CN107830872A - 一种舰船捷联惯性导航***自适应初始对准方法 - Google Patents

Abstract

一种舰船捷联惯性导航***自适应初始对准方法，包括如下步骤：舰船SINS开始工作，采集光纤陀螺仪和加速度计的测量信息；根据舰船上所搭载的全球定位***提供舰船的初始位置，以及采集到的光纤陀螺、加速度计信息，利用解析式粗对准算法初步确定舰船的姿态信息，完成舰船SINS的粗对准；建立高动态环境下舰船SINS的非线性误差模型；建立舰船高动态环境下的非线性滤波方程；基于VCE的自适应CKF算法对***噪声进行实时估计，同时估计出***的失准角；利用步骤5中估计出来的失准角来修正***的初始捷联姿态矩阵，得到精确的初始捷联矩阵，完成动基座下的精对准过程。本发明解决了惯导***初始对准中的非线性问题和噪声不确定问题，有效提升对准综合性能。

Description

一种舰船捷联惯性导航***自适应初始对准方法

技术领域

本发明涉及导航领域，具体涉及一种舰船光纤捷联惯性导航***的初始对准方法。

背景技术

捷联惯性导航***(Strapdown Inertial Navigation System,SINS)可以利用加速度计和陀螺仪敏感到运载体自身的线速度和角速度信息，从而提供速度、位置及姿态等导航信息。由于SINS具有全天候、自主性、抗干扰、隐蔽性高、能够提供多种导航信息、体积小、价格低等诸多优点，被广泛应用于航海领域。而初始对准为舰船SINS提供初始信息，是SINS进行正常导航工作的前提。初始对准的精度将直接影响到导航***的导航精度，因此对初始对准技术进行研究具有重要的理论和实际意义。

目前，在进行初始对准时一般将惯性导航***简化为线性***，但是实际的***存在非线性，尤其是在舰船高动态情况下。将非线性***近似为线性***来处理将会降低滤波算法的精度，甚至会引起滤波发散。因此非线性滤波器得到了越来越多的关注，其中最为常用的是扩展卡尔曼滤波器(Extended Kalman Filter,EKF)和无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)。但是EKF和UKF在强非线性、高维度***中存在滤波精度不高且容易发散的问题。此外，上述滤波器还要求***模型的先验知识严格已知，但由于***本身器件误差的漂移、舰船高机动引起的动态误差以及外部环境不确定因素的影响，这一要求在实际应用中是很难满足的。

为解决***的不确定性问题，目前国内外学者已经提出了多种自适应滤波算法，如Sage-Huge自适应滤波算法、自适应因子调节算法等。虽然这些自适应算法对***的估计精度有一定程度上的改善，但是在实际运用中，仍然存在一定的局限。如：Sage-Huge自适应滤波算法不能在过程噪声和量测噪声同时未知时使用，它需要已知其中的一个量；渐消因子自适应滤波每次迭代智能有一个最佳渐消因子，对于较复杂的***模型来说不能保证滤波器的最佳估计。

本发明通过引入基于方差分量估计(Variance Component Estimation,VCE)的自适应容积卡尔曼滤波(Cubature Kalman Filter,CKF)，抑制***非线性和不确定性问题对舰船SINS初始对准精度及导航精度的影响，完成舰船的高精度初始对准，为舰船高精度导航奠定基础。

发明内容

本发明的目的是提供一种能够同时解决惯导***非线性和***噪声不确定性问题的舰船捷联惯性导航***自适应初始对准方法。

本发明的目的是通过以下步骤来实现的：

步骤1：舰船SINS开始工作，采集SINS中光纤陀螺仪和加速度计的测量信息；

步骤2：根据舰船上所搭载的全球定位***提供舰船的初始位置，以及采集到的光纤陀螺、加速度计信息，利用解析式粗对准算法初步确定舰船的姿态信息，完成舰船SINS的粗对准；

步骤3：建立高动态环境下舰船SINS的非线性误差模型；

步骤4：建立舰船高动态环境下的非线性滤波方程；

步骤5：利用基于VCE的自适应CKF算法对***噪声进行实时估计，同时估计出***的失准角；

步骤6：利用步骤5中估计出来的失准角来修正***的初始捷联姿态矩阵，得到精确的初始捷联矩阵，从而完成动基座下的精对准过程。

进一步地，所述基于VCE的自适应CKF算法，其步骤为：

1)首先定义三组伪观测量；

2)根据残差理论，分别计算三组伪观测量的***残差向量；

3)执行CKF滤波过程，计算出***残差向量的方差矩阵；

4)得到相互独立的三组量测向量的多余观测分量；

5)计算过程噪声方差分量和量测噪声方差分量的多余观测分量；

6)得到量测噪声方差阵和过程噪声方差阵；

7)重复执行步骤3)-步骤6)。

本发明具有如下有益效果：通过构建VCE的自适应CKF算法，同时解决了高动态机动环境下舰船***的非线性问题和***的状态噪声和量测噪声统计特性不确定的问题，有效提升了对准滤波算法的稳定性、鲁棒性，与传统CKF算法相比，采用本发明方法后，航向失准角误差收敛速度更快，精度更高，初始对准综合性能得到提升。

