張復(fù)建 單 斌 王躍鋼 楊 波 騰紅磊

火箭軍工程大學(xué)導(dǎo)彈工程學(xué)院，西安710025

傳統(tǒng)的高精度慣性器件在捷聯(lián)慣性導(dǎo)航系統(tǒng)(SINS)中難以廣泛應(yīng)用的最大因素是其成本和重量，隨著微機電系統(tǒng)(MEMS)技術(shù)的不斷發(fā)展，基于微機電技術(shù)的微型陀螺儀和加速度因具有成本低、功耗低和體積小等優(yōu)勢，在民用和軍事方面，都應(yīng)用的越來越廣泛[1]。

然而，低成本的微型慣性測量單元(MIMU，簡稱：微慣組)，由于受微機電技術(shù)工藝等所限，微慣組的輸出具有較大的偏差和噪聲[2]，其測量精度相對傳統(tǒng)的慣性器件低很多，尤其是陀螺儀在靜止狀態(tài)時，無法敏感地球自轉(zhuǎn)角速率，因此，微慣組無法使用雙矢量法完成初始對準，必須依靠外部測量信息進行輔助對準。隨著全球衛(wèi)星定位系統(tǒng)(GPS)的不斷發(fā)展，李士心[3]采用GPS提供的速度信息輔助低成本的IMU/GPS組合導(dǎo)航系統(tǒng)進行初始對準，較好地估計了航向角誤差和IMU參數(shù)誤差，龐春雷[4]針對低精度的捷聯(lián)慣性導(dǎo)航無法實現(xiàn)航向角的自對準和GPS雙天線側(cè)向需要較長時間初始化的問題，研究了二者相互輔助的算法，同時，許多學(xué)者研究了GPS測量姿態(tài)角的方法[5-6]，對此，本文通過GPS測量航向角，融合加速度計輸出信息，實現(xiàn)粗對準過程，采用改進的自適應(yīng)卡爾曼濾波方法實現(xiàn)精對準過程。

1 靜基座粗對準

1.1 常用坐標系及轉(zhuǎn)換關(guān)系

(1)

式中：c表示余弦函數(shù)；s表示正弦函數(shù)。

當采用四元數(shù)[q0,q1,q2,q3]T表示姿態(tài)矩陣時，其對應(yīng)關(guān)系為[7]：

(2)

姿態(tài)角與四元數(shù)的轉(zhuǎn)換關(guān)系為：

(3)

1.2 粗對準原理

當載體處于靜止狀態(tài)時，加速度計輸出為載體重力矢量在載體系的投影：

(4)

式中，g為重力加速度,式(4)單位化后得到：

(5)

將式(2)帶入(5)并整理得到：

(6)

因此，可通過加速度計輸出計算載體的水平姿態(tài)角θm和γm。

同時，利用GPS雙天線測向原理[8]，可輸出載體的航向角ψm。按照式(1)計算姿態(tài)矩陣，完成粗對準過程。值得注意的是，在粗對準過程中，通過GPS多次測量取平均值的方式，可以精確得到載體的緯度L。

2 靜基座精對準

在粗對準階段，由于加速度計存在零偏誤差，影響水平姿態(tài)角的計算精度，GPS雙天線測向得到的航向角誤差，影響粗對準得到的姿態(tài)矩陣的準確。本文通過采用卡爾曼濾波方法，在粗對準基礎(chǔ)上，濾除噪聲誤差影響，進一步估計得到載體的高精度姿態(tài)矩陣，完成精對準過程。載體的對準流程如圖1。

圖1 初始對準流程

2.1 系統(tǒng)狀態(tài)方程

采用四元數(shù)作為精對準系統(tǒng)的狀態(tài)量，四元數(shù)的微分方程如下：

(7)

慣性元件(MIMU)的量測誤差較大，降低了系統(tǒng)整體初始對準精度，與加速度計誤差相比，陀螺儀漂移誤差對系統(tǒng)初始對準性能的影響更大，因此，將陀螺儀的常值漂移誤差狀態(tài)列入系統(tǒng)狀態(tài)量中，對應(yīng)模型[9]表示如下：

(8)

式中，D表示陀螺儀常值漂移誤差;w(t) 表示白噪聲;β和σ分別為馬爾科夫過程的相關(guān)系數(shù)和驅(qū)動白噪聲的標準方差。

選取系統(tǒng)狀態(tài)變量如下：

x=[q0,q1,q2,q3,Dx,Dy,Dz]T

(9)

由式(7)和(9)建立系統(tǒng)的狀態(tài)微分方程：

(10)

離散化后得到：

xk+1=Φkxk+Gkwk

(11)

