技术领域本发明属于导航姿态参数校准的技术领域，具体涉及一种机载惯导系统姿态参数校准方法与装置。
背景技术：
惯性导航系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，具有很好的隐蔽性，不受外界电磁干扰的影响。在航空领域中，它是各种飞机不可缺少的导航系统，其姿态精度性能对飞机导航至关重要，因此必须对惯导系统的姿态精度进行校准。与其它机载设备一样，惯性导航系统必须在真实飞行条件下进行试飞，从而为新型惯性导航系统的设计定型/鉴定提供技术依据，但是，长期以来，惯性导航系统的试飞鉴定、特别是实际使用环境中姿态参数的校准问题尚未很好解决。目前国内一般采用地面转台对惯导系统参数进行校准，中国专利“一种POS方位精度和姿态精度的地面测试方法”(CN201010613323.X)和中国专利“一种高精度多惯导系统姿态精度评定方法”(CN201210156278.9)均是在地面转台上进行，通过设定轨迹并旋转转台，以转台提供的方位角和水平姿态角信息为基准，对惯导系统输出姿态参数进行精度校准。地面转台试验可以对惯导系统进行高精度校准，但是，实际中飞机受到天气、气流等影响，导致惯导系统工作在复杂的动态环境中，这种使用环境与实验室校准平台环境存在较大差异，从而对实验室校准结果的可信度产生影响。星敏感器以天球惯性坐标系中的恒星为参考基准，输出载体在惯性空间中的绝对姿态信息，具有无漂移、精度高等特点，但是，当用于飞机机载设备时，飞机机动性较强，传统星敏感器由于曝光时间较长，出现成像光斑拖尾的现象，造成星点定位精度下降，严重时甚至不能输出姿态。相比于传统星敏感器，高动态星敏感器具有极高的探测灵敏度，曝光时间相对于传统星敏感器大为缩短，在实际飞行的复杂动态环境下仍然能够实现高精度姿态输出，因此本发明以高动态星敏感器输出姿态数据为基准，完成机载惯导系统姿态参数的动态在线校准。
技术实现要素：
本发明提出一种基于高动态星敏感器的惯导系统姿态参数的校准方法与装置，以高动态星敏感器为数据获取手段，以恒星为测量对象，通过探测天球上的多颗恒星，并进行星点定位、星图识别和姿态解算，提供星敏感器相对于惯性参考系的姿态；然后，根据星敏感器坐标系与惯导系统坐标系间的变换关系，得到惯导坐标系下的飞机姿态基准数据；最后，以此基准数据为参考，与惯导系统的姿态数据进行比对，从而实现机载环境下对惯导系统姿态精度的动态在线校准。本发明采用的技术方案为：一种机载惯导系统姿态参数校准装置，该校准装置包括高动态星敏感器、GPS同步授时系统、数据采集器、稳压电源和固定支架，其中，固定支架用于固定安装校准装置高动态星敏感器、GPS同步授时系统、数据采集器和稳压电源以及待校准的惯导系统，稳压电源则为高动态星敏感器、GPS同步授时系统和数据采集器以及待校准的惯导系统供电，当需要校准时，将待校准的惯导系统安装在固定支架上，高动态星敏感器将姿态数据及其对应时刻的脉冲信号输出到数据采集器，GPS同步授时系统用于提供标准GPS时间，其中，待校准惯导系统数据直接进行授时，而高动态星敏感器则需要首先对脉冲信号进行授时，然后利用脉冲信号与高动态星敏感器姿态数据一一对应的性质，间接完成对高动态星敏感器输出姿态数据的授时。本发明还提供一种机载惯导系统姿态参数校准方法，利用上述的机载惯导系统姿态参数校准装置，该校准方法步骤如下：步骤一、坐标系基准统一步骤；将星敏感器与惯导系统的相对参考系统一，即建立惯性坐标系与地理坐标系的转换关系；然后，利用惯导系统姿态数据与星敏感器姿态数据将二者间的常值误差矩阵解算出来；步骤二、数据采集与校准步骤；步骤(1)、以恒星为测量对象，通过高动态星敏感器探测天球上的多颗恒星，并进行星点定位、星图识别和姿态解算，提供星敏感器相对于惯性参考系的姿态；以步骤一得到的星敏感器坐标系与惯导系统坐标系的基准统一变换关系，得到惯导坐标系下的飞机姿态基准数据；步骤(2)、以步骤(1)得到的基准数据为参考，与惯导系统的姿态数据进行比对，从而实现机载环境下对惯导系统姿态精度的动态在线校准。其中，步骤一坐标系基准统一的关键在于常值误差矩阵Bsg的解算，通过选取N个采样点，每个采样点采集M对有效数据，则共有N×M个星敏感器与惯导系统的有效数据对，每对数据满足式(3)，式中，表示第i个采样点的第j组惯导系统相对于地理坐标系的姿态数据与星敏感器相对于地理坐标系的姿态数据组成的数据对，Bsg为待求的常值误差矩阵，Qt(ij)g=BsgQt(ij)s,1≤i≤N,1≤j≤M---(3)]]>然后，采用QUEST算法求解Bsg的最佳估计值，其步骤如下：①首先，对式(3)进行改写，其等价表达式如式(4)所示，式中，r1、r2、r3和w1、w2、w3分别表示的列向量，r1r2r3(ij)=Bsgw1w2w3(ij),1≤i≤N,1≤j≤M---(4)]]>进一步的，将式(4)写成列向量分量形式如式(5)所示，式中(rijk,wijk)表示第i个采样点的第j组对应姿态数据的第k个列向量分量对，rijk=Bsgwijk,1≤i≤N,1≤j≤M,1≤k≤3---(5)]]>②经过上述改写后，式(3)等价为式(5)，而式(5)为典型的Wahba问题，即求解Bsg的最佳估计值，等效为求解行列式为1的最优正交矩阵Bsg，使得损失函数：L(Bsg)≡12Σi=1NΣj=1MΣk=13aijk|rijk-Bsgwijk|2---(6)]]>最小，式中，aijk为非负系数，这里取aijk恒为1；③最后，利用QUEST算法，求解Bsg的最优估计值：首先，由获得的有效数据，分别计算有关中间变量，其公式如式(7)～(11)所示。B=Σi=1NΣj=1MΣk=13aijkrijk(wijk)T---(7)]]>σ=tr(B)=Σi=1NΣj=1MΣk=13aijkrijk·wijk---(8)]]>S＝B+BT(9)Z=Σi=1NΣj=1MΣk=13aijk(rijk×wijk)---(10)]]>利用上述中间变量，可以将矩阵Bsg的最优估计问题，转化为与之等价的四元数的最优估计问题，其公式如(12)所示，式中λmax为矩阵K的最大特征值，与Bsg等价，为λmax对应的特征向量，Kq‾opt=λmaxq‾opt---(12)]]>对式(12)，在给定精度下可以利用牛顿-拉夫逊迭代法求解则由及式(7)～(10)可得，的最优估计计算过程如式(13)～(16)所示，其中，式(13)中的tr(A)、adj(A)和det(A)分别表示矩阵A的迹、伴随矩阵和行列式，κ＝tr(adj(S)),△＝det(S)(13)α=(λ^max)2-σ2+κβ=λ^max-σγ=(λ^max+σ)·α-Δ---(14)]]>X＝(αI+βS+S2)Z(15)q‾opt=q→r+q0=(q1,q2,q3,q0)T=1γ2+|X|2