后基于系统的姿态估计误差
Figure 539616DEST_PATH_IMAGE087
校正纯惯导解算的姿态，得到风洞试验
模型姿态的最优估计值，具体包括：
通过所述系统的姿态估计误差
Figure 946DEST_PATH_IMAGE087
对融合后的惯导解算姿态矩阵
Figure DEST_PATH_IMAGE089
进行修正，得到校正后的惯导姿态矩阵
Figure 42720DEST_PATH_IMAGE090
，从而可以通过视觉测量姿态校正惯导解算姿态，与单独利用视觉测量姿态或惯导解算姿态相比，提高了风洞实验模型姿态测量的准确度；具体的计算公式如下：
Figure DEST_PATH_IMAGE091
其中，
Figure 681512DEST_PATH_IMAGE092
为
Figure 640503DEST_PATH_IMAGE087
对应的姿态校正矩阵，当
Figure 454875DEST_PATH_IMAGE087
为小角度时，
Figure DEST_PATH_IMAGE093
可简化为：
Figure 136392DEST_PATH_IMAGE094
对所述校正后的惯导姿态矩阵
Figure DEST_PATH_IMAGE095
进行坐标系转换，将惯性/视觉姿态信息融合后得到的惯导姿态矩阵
Figure 498366DEST_PATH_IMAGE095
变换至体坐标系，得到所述风洞试验模型的三维姿态矩阵
Figure 759583DEST_PATH_IMAGE096
，即：
Figure DEST_PATH_IMAGE097
最后对所述三维姿态矩阵
Figure 756358DEST_PATH_IMAGE098
进行欧拉角解算：
Figure DEST_PATH_IMAGE099
得到的
Figure 895260DEST_PATH_IMAGE100
、
Figure DEST_PATH_IMAGE101
和
Figure 243065DEST_PATH_IMAGE102
即为惯性和视觉信息融合后最优的风洞试验模型的俯仰、滚转和侧滑角估计值。
综上所述，在本发明实施例中，通过将固联安装有惯导的风洞试验模型设置于风洞支撑装置上，并布置至少两个相机构成下相机阵列与惯导组成惯性/视觉姿态测量系统，在姿态测量系统坐标取齐和时间同步的基础上进行惯导姿态解算和相机阵列姿态解算，然后通过卡尔曼滤波器对解算得到的惯导解算姿态和视觉测量姿态进行信息融合，将融合结果更新卡尔曼滤波器建立的系统滤波方程，得到姿态测量系统的状态估计误差后提取系统的姿态估计误差并依此校正惯导的姿态，即可获得风洞试验模型姿态的最优估计结果，从而可以在风洞实验中融合支撑装置、视觉测量和惯导测量等多种姿态测量方法，充分发挥各测量方法的优势，弥补各测量方法的不足，最终提高风洞试验模型三维姿态测量的精度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种风洞试验模型姿态测量方法，其特征在于，包括：
S1、坐标取齐：将固联安装有惯导的风洞试验模型设置于风洞支撑装置上，根据风洞现场条件布置至少两个相机构成相机阵列，并将所述风洞试验模型和所述相机阵列组成的惯性/视觉姿态测量系统进行坐标取齐；
S2、姿态解算：在所述惯性/视觉姿态测量系统时间同步的基础上，分别进行惯导姿态解算和相机阵列姿态解算，对应得到同一时空下的惯导解算姿态信息和视觉测量姿态信息；
S3、惯导/视觉姿态信息融合：通过卡尔曼滤波器对所述惯导解算姿态信息和视觉测量姿态信息进行信息融合，建立所述惯性/视觉姿态测量系统的滤波方程，并根据信息融合结果更新所述滤波方程，得到所述惯性/视觉姿态测量系统的状态估计误差；
S4、最优姿态估计：根据所述惯性/视觉姿态测量系统的状态估计误差提取得到系统的姿态估计误差，并依此校正惯导的姿态，得到风洞试验模型的最优姿态。
2.如权利要求1所述的一种风洞试验模型姿态测量方法，其特征在于，所述惯导解算姿态信息通过传统单子样算法进行惯导姿态解算得到；所述视觉测量姿态信息利用所述相机阵列拍摄所述风洞试验模型，获得设置在所述风洞试验模型上的多个标志点的像素点位置并进行视觉姿态解算后得到。
3.如权利要求2所述的一种风洞试验模型姿态测量方法，其特征在于，步骤S3具体包括：
根据风洞实验的准静态过程，简化卡尔曼滤波器状态量；
所述惯性/视觉姿态测量系统的滤波方程包括系统状态方程和系统观测方程；
根据惯导广义误差理论，所述惯导解算姿态信息和视觉测量姿态信息进行信息融合得到的融合结果包括误差矩阵，并基于所述误差矩阵获得系统观测量；
结合所述误差矩阵和所述系统观测量通过卡尔曼滤波更新方程更新所述系统状态方程和所述系统观测方程，并获得所述姿态测量系统的一步转移矩阵；
基于所述一步转移矩阵得到所述姿态测量系统的状态估计误差。
4.如权利要求3所述的一种风洞试验模型姿态测量方法，其特征在于，还包括：对所述一步转移矩阵进行离散化。
5.如权利要求4所述的一种风洞试验模型姿态测量方法，其特征在于，所述基于系统的姿态估计误差校正惯导的姿态，得到风洞试验模型的最优姿态的步骤具体包括：
通过所述系统的姿态估计误差对融合后的惯导解算姿态矩阵进行修正，得到校正后的惯导姿态矩阵；
将所述校正后的惯导姿态矩阵进行坐标系转换，得到所述风洞试验模型的三维姿态矩阵；
对所述三维姿态矩阵进行欧拉角解算，得到惯性和视觉融合后的风洞试验模型姿态的最优估计值。
6.如权利要求1所述的一种风洞试验模型姿态测量方法，其特征在于，所述姿态测量系统时间同步采用GNSS提供的秒脉冲，结合卫星导航数据包，获得所述相机阵列和所述惯导的真实物理时间，在此基础上进行所述相机阵列和所述惯导的时间同步。
CN202210414422.8A 2022-04-20 2022-04-20 一种风洞试验模型姿态测量方法 Active CN114509071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210414422.8A CN114509071B (zh) 2022-04-20 2022-04-20 一种风洞试验模型姿态测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210414422.8A CN114509071B (zh) 2022-04-20 2022-04-20 一种风洞试验模型姿态测量方法