式中,Φk為狀態(tài)轉(zhuǎn)移矩陣；Gk為系統(tǒng)噪聲分配矩陣；wk為系統(tǒng)噪聲，滿足wk～N(0,Qk)。

2.2 系統(tǒng)量測方程

載體的水平姿態(tài)角θm和γm由加速度計輸出計算得到，航向角ψm由GPS提供，可根據(jù)式(3)得到量測四元數(shù)如下：

(12)

定義系統(tǒng)觀測量為：

(13)

式中，上標m表示對應(yīng)變量為量測值。則系統(tǒng)的量測方程表示為：

zk=Hkxk+vk

(14)

式中，觀測矩陣Hk=I4，vk為觀測噪聲，滿足vk～N(0,Rk)，且與系統(tǒng)噪聲wk不相關(guān)。

2.3 卡爾曼濾波算法

經(jīng)典的卡爾曼濾波算法以線性最小方差為估計原則，通過量測值按一定遞推算法實現(xiàn)狀態(tài)向量的估計，其算法過程如下：

1)初始化：

(15)

2)時間更新：

(16)

(17)

3)量測更新：

(18)

(19)

(20)

3 改進的自適應(yīng)濾波算法

傳統(tǒng)的卡爾曼濾波算法，濾波效果取決于系統(tǒng)準確的先驗統(tǒng)計知識，包括系統(tǒng)噪聲矩陣Q和觀測噪聲矩陣R，因此，當噪聲統(tǒng)計特性不準確或者可變時，直接影響濾波效果。針對此情況，經(jīng)典卡爾曼濾波的基礎(chǔ)上，依據(jù)量測新息和狀態(tài)殘差，自適應(yīng)的在線調(diào)整噪聲矩陣，實現(xiàn)對狀態(tài)量的精準估計。

3.1 自適應(yīng)的系統(tǒng)噪聲估計

(21)

(22)

式中，j0=k-N+1，N表示采樣點的數(shù)目，采用估計的新息協(xié)方差替換其理論協(xié)方差得到：

(23)

(24)

式中，LR為移動窗口的大小。

3.2 自適應(yīng)的觀測噪聲估計

定義狀態(tài)殘差為：

(25)

狀態(tài)殘差dk表示狀態(tài)向量估計值在量測更新前與更新后的差別，大的狀態(tài)殘差表明狀態(tài)的一步預(yù)測誤差較大，當采用新的量測新息更新狀態(tài)估計值時，會出現(xiàn)大的估計跳躍現(xiàn)象。為了提高算法的預(yù)測性能，應(yīng)對狀態(tài)殘差作適當修正，類似于觀測噪聲，系統(tǒng)噪聲修正如下：

(26)

(27)

式中，LQ為移動窗口的大小。

4 仿真實驗

為有效驗證本文對準方法，在上述條件下，設(shè)置4組實驗分別為：

實驗1：θ=γ=5°，ψ=40°；

實驗2：θ=γ=10°，ψ=40°；

實驗3：θ=γ=20°，ψ=40°；

實驗4：θ=γ=30°，ψ=40°。

仿真時間設(shè)置400s，前120s為粗對準過程，根據(jù)粗對準過程的結(jié)果，完成精對準過程中卡爾曼濾波器的初始化，120s之后切換為精對準過程。

上述實驗中，當微慣組靜止時，基于加速度計解算的水平姿態(tài)角，由于受到加速度計誤差的影響，水平姿態(tài)角誤差較大，且波動幅度變化劇烈。為便于合理掌握精對準過程中量測噪聲統(tǒng)計特性，將粗對準過程中所測量的姿態(tài)角數(shù)據(jù)序列的平均值視為姿態(tài)角真實值，并轉(zhuǎn)換為對應(yīng)四元數(shù)序列，將對應(yīng)四元數(shù)誤差的方差視為量測噪聲統(tǒng)計特性。

從4組實驗得出的結(jié)論是：

1)采用改進的自適應(yīng)卡爾曼濾波方式能有效降低對準的姿態(tài)誤差，俯仰角誤差從20′基本降到5′之內(nèi)，航向角誤差從60′基本降到20′之內(nèi);

2)雖然采用濾波算法能有效降低橫滾角誤差，但是，針對不同橫滾角狀態(tài)，其濾波效果不如俯仰角誤差及航向角誤差，且隨著水平姿態(tài)角的增大，對應(yīng)的橫滾角對準誤差均值逐漸增大，其誤差波動范圍也有增大的趨勢;

3)為了能得到較好的初始對準結(jié)果，應(yīng)當盡量保證載體處于小角度的水平狀態(tài)。

圖2 俯仰角誤差

圖3 橫滾角誤差

圖4 航向角誤差

圖5 精對準過程的誤差均值

圖6 精對準過程的誤差標準差

5 結(jié)論

當載體處于靜止狀態(tài)時，采用GPS輔助微慣組進行初始對準，實驗驗證結(jié)果表明，保持姿態(tài)處于水平狀態(tài)(小于5°)時，采用本文方法可以較高精度地完成微慣組的初始對準。