论文部分内容阅读
采用MEMS技术研制出的惯性传感器就是加速度计和陀螺传感器，它具有体积小、成本低，可靠性高等特点，对国防具有重大的战略意义。因此，开发基于MEMS技术的高性能捷联惯性导航系统(Strapdown Inertial Navigation System，SINS)已经成为当前惯性技术领域的一个研究热点问题。
本论文以构建MEMS-SINS为基础，在大气数据系统和地磁导航辅助下，依据技术指标要求，对系统的总体进行了设计，并完成了MEMS-SINS的样机生产。为了在高动态、宽温度范围条件下提高工程应用的精度，本文采用了一系列关键技术来保证和提高SINS的性能指标。本文的主要贡献可以概括为以下几个方面:
1．依据预研项目提出的技术指标，首先从系统的角度进行了论证和计算；其次完成了系统总体的设计，并完成了工程样机；最后，标定后的样机与激光主惯导系统一起进行了跑车实验，经过跑车实验验证后在某型号无人机上进行了试飞，通过跑车和试飞实验的数据表明，该系统的位置、速度、航向和姿态角等导航参数达到了技术指标的要求，并且为以后的关键技术的研究提供了硬件基础。
2．推导了基于运动坐标系的捷联惯导系统的力学方程，描述了运载提体的力学特性和运动规律；接下来在地心惯性坐标系下建立了运载体的比力方程，最后在导航坐标系下建立了捷联惯导系统的位置方程、速度方程和误差传播方程。
3．在研究国际地磁场模型和地磁测量信号特点的基础上，为了提高系统航向和位置匹配精度，提出了一种采用RBF神经网络技术对地磁位置信号的匹配方法。首先利用小波降噪技术对地磁信号进行了降噪，其次，对降噪后的地磁信号进行磁航向解算，采用RBF神经网络技术进行地磁信号的位置匹配。最后通过实验验证了提高了的系统航向和位置匹配精度。
4．为了克服传感器的重复性误差和提高大气参数的解算精度，利用多层感知机网络对大气数据系统进行了设计。首先，采用两个硅谐振式绝压传感器分别测量大气的静压和动压，用一个温度传感器测量大气总温。大气总温用来修正压力传感器的温度特性，将温度修正后的两个传感器和温度传感器测量值作为已经训练好的多层感知机网络的输入，神经网络的输出数据就是解算后的大气参数，实验证明该算法能够很好地克服传感器的重复性和提高大气参数的解算精度。
5．为了减少MEMS陀螺的随机漂移误差，提出了一种基于小波域上的Karhunen-Loeve Transformation(KLT)去噪方法。其主要思想是:首先，对分段的MEMS陀螺漂移信号进行小波分解；其次，对各个中高频子带进行6抽头滤波，插值成和最高频带相同长度的样本点后，利用小波各尺度间的相似性进行高频分量的KLT变换，在一定程度上去除不相干噪声；最后，对KLT降噪后的信号再进行小波阈值处理，完成进一步的降噪。相对于基于小波变换的各种阈值方法，采用本文的方法对陀螺输出信号的方差、零偏稳定性和随机游走误差都有了明显的改善。另外，为了消除传统小波变换带来的相位失真以及为了当前时刻以后的数据不参与小波变换，从而满足实时性要求，本文提出了一种基于(a)trous小波变换的MEMS陀螺角速度的去噪方法。维持跨尺度的模最大值系数以保持信号的奇异性，实验结果表明该方法不仅在转台相对静止时能有效地降低信号的标准差，而且在转台动态变化时能及时地跟踪上信号的变换。
6．在组合导航系统中应用最多、最成功的融合方法是Kalman滤波算法。针对低成本的MEMS-SINS/GNS/ADS组合导航系统，本文提出了一种基于KPCA(Kernel principal component analysis)的UKF(Unscented Kalman Filtering)信息融合算法。为了克服扩展Kalman滤波(Extended Kalman Filtering,EKF)精度不高、稳定性差、计算繁琐等缺点，本文采用UKF融合方法。首先，采用四元数法进行捷联惯导系统的姿态角解算。其次，在得到姿态角后，通常利用定时启动UKF的方法进行姿态角误差校正。如果定时周期长，就会产生姿态角发散；如果定时周期短，不仅会导致复杂度提高，影响实时效果，而且在姿态角误差很小的情况下也会导致强制性执行滤波，造成状态估计性能下降。所以，在定时启动UKF时刻，利用四元数的KPCA重构误差来判定是否启动UKF。如果重构误差大于一定阈值，就利用UKF对捷联惯导系统的位置和速度信息进行误差校正；否则继续利用四元数法进行姿态解算。跑车实验结果验证了该方案相对EKF的优越性。