CN114993346A - 适用于跨海空介质的捷联式惯性导航***的初始对准方法 - Google Patents

适用于跨海空介质的捷联式惯性导航***的初始对准方法 Download PDF

Info

Publication number
CN114993346A
CN114993346A CN202210554149.9A CN202210554149A CN114993346A CN 114993346 A CN114993346 A CN 114993346A CN 202210554149 A CN202210554149 A CN 202210554149A CN 114993346 A CN114993346 A CN 114993346A
Authority
CN
China
Prior art keywords
state
inertial navigation
navigation system
initial alignment
covariance matrix
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
CN202210554149.9A
Other languages
English (en)
Inventor
王刚
余夕林
管练武
齐钊琳
张子斌
王鹏
林开宏
谷秀毅
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202210554149.9A priority Critical patent/CN114993346A/zh
Publication of CN114993346A publication Critical patent/CN114993346A/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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Remote Sensing (AREA)
  • Operations Research (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了适用于跨海空介质的捷联式惯性导航***的初始对准方法，涉及惯性导航技术领域；方法包括：采用惯性测量元件输出的速度和加速度信息并加以计算得到速度和位置信息，同时通过卫导提供的速度和位置信息并反馈到惯导***，通过算法实现对惯导***相关参数误差的估计。首先通过数据压缩技术实现多次迭代的粗对准方法，在惯导进入导航模式前最大的提高粗对准精度；然后通过改进的滤波技术、状态协方矩阵的优化，通过测量速度和位置误差来估计惯性器件零位误差等惯导***易变参数；最后将估计得到的误差补偿回惯导***从而提高***导航精度。

