基于改進(jìn)AKF的車(chē)載MIMU-GNSS組合導(dǎo)航算法研究.pdf

1、二十一世紀(jì)新科技的發(fā)展日新月異，促進(jìn)了微電子技術(shù)和微機(jī)械加工工藝水平的進(jìn)步，在其推動(dòng)下 MEMS慣性傳感器的發(fā)展突飛猛進(jìn)，促使更多學(xué)者投入到了相關(guān)技術(shù)的研究中。以MEMS慣性傳感器為主體的MIMU系統(tǒng)以其微型化、低成本、可批量生產(chǎn)、可靠性高等優(yōu)點(diǎn)廣泛應(yīng)用于微型機(jī)器人、車(chē)載設(shè)備、智能移動(dòng)通信設(shè)備、無(wú)人機(jī)等眾多領(lǐng)域。特別是對(duì)于車(chē)載導(dǎo)航系統(tǒng)，MIMU系統(tǒng)的優(yōu)點(diǎn)使該系統(tǒng)得到長(zhǎng)足的發(fā)展。然而，由于MEMS慣性傳感器的精度較低并且誤差會(huì)逐漸積累，導(dǎo)

2、致MIMU系統(tǒng)精度差，不能獨(dú)立完成車(chē)載導(dǎo)航任務(wù)。通常情況下，為了彌補(bǔ) MIMU系統(tǒng)導(dǎo)航誤差，采用GNSS對(duì)其進(jìn)行補(bǔ)償，以組成車(chē)載 MIMU/GNSS組合導(dǎo)航系統(tǒng)。本文則是以車(chē)載MIMU/GNSS組合導(dǎo)航系統(tǒng)為應(yīng)用背景，針對(duì)MEMS陀螺降噪及自適應(yīng)線性信息融合方法展開(kāi)深入研究。在保證車(chē)載組合導(dǎo)航系統(tǒng)穩(wěn)定性的基礎(chǔ)上，提高車(chē)載系統(tǒng)導(dǎo)航精度。
　　本文在介紹車(chē)載MIMU/GNSS組合導(dǎo)航系統(tǒng)的研究發(fā)展現(xiàn)狀、基本原理與組合方式、經(jīng)典信息融合

3、算法的基礎(chǔ)上，針對(duì)MEMS陀螺噪聲影響車(chē)載系統(tǒng)導(dǎo)航精度的問(wèn)題，對(duì)MEMS陀螺降噪技術(shù)展開(kāi)深入研究：首先對(duì)MIMU器件誤差進(jìn)行分析，針對(duì)MIMU器件的隨機(jī)誤差，采用Allan方差與自回歸過(guò)程進(jìn)行誤差特性辨識(shí)，并建立了MEMS陀螺誤差模型。再根據(jù)該誤差模型，設(shè)計(jì)相應(yīng)的MEMS陀螺降噪方案，減小隨機(jī)誤差，為后續(xù)章節(jié)的研究奠定堅(jiān)實(shí)基礎(chǔ)。在車(chē)載MIMU/GNSS組合導(dǎo)航系統(tǒng)融合算法研究過(guò)程中，文中針對(duì)采用傳統(tǒng)卡爾曼濾波無(wú)法解決車(chē)載組合導(dǎo)航系統(tǒng)最優(yōu)

4、估計(jì)信息輸出不穩(wěn)定的問(wèn)題，建立了基于改進(jìn)觀測(cè)狀態(tài)方差R值的自適應(yīng)卡爾曼濾波算法；在此基礎(chǔ)上引進(jìn)平方根濾波，提出一種基于平方根的自適應(yīng)卡爾曼濾波（S-AKF）算法，該算法不僅可以解決信息融合過(guò)程中狀態(tài)量計(jì)算誤差的問(wèn)題，還能夠結(jié)合自適應(yīng)卡爾曼濾波和平方根濾波的優(yōu)點(diǎn)，提高車(chē)載MIMU/GNSS導(dǎo)航信息穩(wěn)定性和系統(tǒng)精度。最后，利用XSENS公司生產(chǎn)的MTi-G微慣性傳感器與衛(wèi)星接收機(jī)進(jìn)行了靜態(tài)試驗(yàn)和車(chē)載動(dòng)態(tài)試驗(yàn)：試驗(yàn)結(jié)果表明，相比于基于卡爾曼濾