Publications (2)

Publication Number Publication Date
CN114509071A true CN114509071A (zh) 2022-05-17
CN114509071B CN114509071B (zh) 2022-07-08

Family

ID=81554720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210414422.8A Active CN114509071B (zh) 2022-04-20 2022-04-20 一种风洞试验模型姿态测量方法

Country Status (1)

Country Link
CN (1) CN114509071B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272593A (zh) * 2023-08-24 2023-12-22 无锡北微传感科技有限公司 一种风洞试验数据分析处理方法

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105651483A (zh) * 2016-03-04 2016-06-08 中国空气动力研究与发展中心低速空气动力研究所 一种低速风洞虚拟飞行实验模型姿态测量系统
CN209148242U (zh) * 2018-11-21 2019-07-23 大连理工大学 一种浮式海上风电机组测量装置
CN110095117A (zh) * 2019-05-15 2019-08-06 南京理工大学 一种无陀螺惯性量测系统与gps组合的导航方法
CN110487301A (zh) * 2019-09-18 2019-11-22 哈尔滨工程大学 一种雷达辅助机载捷联惯性导航系统初始对准方法
CN110567452A (zh) * 2019-07-31 2019-12-13 北京航空航天大学 一种激光陀螺双轴旋转惯导系统姿态误差补偿方法
CN110887481A (zh) * 2019-12-11 2020-03-17 中国空气动力研究与发展中心低速空气动力研究所 基于mems惯性传感器的载体动态姿态估计方法
CN110986939A (zh) * 2020-01-02 2020-04-10 东南大学 一种基于imu预积分的视觉惯性里程计方法
CN111008488A (zh) * 2020-01-02 2020-04-14 西北工业大学 一种螺旋桨无人机发射过程反扭矩建模方法
US20200346789A1 (en) * 2019-04-30 2020-11-05 National Applied Research Laboratories Earth satellite attitude data fusion system and method thereof
CN111947653A (zh) * 2020-08-13 2020-11-17 北京航空航天大学 一种月面巡视探测器双模式惯性/视觉/天文导航方法
CN111964688A (zh) * 2020-07-10 2020-11-20 北京航空航天大学 结合无人机动力学模型和mems传感器的姿态估计方法
US20210041239A1 (en) * 2018-06-01 2021-02-11 Zhejiang Yat Electrical Appliance Co., Ltd Integrated navigation method for mobile vehicle
CN112362057A (zh) * 2020-10-26 2021-02-12 中国人民解放军海军航空大学 基于零速修正与姿态自观测的惯性行人导航算法
CN112489140A (zh) * 2020-12-15 2021-03-12 北京航天测控技术有限公司 姿态测量方法
CN112815939A (zh) * 2021-01-04 2021-05-18 清华大学深圳国际研究生院 移动机器人的位姿估计方法及计算机可读存储介质
CN113237628A (zh) * 2021-07-08 2021-08-10 中国空气动力研究与发展中心低速空气动力研究所 一种低速风洞水平自由飞模型姿态测量方法
CN113358325A (zh) * 2021-07-02 2021-09-07 中国空气动力研究与发展中心低速空气动力研究所 一种风洞投放物位姿测量方法、装置、设备及存储介质
CN114061575A (zh) * 2021-11-26 2022-02-18 上海机电工程研究所 大失准角条件下的导弹姿态角精对准方法及系统
WO2022039882A1 (en) * 2020-08-17 2022-02-24 Qualcomm Incorporated Methods and apparatus for multipath improvements using multiple antennas
CN114216456A (zh) * 2021-11-27 2022-03-22 北京工业大学 一种基于imu与机器人本体参数融合的姿态测量方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105651483A (zh) * 2016-03-04 2016-06-08 中国空气动力研究与发展中心低速空气动力研究所 一种低速风洞虚拟飞行实验模型姿态测量系统
US20210041239A1 (en) * 2018-06-01 2021-02-11 Zhejiang Yat Electrical Appliance Co., Ltd Integrated navigation method for mobile vehicle
