趙仁杰, 李開龍, 胡柏青, 田佳玉

(海軍工程大學電氣工程學院, 湖北 武漢 430033)

0 引 言

初始對準是捷聯(lián)慣性導(dǎo)航系統(tǒng)(strapdown inertial navigation system, SINS)的一項關(guān)鍵性技術(shù),主要為SINS提供準確的初始姿態(tài)等信息,其中,對準的精度和速度是影響SINS后續(xù)工作的兩項重要指標[1]。

經(jīng)過不斷研究,SINS初始對準方法逐漸豐富和完善。目前,這些方法主要可以歸納為以下兩類:第一類是兩階段對準,先通過粗對準獲取粗略的姿態(tài)信息,再進行精對準。其中,傳統(tǒng)粗對準方法為解析法[2-3],即利用慣性器件敏感重力加速度和地球自轉(zhuǎn)角速度,通過矢量定姿求解姿態(tài),一般僅適用于靜止或微幅擾動條件下,并對器件精度有一定要求。為克服解析法的局限性,文獻[4]提出了一種基于坐標系分解的慣性系對準方法,能夠有效隔離角運動,實現(xiàn)晃動基座粗對準;在此基礎(chǔ)上,Wu等[5]又將對準問題轉(zhuǎn)化為姿態(tài)確定問題(Wahba問題[6]),提出了優(yōu)化對準(optimization-based alignment, OBA)方法,提高了信息利用率,具有較強的魯棒性,后續(xù)得到了廣泛關(guān)注和研究[7-10];精對準方法主要有羅經(jīng)法、參數(shù)辨識法和卡爾曼濾波法。第二類是大失準角非線性對準[11-12],研究主要集中在非線性誤差模型和非線性濾波算法兩方面,其中,非線性誤差模型的研究重點在于姿態(tài)[13-15];非線性濾波算法主要有拓展卡爾曼濾波、無跡卡爾曼濾波、容積卡爾曼濾波、粒子濾波等,其中,無跡卡爾曼濾波(unscented Kalman filter, UKF)憑借較高精度以及適中的計算量,在解決非線性問題中被廣泛應(yīng)用。

非線性對準可以簡化對準過程,縮短對準時間,但實際對準效果往往卻達不到最優(yōu),對此許多學者對濾波算法進行了改進,有效提高了濾波性能[16-19];文獻[20]提出了一種基于坐標系一致性的矢量幾何誤差構(gòu)建思想,在此基礎(chǔ)上,王茂松等[21-22]指出傳統(tǒng)速度誤差只考慮了向量的大小差異,而忽視了方向差異,重新對其進行了定義,提出一種狀態(tài)變換卡爾曼濾波方法,有效提高了組合導(dǎo)航的航向估計精度和穩(wěn)定性。如果真實導(dǎo)航系未知,實際SINS解算應(yīng)在計算坐標系下進行,上述文獻將速度誤差矢量統(tǒng)一在真實導(dǎo)航系下的做法仍有待討論。Chang等[23]將速度誤差統(tǒng)一定義在計算坐標系下,推導(dǎo)了改進歐拉角非線性對準模型,并通過試驗驗證了模型的有效性。

基于矢量誤差坐標系一致性思想,本文對傳統(tǒng)四元數(shù)非線性誤差模型中的姿態(tài)誤差模型和速度誤差模型進行改進,將誤差矢量統(tǒng)一投影在計算導(dǎo)航系下,同時引入外界阻尼信息,提出一種改進四元數(shù)阻尼誤差模型對準算法,并應(yīng)用于系泊狀態(tài)下的SINS初始對準,通過仿真和車載試驗對比了該改進算法與傳統(tǒng)四元數(shù)阻尼誤差模型對準算法以及文獻[23]中歐拉角阻尼誤差模型對準算法的對準效果,驗證了本文所提算法的有效性。