Description

适用于跨海空介质的捷联式惯性导航***的初始对准方法
技术领域
本发明属于惯性导航技术领域，具体涉及适用于跨海空介质的捷联式惯性导航***的初始对准方法。
背景技术
惯性导航器件工作初始时刻需要对惯性器件进行初始对准，由高精度测量元件对惯性器件进行速度、位置信息修正。在船舶和航空所用的惯导器件虽然原理相同、作用相似，但是在实际工作中二者在数据处理上以及性能指标上有很大的区别。船用惯性导航器件——光纤罗经以及航空惯导器件——机载导航***，二者不能实现互换，例如：传统的光纤罗经(船用惯性导航器件)在航空飞机上，由于较大的机动使得适用效果较差。而传统机载惯导又不适应海浪引起的“晃动”环境，从而初始对准误差较大。
目前，随着极地作业所要求的难度上升、水路两栖飞机的兴起，迫切的需求一种既能够在海上船舶工作，也能够在天空飞机工作的惯性导航装置，与之相对应的需要一种捷联惯性导航算法来进行工作。同时，由于船用惯性惯导器件初始对准时间和机用惯性导航初始对准时间要求不同；在不同的对准时间内，达到不同使用要求的精度是提高适用性的重点。
发明内容
为解决传统的卡尔曼滤波速度慢，跨介质惯导对准性能差等问题；本发明的目的在于提供适用于跨海空介质的捷联式惯性导航***的初始对准方法，能够实现即适用与海面环境对准又适用于高机动的航空环境的跨介质对准算法。实现5分钟内粗对准，1小时内达到经对准指标；5分钟后航向精度就可以满足需求指标。
本发明，适用于跨海空介质的捷联式惯性导航***的初始对准方法，方法包括：
采用惯性测量元件输出的角速度和加速度信息并加以计算得到速度和位置信息，同时通过卫导提供的速度和位置信息来反馈到惯导***，估计惯导***相关参数的误差，从而提高导航精度；通过相关算法对之前得出的初始对准模型进行估测，尽可能降低***状态协方矩阵的维数、优化***矩阵；采用卡尔曼滤波对部分误差进行估计的同时，采用对初始对准时期反馈的数据进行反复利用的迭代估计，迭代估计也同时对***的状态协方矩阵进行优化。
适用于跨海空介质的捷联式惯性导航***的初始对准方法，具体包括以下步骤：
步骤一：利用采集的高精度初始对准数据建立惯导***的初始对准，模型：
Figure BDA0003654220950000021
取地理坐标系t系；
Figure BDA0003654220950000022
分别为地理坐标系的东、北、方位姿态角误差。δVE、δVN、δVU为地理系的东、北、天方向上的速度误差，δL、δλ为经、维误差，εx、εy、εz为惯性测量器件的陀螺漂移，
Figure BDA0003654220950000023
为加速度计零偏，且陀螺漂移、加速度计零偏为常值误差；
初始对准的状态方程为：
Figure BDA0003654220950000024
其中A表示14X14维的状态系数矩阵，G表示组合导航***的噪声状态系数矩阵，W表示组合导航******噪声矢量；
步骤二：对高精度导航装置与惯性导航元件数据融合后得到量测方程，得到速度和位置有关信息的矩阵z；
z＝Hx+η
其中z：
z＝[δL δλ δVE δVN ]T
H为量测矩阵，η为量测噪声；
步骤三：采用卡尔曼滤波所用的初始对准模型来进行估计，调整***协方差矩阵的维数，优化***的状态方程，对模型的估测如下：
Xk＝φk∣k-1Xk-1+Γk∣k-1Wk-1
Zk＝HkXk+Vk
其中Xk-1、Wk-1为上一时刻已知的状态向量；φk∣k-1、Γk∣k-1和Hk为***结构参数；Xk、Zk为此刻的状态和量测方程；对上述状态观测方程采用卡尔曼法进行迭代更新，能够对模型进行误差估计：
由上一时刻的状态求取下一时刻的状态：
Xk|k-1＝φk∣k-1Xk-1
求取下一时刻的状态预测协方差矩阵：
Figure BDA0003654220950000031
求取卡尔曼滤波增益：
Figure BDA0003654220950000032
进行状态估计：
Xk＝Xk∣k-1+Kk(zk-HkXk∣k-1)
***的状态协方差矩阵为：
Pk＝(I-KKHk)PK|K-1
对初始***的状态协方差矩阵P0进行设计，降低***的状态协方差矩阵的维数；
步骤四：对数据进行反复的迭代处理，包括：及时调整***的状态协方差矩阵P0的维数，对加速度计的零偏进行迭代估计，形成加速度计闭环回路，使加速度计的零偏能够降低；对陀螺仪零偏进行迭代估计，同样使陀螺仪零偏能够降低；之后进行进一步迭代估计，要求此次迭代估计能够使陀螺仪和加速度计的零偏误差降低对准前的加速度计、陀螺仪的零偏误差的二分之一。
与现有技术相比，本发明的有益效果为：
提供了船用——机用的捷联式惯性导航***的初始对准方法，该方法从调整协方差的角度实现了状态误差矩阵的优化与改善；对状态方程进行降维处理同时对传统误差方程收敛慢缺点进行改善，极大的提高了***的误差精度以及改善了初始对准的精度和时间。
附图说明
为了易于说明，本发明由下述的具体实施及附图作以详细描述。
图1为本发明的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
本具体实施方式采用以下技术方案：由于采用卡尔曼滤波会造成惯性器件收敛性慢的问题，本次发明采用优化状态协方差矩阵来改善***的初始对准模型，提高***的对准精度，减少对准时间；同时，结合高精度传感器件确保惯性导航***能够在长时间内保持高精度的工作。
实施例一：一种适用于跨海空介质的捷联式惯性导航***的初始对准方法，具体流程如图1所示，基于船舶、飞机捷联惯导***的误差传播规律以及外部高精度传感器所提供的初始信息，构造船舶、飞机捷联惯导***的初始对准模型；利用卡尔曼滤波的方法对该模型进行估计，调整***的状态协防矩阵的维度，对对准模型的部分误差量进行迭代估计；在迭代估计完成后，及时调整***的状态协防矩阵，优化***的状态协防矩阵进行进一步的迭代估计。
本具体实施方式提供了一种基于船舶、飞机的捷联式惯性导航***、采用基于状态矩阵调整的初始对准方法；由陀螺仪和加速度计采集出的角速度和加速度信息，通过卡尔曼滤波实现捷联惯导的初始对准，实现了惯导***的高精度对准。具体由惯性器件和高精度传感器产生的***状态量——速度误差、位置误差、陀螺仪和加速度计零偏采取卡尔曼滤波的方式对状态方程进行调整，具体可以通过对状态方程进行降维进行处理，之后对状态量进行进一步的迭代，加快滤波的过程，降低***的误差。
实施例二：一种适用于跨海空介质的捷联式惯性导航***的初始对准方法，具体包括以下步骤：
步骤一：对于船舶、飞机的惯性导航的误差量的传播规律以及其他高精度传感器提供的信息建立船舶、飞机的初始对准模型。
对于初始对准模型可以表示为：
Figure BDA0003654220950000061
取地理坐标系t系；
Figure BDA0003654220950000062
分别为地理坐标系的东、北、方位姿态角误差。δVE、δVN、δVU为地理系的东、北、天方向上的速度误差，δL、δλ为经、维误差，εx、εy、εz为惯性测量器件的陀螺漂移，
Figure BDA0003654220950000063
为加速度计零偏，且陀螺漂移、加速度计零偏为常值误差。
初始对准的状态方程为：
Figure BDA0003654220950000064
其中A表示14X14维的状态系数矩阵，G表示组合导航***的噪声状态系数矩阵，W表示组合导航******噪声矢量。
步骤二：依据初始对准模型得到速度和位置有关信息的矩阵z
z＝HX+η
其中z：
z＝[δL δλ δVE δVN]T
H为量测矩阵，η为量测噪声。
步骤三：采用卡尔曼滤波对初始对准模型来进行估计，调整***协方差矩阵的维数，优化***的状态方程，对模型的估测如下：
Xk＝φk∣k-1Xk-1+Γk∣k-1Wk-1
Zk＝HkXk+Vk
其中Xk-1、Wk-1为上一时刻已知的状态向量；φk∣k-1、Γk∣k-1和Hk为***结构参数；Xk、Zk为此刻的状态和量测方程；对上述状态观测方程采用卡尔曼法进行迭代更新，能够对模型进行误差估计：
由上一时刻的状态求取下一时刻的状态：
Xk|k-1＝φk∣k-1Xk-1
求取下一时刻的状态预测协方差矩阵：
Figure BDA0003654220950000071
求取卡尔曼滤波增益：
Figure BDA0003654220950000072
进行状态估计：
Xk＝Xk∣k-1+Kk(zk-HkXk∣k-1)
***的状态协方差矩阵为：
Pk＝(I-KKHk)PK|K-1
对初始***的状态协方差矩阵P0进行设计，降低***的状态协方差矩阵的维数。由于船舶和飞机对于初始对准的时间要求是不一样的，本次发明通过对初始误差模型进行估计，从而达到降低***初始对准时间的效果。
步骤四：通过引用外部高精度传感器对惯导器件产生的累计误差进行修正。由于惯性器件本身所测量的角速度信息和加速度信息存在常值的零偏误差，随着时间的累积，该误差对导航器件精度影响是巨大的，最终造成整个***的速度和位置信息发散。通过采用外部高精度测量器件获取速度和位置信息，采用多次迭代的方式计算出***的零偏误差。
在实际零偏估计的过程中，由于加速度计的零偏误差估计较为简单，而陀螺仪的零偏误差估计较为困难，优先通过加速度计零偏误差对***的状态矩阵进行优化降低***的维数。接下来在对陀螺仪的零偏误差进行估计即可。
本实施例能够提供船舶和飞机的高精度对准方法，根据船用、机用惯导器件的误差传播规律建立***的初始对准模型，由于对准时间的要求，对***的状态协方差矩阵的维数需要进一步的优化，需要先对一部分的误差量进行估计；在已有误差量估计的基础之上，对数据进行再一次迭代，优化***的状态矩阵；这样既能够对加速度计的误差进行快速估计的同时，也能够实现陀螺仪的快速收敛，这样确保了惯导***的对准精度；能够在短时间内达到惯导器件的使用规范。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (2)