CN209148242U (zh) * 2018-11-21 2019-07-23 大连理工大学 一种浮式海上风电机组测量装置
US20200346789A1 (en) * 2019-04-30 2020-11-05 National Applied Research Laboratories Earth satellite attitude data fusion system and method thereof
CN110095117A (zh) * 2019-05-15 2019-08-06 南京理工大学 一种无陀螺惯性量测系统与gps组合的导航方法
CN110567452A (zh) * 2019-07-31 2019-12-13 北京航空航天大学 一种激光陀螺双轴旋转惯导系统姿态误差补偿方法
CN110487301A (zh) * 2019-09-18 2019-11-22 哈尔滨工程大学 一种雷达辅助机载捷联惯性导航系统初始对准方法
CN110887481A (zh) * 2019-12-11 2020-03-17 中国空气动力研究与发展中心低速空气动力研究所 基于mems惯性传感器的载体动态姿态估计方法
CN110986939A (zh) * 2020-01-02 2020-04-10 东南大学 一种基于imu预积分的视觉惯性里程计方法
CN111008488A (zh) * 2020-01-02 2020-04-14 西北工业大学 一种螺旋桨无人机发射过程反扭矩建模方法
CN111964688A (zh) * 2020-07-10 2020-11-20 北京航空航天大学 结合无人机动力学模型和mems传感器的姿态估计方法
CN111947653A (zh) * 2020-08-13 2020-11-17 北京航空航天大学 一种月面巡视探测器双模式惯性/视觉/天文导航方法
WO2022039882A1 (en) * 2020-08-17 2022-02-24 Qualcomm Incorporated Methods and apparatus for multipath improvements using multiple antennas
CN112362057A (zh) * 2020-10-26 2021-02-12 中国人民解放军海军航空大学 基于零速修正与姿态自观测的惯性行人导航算法
CN112489140A (zh) * 2020-12-15 2021-03-12 北京航天测控技术有限公司 姿态测量方法
CN112815939A (zh) * 2021-01-04 2021-05-18 清华大学深圳国际研究生院 移动机器人的位姿估计方法及计算机可读存储介质
CN113358325A (zh) * 2021-07-02 2021-09-07 中国空气动力研究与发展中心低速空气动力研究所 一种风洞投放物位姿测量方法、装置、设备及存储介质
CN113237628A (zh) * 2021-07-08 2021-08-10 中国空气动力研究与发展中心低速空气动力研究所 一种低速风洞水平自由飞模型姿态测量方法
CN114061575A (zh) * 2021-11-26 2022-02-18 上海机电工程研究所 大失准角条件下的导弹姿态角精对准方法及系统
CN114216456A (zh) * 2021-11-27 2022-03-22 北京工业大学 一种基于imu与机器人本体参数融合的姿态测量方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
SALEM ABD EL-HAKEM HEGAZY: "Calibration and Compensation of Scale Factor Non-linearity and Non-Orthogonality Errors for Dynamically Tuned Gyroscope (DTG)", 《2020 12TH INTERNATIONAL CONFERENCE ON ELECTRICAL ENGINEERING (ICEENG)》 *
吴佳慧: "融合视觉和惯导的无人机导航技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
张为: "捷联惯导传递对准性能优化关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
张施豪: "基于MEMS陀螺的风洞模型水平姿态动态测量与精度评估", 《导航与控制》 *
於周晴: "基于差分观测量的减维BDS/GPS/INS紧耦合导航算法研究", 《第十三届中国卫星导航年会论文集——S06自主导航与智能运行》 *
王林: "机抖激光陀螺敏感轴动态偏移误差参数估计与补偿", 《中国惯性技术学报》 *
聂文淑: "基于MEMS-IMU的飞行器模型姿态测量系统的研究", 《万方数据》 *
闵艳玲: "基于对偶四元数的空天飞行器高性能导航关键技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
陈然: "基于立体视觉的风洞模型三维变形与姿态测量技术研究", 《中国博士学位论文全文数据库 基础科学辑》 *
韩万水: "风-车-桥耦合振动研究现状及发展趋势", 《中国公路学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117272593A (zh) * 2023-08-24 2023-12-22 无锡北微传感科技有限公司 一种风洞试验数据分析处理方法
CN117272593B (zh) * 2023-08-24 2024-04-05 无锡北微传感科技有限公司 一种风洞试验数据分析处理方法