1 四元數(shù)阻尼SINS誤差模型

關(guān)于SINS的大失準角非線性誤差模型已有完整推導(dǎo)[13-14],考慮形式比較復(fù)雜,本節(jié)引入全球定位系統(tǒng)(global positioning system,GPS)速度和位置阻尼信息進行模型簡化,推導(dǎo)了四元數(shù)阻尼非線性誤差模型。

為方便建模,將由GPS阻尼信息獲取的參量統(tǒng)一用下標g表示,忽略小量誤差,認為帶下標g的計算參量值等效為真實值。此外,定義坐標系如下:記地心慣性坐標系為i系,地球坐標系為e系,選擇“右前上”載體坐標系為b系,“東北天”地理坐標系為導(dǎo)航坐標系,記為n系,計算導(dǎo)航坐標系為n′系。

1.1 SINS狀態(tài)微分方程

給出由四元數(shù)表示的SINS姿態(tài)、速度和位置微分方程,具體如下:

(1)

(2)

(3)

(4)

(5)

式中:I3×3為3維單位矩陣;RP為當?shù)厍示仃?表達式為

(6)

式中:RM和RN分別表示子午圈與卯酉圈主曲率半徑。

1.2 傳統(tǒng)阻尼誤差方程

引入GPS阻尼速度和位置,實際阻尼狀態(tài)微分方程可表示為

(7)

(8)

(9)

(10)

(11)

(12)

(13)

式中:q*代表四元數(shù)共軛。

對式(13)左右兩邊同時微分可得

(14)

將式(1)和式(7)代入式(14),參照文獻[14]推導(dǎo)得到傳統(tǒng)的阻尼姿態(tài)誤差方程,具體如下:

(15)

傳統(tǒng)的速度誤差定義為

δvn′=vn′-vn

(16)

對式(16)兩邊同時微分,推導(dǎo)可得傳統(tǒng)的阻尼速度誤差方程,具體如下:

(17)

式中:δfb表示加速度計測量誤差。

直接給出傳統(tǒng)的阻尼位置誤差方程如下:

(18)

1.3 改進阻尼誤差方程

基于實際SINS解算在n′系下進行這一認識,通過觀察第1.2節(jié)傳統(tǒng)阻尼非線性誤差方程的推導(dǎo)過程,不難發(fā)現(xiàn)有以下兩處不夠嚴格:

(2)式(16)速度誤差定義并未考慮速度矢量的方向性,只是標量意義上的減法,存在坐標系不一致問題。

針對上述問題,本節(jié)將誤差統(tǒng)一至n′系,重新推導(dǎo)了改進阻尼非線性誤差方程,其中,改進阻尼姿態(tài)誤差方程如下所示:

(19)

考慮矢量方向性,重新定義速度誤差[23]為

(20)

對式(20)左右兩邊同時微分可得:

(21)

將式(2)和式(8)代入式(21),推導(dǎo)可得改進阻尼速度誤差方程,具體如下:

(22)

改進阻尼位置誤差方程如下所示:

(23)

2 系泊條件下的非線性對準算法

本文研究系泊狀態(tài)下的SINS初始對準,在系泊狀態(tài)下,載體位置相對固定,可以通過GPS準確獲取,線速度近似為零,是有效的零速約束條件。SINS誤差模型通常包括姿態(tài)、速度、位置和器件誤差,由于對準的目的是在短時間內(nèi)快速獲取準確的姿態(tài),考慮到器件誤差估計不僅受器件精度的影響,還和載體運動狀態(tài)有關(guān),且靜態(tài)下器件誤差的可觀性不強,因此,本節(jié)僅將姿態(tài)誤差和速度誤差列為狀態(tài),推導(dǎo)系泊條件下的非線性對準模型,同時結(jié)合UKF算法給出具體的對準步驟。

2.1 非線性對準模型

(24)

式中:

(25)

(26)

以速度誤差dvn′=vn′作為量測,相應(yīng)量測模型如下:

y=Hx+v=[03×3,I3×3]x+v

(27)