附图说明

图1为本发明方法的流程图；

图2为第一组条件下利用本发明与传统方法时失准角的纵摇失准角对比曲线；

图3为第一组条件下利用本发明与传统方法时失准角的横摇失准角对比曲线；

图4为第一组条件下利用本发明与传统方法时失准角的航向失准角对比曲线；

图5为第二组条件下利用本发明与传统方法时失准角的纵摇失准角对比曲线；

图6为第二组条件下利用本发明与传统方法时失准角的横摇失准角对比曲线；

图7为第二组条件下利用本发明与传统方法时失准角的航向失准角对比曲线；

图8为第三组条件下利用本发明与传统方法时失准角的纵摇失准角对比曲线；

图9为第三组条件下利用本发明与传统方法时失准角的横摇失准角对比曲线；

图10为第三组条件下利用本发明与传统方法时失准角的航向失准角对比曲线。

具体实施方式

以下结合附图对本发明进行详细说明。

结合图1～4，本发明是一种基于CKF和VCE方法的舰船SINS自适应初始对准方法，具体实施方式为：

步骤1：舰船SINS开始工作，采集SINS中光纤陀螺仪和加速度计的测量信息；

步骤2：根据舰船上所搭载的全球定位***提供舰船的初始位置，以及采集到的光纤陀螺、加速度计信息，利用解析式粗对准算法初步确定舰船的姿态信息，完成舰船SINS的粗对准；

步骤3：建立高动态环境下舰船SINS的非线性误差模型：

其中，是载体系b到导航坐标系n之间的方向余弦矩阵；是载体系b到计算导航坐标系n′之间的方向余弦矩阵；是导航坐标系n到计算导航坐标系n′之间的方向余弦矩阵；是陀螺仪的量测误差；和分别是n系相对惯性坐标系i的旋转角速率及其测量误差；和δf^b分别是加速度计测量值及测量误差；是地球自转角速率，是地球自转角速率误差；是计算的位置速率，是位置速率误差；和δvⁿ分别是速度和速度误差；为加速度计测量噪声矢量；为纬度；δλ和分别为经度和纬度误差；R_M和R_N分别为地球子午面和卯酉面的曲率半径；α＝[α_x α_y α_z]^T是欧拉角，C_ω为中间变量，且有

步骤4：建立舰船高动态环境下的非线性滤波方程，表达式为：

所涉及状态向量为式中，δλ,为经纬度误差、δv_x,δv_y为东向北向速度误差、α_x,α_y,α_z为失准角、ε_x,ε_y,ε_z为陀螺常值漂移和为加速度计零偏；

所涉及噪声向量为w_k＝[0_2×1 w_ax w_ay w_gx w_gy w_gz 0_5×1]^T式中，w_ax,w_ay,w_az为加速度计测量噪声，w_gx,w_gy,w_gz为陀螺仪的测量噪声；

***观测量为舰船上所安装的SINS与多普勒计程仪所测舰船速度之差，量测噪声为η＝[η_x η_y]^T，观测方程为：

步骤5：考虑舰船高动态情况下的不确定性因素，基于VCE的自适应CKF算法对***噪声进行实时估计，同时估计出***的失准角；

1)首先定义三组伪观测量：

2)根据残差理论，分别计算三组伪观测量的***残差向量，表达式为：

3)执行CKF滤波过程量，计算出***残差向量的方差矩阵，计算表达式分别为：

4)得到相互独立的三组量测向量的多余观测分量，分别为：

5)过程噪声方差分量和量测噪声方差分量的多余观测分量为：

6)根据Helmert方差分量估计可知方差分量因子可由残差向量与相应的多余观测分量按照如下公式得到：

则在任意k时刻，观测向量l_z(k)的方差因子的计算表达式为：

其中i＝1,2,...,p，p为Δ(k)的维数。

可得到***的量测噪声方差阵R和过程噪声方差阵Q分别为：

步骤6：利用步骤(5)中估计出来的失准角来修正***的初始捷联姿态矩阵，即可得到精确的初始捷联矩阵，从而完成动基座下的精对准过程。

本发明的效果通过如下方法得到验证：

利用实验室仿真对本发明算法进行仿真验证，仿真初始条件设置如下：

表1初始参数设置

仿真结果如图2～图5所示，为更加清晰地分析本发明的优越性，将本发明和传统CKF滤波算法对三组失准角参数下航向误差整理为表2。

表2三组参数下航向失准角误差仿真结果

由图2～图10可以看出，采用本发明方法，纵向、横向和航向估计误差可在50s内迅速收敛，水平误差角收敛在1角分以下，航向误差角收敛在5角分内。与传统CKF算法相比，采用本发明算法后，航向失准角误差收敛速度更快，精度更高。综上所述，本发明提供的方法，可以同时解决***初始对准中的非线性和不确定性，在各种参数情况下均能够实现快速高精度对准。

Claims (2)

1.一种舰船捷联惯性导航***自适应初始对准方法，其特征在于，包括如下步骤：

步骤1：舰船SINS开始工作，采集SINS中光纤陀螺仪和加速度计的测量信息；

步骤2：根据舰船上所搭载的全球定位***提供舰船的初始位置，以及采集到的光纤陀螺、加速度计信息，利用解析式粗对准算法初步确定舰船的姿态信息，完成舰船SINS的粗对准；

步骤3：建立高动态环境下舰船SINS的非线性误差模型；

步骤4：建立舰船高动态环境下的非线性滤波方程；

步骤5：基于VCE的自适应CKF算法对***噪声进行实时估计，同时估计出***的失准角；

步骤6：利用步骤5中估计出来的失准角来修正***的初始捷联姿态矩阵，得到精确的初始捷联矩阵，完成动基座下的精对准过程。

2.如权利要求1所述的一种舰船捷联惯性导航***自适应初始对准方法，其特征在于，所述基于VCE的自适应CKF算法，其步骤为：

1)首先定义三组伪观测量；

2)根据残差理论，分别计算三组伪观测量的***残差向量；

3)执行CKF滤波过程，计算出***残差向量的方差矩阵；

4)得到相互独立的三组量测向量的多余观测分量；

5)计算过程噪声方差分量和量测噪声方差分量的多余观测分量；

6)得到量测噪声方差阵和过程噪声方差阵；

7)重复执行步骤3)-步骤6)。