Also Published As

Publication number Publication date
CN114509071B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN109931926B (zh) 一种基于站心坐标系的小型无人机无缝自主式导航方法
CN109540126A (zh) 一种基于光流法的惯性视觉组合导航方法
CN107270893B (zh) 面向不动产测量的杆臂、时间不同步误差估计与补偿方法
CN109916395B (zh) 一种姿态自主冗余组合导航算法
CN103674021B (zh) 基于捷联惯导与星敏感器的组合导航系统及方法
CN107806874B (zh) 一种视觉辅助的捷联惯导极区初始对准方法
CN106780699A (zh) 一种基于sins/gps和里程计辅助的视觉slam方法
CN109556631A (zh) 一种基于最小二乘的ins/gnss/偏振/地磁组合导航系统对准方法
CN107728182A (zh) 基于相机辅助的柔性多基线测量方法和装置
CN110361010A (zh) 一种基于占据栅格地图且结合imu的移动机器人定位方法
CN110926468A (zh) 基于传递对准的动中通天线多平台航姿确定方法
CN110954102B (zh) 用于机器人定位的磁力计辅助惯性导航系统及方法
CN108375383A (zh) 多相机辅助的机载分布式pos柔性基线测量方法和装置
CN106352897B (zh) 一种基于单目视觉传感器的硅mems陀螺误差估计与校正方法
CN107727101A (zh) 基于双偏振光矢量的三维姿态信息快速解算方法
CN103604428A (zh) 基于高精度水平基准的星敏感器定位方法
CN112562077A (zh) 一种融合pdr和先验地图的行人室内定位方法
CN113551668A (zh) 一种航天器惯性/恒星星光矢量/星光折射组合导航方法
CN111189474A (zh) 基于mems的marg传感器的自主校准方法
CN110736457A (zh) 一种基于北斗、gps和sins的组合导航方法
CN113720330A (zh) 一种亚角秒级的遥感卫星高精度姿态确定设计与实现方法
CN114509071B (zh) 一种风洞试验模型姿态测量方法
CN101793517B (zh) 一种提高机载平台定姿精度的在线快速方法
CN110068325A (zh) 一种车载ins/视觉组合导航系统的杆臂误差补偿方法
CN115574816B (zh) 仿生视觉多源信息智能感知无人平台

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
GR01 Patent grant
GR01 Patent grant