1.适用于跨海空介质的捷联式惯性导航***的初始对准方法，其特征在于：方法包括：
采用惯性测量元件输出的及速度和加速度信息并加以计算得到速度和位置信息，同时通过卫导提供的速度和位置信息来反馈到惯导***，估计惯导***相关参数的误差，从而提高导航精度；通过相关算法对之前得出的初始对准模型进行估测，尽可能降低***状态协方矩阵的维数、优化***矩阵；采用卡尔曼滤波对部分误差进行估计的同时，采用对初始对准时期反馈的数据进行反复利用的迭代估计，迭代估计也同时对***的状态协方矩阵进行优化。
2.适用于跨海空介质的捷联式惯性导航***的初始对准方法，其特征在于：具体包括以下步骤：
步骤一：利用采集的高精度初始对准数据建立惯导***的初始对准，模型：
Figure FDA0003654220940000014
取地理坐标系t系；
Figure FDA0003654220940000011
分别为地理坐标系的东、北、方位姿态角误差；δVE、δVN、δVU为地理系的东、北、天方向上的速度误差，δL、δλ为经、维误差，εx、εy、εz为惯性测量器件的陀螺漂移，
Figure FDA0003654220940000012
为加速度计零偏，且陀螺漂移、加速度计零偏为常值误差；
初始对准的状态方程为：
Figure FDA0003654220940000013
其中A表示14X 14维的状态系数矩阵，G表示组合导航***的噪声状态系数矩阵，W表示组合导航******噪声矢量；
步骤二：对高精度导航装置与惯性导航元件数据融合后得到量测方程，得到速度和位置有关信息的矩阵z；
z＝Hx+η
其中z：
z＝[δL δλ δVE δVN]T
H为量测矩阵，η为量测噪声；
步骤三：采用卡尔曼滤波所用的初始对准模型来进行估计，调整***协方差矩阵的维数，优化***的状态方程，对模型的估测如下：
Xk＝φk∣k-1Xk-1+Γk∣k-1Wk-1
Zk＝HkXk+Vk
其中Xk-1、Wk-1为上一时刻已知的状态向量；φk∣k-1、Γk∣k-1和Hk为***结构参数；Xk、Zk为此刻的状态和量测方程；对上述状态观测方程采用卡尔曼法进行迭代更新，能够对模型进行误差估计：
由上一时刻的状态求取下一时刻的状态：
Xk|k-1＝φk∣k-1Xk-1
求取下一时刻的状态预测协方差矩阵：
Figure FDA0003654220940000021
求取卡尔曼滤波增益：
Figure FDA0003654220940000022
进行状态估计：
Xk＝Xk∣k-1+Kk(zk-HkXk∣k-1)
***的状态协方差矩阵为：
Pk＝(I-KKHk)PK|K-1
对初始***的状态协方差矩阵P0进行设计，降低***的状态协方差矩阵的维数；
步骤四：对数据进行反复的迭代处理，包括：及时调整***的状态协方差矩阵P0的维数，对加速度计的零偏进行迭代估计，形成加速度计闭环回路，使加速度计的零偏能够降低；对陀螺仪零偏进行迭代估计，同样使陀螺仪零偏能够降低；之后进行近一步迭代估计，要求此次迭代估计能够使陀螺仪和加速度计的零偏误差降低到对准前的加速度计、陀螺仪的零偏误差的二分之一。
CN202210554149.9A 2022-05-20 2022-05-20 适用于跨海空介质的捷联式惯性导航***的初始对准方法 Pending CN114993346A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210554149.9A CN114993346A (zh) 2022-05-20 2022-05-20 适用于跨海空介质的捷联式惯性导航***的初始对准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210554149.9A CN114993346A (zh) 2022-05-20 2022-05-20 适用于跨海空介质的捷联式惯性导航***的初始对准方法

