車(chē)載組合導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、軍用車(chē)輛使用環(huán)境比較復(fù)雜，為了滿(mǎn)足武器系統(tǒng)快速機(jī)動(dòng)發(fā)射的需求，要求導(dǎo)航系統(tǒng)具有高精度、高可靠性、自主性和抗干擾性。任何單一的導(dǎo)航系統(tǒng)都難以滿(mǎn)足這一要求，多傳感器信息融合技術(shù)成為導(dǎo)航系統(tǒng)研究的主要技術(shù)途徑。本文以陸戰(zhàn)平臺(tái)為應(yīng)用背景，以提高導(dǎo)航系統(tǒng)定位精度、適應(yīng)能力和可靠性為目標(biāo)，設(shè)計(jì)了微捷聯(lián)慣導(dǎo)系統(tǒng)(Micro Strapdown Inertial Navigation System，MSINS)、全球定位系統(tǒng)(Global Positi

2、oning System，GPS)和電子羅盤(pán)(Electrical Compass，EC)組合的導(dǎo)航系統(tǒng)，并對(duì)其相關(guān)的關(guān)鍵技術(shù)進(jìn)行了研究，主要研究工作如下：
　　 基于FPGA和ARM搭建了MSINS/GPS/EC組合導(dǎo)航系統(tǒng)硬件平臺(tái)。為了提高組合導(dǎo)航子系統(tǒng)的精度，完成了對(duì)微慣性組件(Micro Inertial Measurement Unit， MIMU)的整體標(biāo)定和性能測(cè)試，運(yùn)用Allan方差分析方法對(duì)陀螺儀隨機(jī)噪聲進(jìn)行分

3、析和辨識(shí)，完整全面地掌握了噪聲特性。針對(duì)MEMS陀螺儀隨機(jī)噪聲較大，會(huì)嚴(yán)重影響系統(tǒng)精度的問(wèn)題，首先對(duì)隨機(jī)漂移建立AR模型，然后提出基于狀態(tài)擴(kuò)增法設(shè)計(jì)Kalman濾波器濾除隨機(jī)噪聲，試驗(yàn)驗(yàn)證了該方法的有效性。
　　 深入研究了捷聯(lián)慣導(dǎo)系統(tǒng)狀態(tài)變量的可觀(guān)測(cè)度問(wèn)題。針對(duì)廣泛應(yīng)用的奇異值分解方法只能分析狀態(tài)的估計(jì)精度，不能分析收斂速度的問(wèn)題，引入主元分析方法，提出了基于主元分析的可觀(guān)測(cè)度分析算法。該方法利用狀態(tài)變量在主元子空間的投影來(lái)確

4、定狀態(tài)的可觀(guān)測(cè)度信息，定義了估計(jì)精度和估計(jì)速度兩項(xiàng)指標(biāo)，分別求取兩項(xiàng)指標(biāo)的估計(jì)值。從奇異值分解的物理意義入手，簡(jiǎn)化了可觀(guān)測(cè)度求解方法，全面地獲取狀態(tài)的可觀(guān)測(cè)度信息。仿真和試驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。
　　 對(duì)組合導(dǎo)航系統(tǒng)的數(shù)據(jù)融合算法進(jìn)行了研究。為了降低GPS和EC的量測(cè)噪聲，提出一種量測(cè)值平均化處理法和強(qiáng)跟蹤Kalman濾波器相結(jié)合的算法。根據(jù)濾波器收斂性判據(jù)動(dòng)態(tài)確定平均化時(shí)間，在保證濾波器收斂的前提下，使平均化時(shí)間最長(zhǎng)，解

5、決了傳統(tǒng)量測(cè)值平均化方法難以確定平均化時(shí)間的問(wèn)題，從而最大幅度降低了量測(cè)噪聲，提高了系統(tǒng)精度。
　　 為了提高組合系統(tǒng)在GPS和EC無(wú)效時(shí)的定位精度，研究了利用車(chē)輛運(yùn)動(dòng)學(xué)約束輔助MSINS工作的導(dǎo)航算法。提出一種將運(yùn)動(dòng)學(xué)約束輔助法、方位陀螺漂移消減法以及交互多模型法相結(jié)合的導(dǎo)航算法。利用運(yùn)動(dòng)學(xué)約束輔助法(Motion Constraints Aided，MCA)，引入約束條件，構(gòu)造虛擬觀(guān)測(cè)量，設(shè)計(jì)濾波器進(jìn)行狀態(tài)估計(jì)，提高了位置、