论文部分内容阅读
在微型惯性导航系统中，微惯性测量单元（Micro Inertial Measurement Unit，简称MIMU）的测量误差是影响惯性导航系统精度的重要因素。通过误差补偿算法求取MIMU误差模型中的误差参数，利用该误差模型来对导航过程中的相关误差进行补偿，实验证明MIMU误差模型的建立能够有效地提高微惯性导航系统的导航精度。本课题从以下两方面对测量误差进行研究：(1)微惯性测量单元的标定本课题对微惯性测量单元的误差原因进行了分析之后，建立了微惯性测量单元的标定误差模型。陀螺仪标度因数的非线性特性的严重性使得微机械陀螺仪的精度不理想，本文提出了对陀螺仪进行非线性补偿的方法。通过对陀螺仪标定因数的非线性特性进行分析，采用了两种方法即非线性插值法与基于BP神经网络的方法对陀螺仪进行非线性补偿。通过实际的摇摆试验对补偿效果进行验证，试验证明两种方法都有效，但是基于BP神经网络方法的效果要比非线性插值法理想，这充分体现了BP处理非线性特性的能力。(2)微惯性测量单元的精度相对于激光及光纤等惯性测量单元要低，而且还对温度比较敏感，所以如何抑制温度对MIMU精度的影响是一门很热门的技术。温度漂移不仅与温度值有关，而且与温度变化率有关，所以本课题引入温度变化率对陀螺仪进行温度误差补偿。本课题是以温度为30℃下已经标定好的输出数据作为参考值，通过对静态温度试验与动态温度试验的输出数据进行研究，建立了全范围的温度误差补偿模型。这种方法将零位、标度因数、安装误差统一起来，改变了传统地分别单独地对标定因数或者零位进行温度补偿的方法。本课题采用两种方法即多项式拟合法与RBF神经网络法对MIMU的温度补偿建立模型，利用RBF神经网络指数衰减的高斯非线性函数，对陀螺仪和加速度计的输入与输出映射进行逼近，并通过试验来比较RBF网络方法与传统的多项式拟合方法的优劣。最后，通过采集某型号系统的静态和动态试验数据，进一步对本课题提出的MIMU标定误差技术与MIMU温度补偿技术进行分析，证明了本课题所提出的新方法能够有效提高微惯性测量单元的测量精度，为提高导航结算定位精度奠定基础。