Publications (1)

Publication Number Publication Date
CN114993346A true CN114993346A (zh) 2022-09-02

Family

ID=83026767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210554149.9A Pending CN114993346A (zh) 2022-05-20 2022-05-20 适用于跨海空介质的捷联式惯性导航***的初始对准方法

Country Status (1)

Country Link
CN (1) CN114993346A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116026324A (zh) * 2023-02-10 2023-04-28 北京大学 用于水-空跨介质航行器的跨域导航***和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116026324A (zh) * 2023-02-10 2023-04-28 北京大学 用于水-空跨介质航行器的跨域导航***和方法

Similar Documents

Publication Publication Date Title
CN110487301B (zh) 一种雷达辅助机载捷联惯性导航***初始对准方法
CN109556632B (zh) 一种基于卡尔曼滤波的ins/gnss/偏振/地磁组合导航对准方法
CN110398257B (zh) Gps辅助的sins***快速动基座初始对准方法
CN103217159B (zh) 一种sins/gps/偏振光组合导航***建模及动基座初始对准方法
CN108827310A (zh) 一种船用星敏感器辅助陀螺仪在线标定方法
CN110514203B (zh) 一种基于isr-ukf的水下组合导航方法
Xue et al. In-motion alignment algorithm for vehicle carried SINS based on odometer aiding
CN113503892B (zh) 一种基于里程计和回溯导航的惯导***动基座初始对准方法
CN111121766A (zh) 一种基于星光矢量的天文与惯性组合导航方法
CN112146655A (zh) 一种BeiDou/SINS紧组合导航***弹性模型设计方法
CN103217699A (zh) 一种基于偏振信息的组合导航***递推优化初始对准方法
CN111207773B (zh) 一种用于仿生偏振光导航的姿态无约束优化求解方法
Whittaker et al. Inertial navigation employing common frame error representations
CN106802143A (zh) 一种基于惯性仪器和迭代滤波算法的船体形变角测量方法
CN116222551A (zh) 一种融合多种数据的水下导航方法及装置
CN114993346A (zh) 适用于跨海空介质的捷联式惯性导航***的初始对准方法
CN114608583A (zh) 一种高超声速飞行器动态杆臂效应智能补偿方法
CN110285830A (zh) 基于mems传感器的sins/gps速度匹配对准方法
CN111982126B (zh) 一种全源BeiDou/SINS弹性状态观测器模型设计方法
Condomines Nonlinear Kalman Filter for Multi-Sensor Navigation of Unmanned Aerial Vehicles: Application to Guidance and Navigation of Unmanned Aerial Vehicles Flying in a Complex Environment
CN115014321B (zh) 一种基于自适应鲁棒滤波的仿生偏振多源融合定向方法
CN116576849A (zh) 一种基于gmm辅助的车辆融合定位方法及***
Wang et al. An adaptive federated filter based on variational Bayes with application to multisource navigation
CN115542363A (zh) 一种适用于垂直下视航空吊舱的姿态测量方法
CN114440925A (zh) 一种auv组合导航***忽略水平姿态的dvl标定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication