基于载体系速度匹配的容积卡尔曼非线性组合导航方法

文档序号:6215312阅读:360来源:国知局
基于载体系速度匹配的容积卡尔曼非线性组合导航方法
【专利摘要】本发明提供了基于载体系速度匹配的容积卡尔曼非线性组合导航方法。主要步骤包括:初始化组合导航系统;建立直接以导航参数为状态量以及以载体系速度为量测量的非线性滤波模型及其离散化;构建状态方程和量测方程均为非线性的容积卡尔曼滤波算法,实现组合导航的信息融合和精确的导航定位。优点在于本发明建立的非线性模型以及使用的非线性滤波算法,直接输出的是导航参数,不需要进行误差修正,且捷联惯导系统参数更新与滤波器的时间更新同步实现,算法简单,为以捷联惯性导航系统为主的组合导航系统信息融合提供了一种新方案。
【专利说明】基于载体系速度匹配的容积卡尔曼非线性组合导航方法
【技术领域】
[0001]本发明涉及一种捷联惯性导航系统与提供载体系速度的辅助装置(如多普勒测速仪、里程计等导航设备)构成组合导航系统时的信息融合技术,属于导航、制导与控制【技术领域】。
【背景技术】
[0002]捷联惯性导航系统中惯性测量单元主要包含三只陀螺仪和三只加速度计,通过对陀螺仪测得的角速度信息和加速度计测得的线加速度信息进行积分来获得载体位置、速度和姿态等导航信息,具有信息完备、自主性强,不依赖于任何外界信息而可以独立工作,短时精度高等优点,在很多情况下,成为运载体的首选导航方式。但是,捷联惯性导航系统的误差随着时间积累,长时间导航时需要其它传感器辅助,因此常与其他导航设备构成组合导航系统。
[0003]目前以捷联惯性导航为主的组合导航系统的滤波模型大多是基于误差模型,在误差视为小量的情况下,将误差模型线性化,然后采用卡尔曼滤波对误差进行估计,而捷联惯性导航系统的误差模型本质是非线性的,在做线性化近似时会引入额外误差;采用速度匹配方式时,量测量通常为导航系中的速度误差,而实际情况下量测量通常都是载体系的速度,这需要将载体系速度转换到导航系中;采用误差模型时通常为两套算法,一套为捷联惯性导航系统参数更新算法,另一套为滤波算法,估计导航参数误差,并且需对导航参数进行误差修正。本发明中状态量直接采用导航参数,而不是误差,量测量采用载体系速度,而不是常用的导航系速度误差,模型不做任何近似和约束,更为准确;采用容积卡尔曼非线性滤波算法,不需要线性假设,更符合惯导系统的非线性本质,适用于状态方程和量测方程均为非线性的情况;捷联惯导系统的导航参数更新与滤波过程的时间更新同步实现,且滤波输出为导航参数,不需要进行误差修正,算法简单。

【发明内容】

[0004]本发明的目的在于状态量直接采用导航参数、量测量采用载体系速度、利用容积卡尔曼非线性滤波方法来实现数据融合计算,为以捷联惯性导航系统为主的组合导航系统信息融合提供一种新方案。
[0005]本发明主要包含以下步骤:
[0006]步骤1、初始化组合导航系统,为系统的导航参数更新提供初始值:使用位置传感器获取载体的初始位置参数;根据陀螺仪测得的角速度信息和加速度计测得的线加速度信息,以及速度传感器测得的载体系速度,由捷联惯性导航系统初始对准算法获取载体的初始姿态欧拉角信息和初始导航系速度信息;
[0007]步骤2、根据捷联惯性导航系统的导航参数微分方程、惯性传感器模型,以及以载体系速度为量测量的量测方程,选定10维系统状态量和3维量测量,建立非线性连续系统模型;[0008]步骤3、将步骤2中建立的非线性连续系统模型离散化,形成非线性离散系统模型;
[0009]步骤4、根据步骤3中建立的非线性离散系统模型的状态方程与量测方程均为非线性的特点,构建容积卡尔曼非线性滤波算法,滤波过程中,时间更新周期与量测更新周期不同;
[0010]步骤5、将惯性传感器的输出以及辅助传感器提供的载体系速度代入步骤4的滤波算法中,进行非线性滤波,直接输出组合后的导航参数。
[0011]本发明还可以包括这样一些特征:
[0012]1.所述的步骤2根据捷联惯性导航系统的速度微分方程、欧拉角微分方程、惯性传感器模型,以及以载体系速度为量测量的量测方程,选定10维状态量和3维量测量,建立非线性连续系统模型,具体为:
[0013]以东北天(east-north-up)地理坐标系作为导航坐标系(η系),以载体右前上(bx-by-bz)方向矢量右手定则构成的坐标系作为载体坐标系(b系)。
[0014]捷联惯性导航系统的速度微分方程为
【权利要求】
1.基于载体系速度匹配的容积卡尔曼非线性组合导航方法,其特征在于该方法包括下列步骤: 步骤1、初始化组合导航系统,为系统的导航参数更新提供初始值:使用位置传感器获取载体的初始位置参数;根据陀螺仪测得的角速度信息和加速度计测得的线加速度信息,以及速度传感器测得的载体系速度,通过捷联惯性导航系统使用初始对准算法获取载体的初始姿态欧拉角信息和初始导航系速度信息; 步骤2、根据捷联惯性导航系统的导航参数微分方程、惯性传感器模型,以及以载体系速度为量测量的量测方程,选定10维系统状态量和3维量测量,建立非线性连续系统模型; 步骤3、将步骤2中建立的非线性连续系统模型离散化,形成非线性离散系统模型;步骤4、根据步骤3中建立的非线性离散系统模型的状态方程与量测方程均为非线性的特点,构建容积卡尔曼非线性滤波算法,滤波过程中,时间更新与量测更新周期不同;步骤5、将惯性传感器的输出以及辅助传感器提供的载体系速度代入步骤4的滤波算法中,进行非线性滤波,直接输出组合后的导航参数。
2.根据权利要求1所述的基于载体系速度匹配的容积卡尔曼非线性组合导航方法,其中所述的步骤2根据捷联惯性导航系统的速度微分方程、欧拉角微分方程、惯性传感器模型,以及以载体系速度为量测量的量测方程,选定10维系统状态量和3维量测量,建立非线性连续系统模型,具体为: 以东北天地理坐标系作为导航坐标系-η系,以载体右前上方向矢量右手定则构成的坐标系作为载体坐标系_b系; 捷联惯性导航系统的速度微分方程为
3.根据权利要求1所述的基于载体系速度匹配的容积卡尔曼非线性组合导航方法,其中所述的步骤3中将步骤2中建立的非线性连续系统模型离散化,得到非线性离散系统模型。采用四阶龙格库塔方法将状态方程离散化,非线性离散系统模型为
4.根据权利要求1所述的基于载体系速度匹配的容积卡尔曼非线性组合导航方法的步骤,其中所述的步骤3中容积卡尔曼非线性滤波器的滤波步骤为 1)初始化系统状态向量及其方差矩阵
5.根据权利要求1所述的基于载体系速度匹配的容积卡尔曼非线性组合导航方法,其中所述的步骤5中由于系统状态向量为导航参数,从而滤波输出不需要进行误差修正,直接为导航参数,即

Veast, Vnorth,^ ,
Y及Ψ。
【文档编号】G01C21/20GK103727941SQ201410004374
【公开日】2014年4月16日 申请日期:2014年1月6日 优先权日:2014年1月6日
【发明者】程向红, 冉昌艳, 王磊, 陈红梅, 周玲 申请人:东南大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1