式中:v表示速度噪聲。

式(24)和式(27)共同構(gòu)成了非線性對準模型。

2.2 非線性對準算法

本文選取UKF算法用于非線性對準,為避免四元數(shù)在UKF中存在的歸一化約束以及方差匹配問題,采用四元數(shù)無跡估計器(unscented quaternion estimator, USQUE)框架[24]。

下文給出對準算法流程。

步驟 1初始化

定義四元數(shù)誤差δq,參照下式將其轉(zhuǎn)換為誤差修正羅德里格斯參數(shù)δσ,設(shè)置局部狀態(tài)為x=[δσT,xeT]T,其中,xe表示非姿態(tài)誤差狀態(tài)。

σ=ρ/(1+q0)

(28)

(29)

式中:n為狀態(tài)向量維數(shù);α為調(diào)節(jié)因子,一般取1e-4≤α≤1;κ、β均為比例因子,通常取κ=0,β≥0;

步驟 2導(dǎo)航解算

(30)

(31)

步驟3濾波

(1)時間更新

產(chǎn)生狀態(tài)sigma點:

(32)

(33)

(34)

(35)

(36)

(37)

(38)

(2)量測更新

由于量測模型為線性,量測更新如下:

(39)

(40)

Pk=(In×n-KkHk)Pk/k-1

(41)

(3)姿態(tài)更新

(42)

3 試驗驗證

3.1 仿真試驗

為驗證本文所提改進四元數(shù)阻尼誤差模型對準算法在系泊條件下對準的有效性,將改進算法與傳統(tǒng)四元數(shù)阻尼誤差模型對準算法以及文獻[23]中改進和傳統(tǒng)歐拉角阻尼誤差模型對準算法進行對比,為簡便表述,將上述4種算法分別記為Quaternion-I、Quaternion-T、Euler-I和Euler-T。

觀察圖1可以看出,相比其他3種算法,本文提出的Quaternion-I算法在對準速度和精度上均具有優(yōu)勢;此外,相同姿態(tài)表示下,改進模型對準算法的姿態(tài)估計效果整體上優(yōu)于傳統(tǒng)模型;在改進算法中,基于四元數(shù)模型的Quaternion-I算法對準效果要優(yōu)于基于歐拉角模型的Euler-I算法。

圖1 200次蒙特卡羅仿真姿態(tài)角估計誤差

為更加直觀的對比4種算法對準效果,將200次蒙特卡羅仿真試驗姿態(tài)估計誤差取絕對值后求平均,得到姿態(tài)平均估計誤差,如圖2所示。

圖2 200次蒙特卡羅仿真姿態(tài)角平均估計誤差

觀察圖2,在靜基座大失準角仿真條件下,4種對準算法均能將姿態(tài)失準角收斂至小范圍,由于水平姿態(tài)角的可觀性強于航向角,其估計效果也明顯優(yōu)于航向角。在航向估計上,本文提出的Quaternion-I算法收斂速度最快,其次為Euler-I算法,而Quaternion-T算法和Euler-T算法則相對較慢,雖然也可以將航向失準角拉回至小角度,但對準結(jié)束時刻仍未穩(wěn)定收斂。為便于比較,統(tǒng)計對準結(jié)束時刻的姿態(tài)角平均誤差作為算法的對準精度,如表1所示。

表1 4種算法姿態(tài)對準精度

由表1可知,Quaternion-I算法的俯仰角估計精度為0.399′,橫滾角精度為0.375′,航向角精度為0.097°,整體估計精度最優(yōu)。

大失準角對準條件下,非線性濾波采用反饋校正方式,將濾波器輸出結(jié)果反饋至導(dǎo)航結(jié)算過程,每一步都會對狀態(tài)誤差進行修正,進而使得誤差能夠快速有效收斂;同一姿態(tài)表示下,改進模型修正了由坐標系投影不一致引起的模型誤差,相比傳統(tǒng)模型具有更好的對準效果;此外,對于改進模型對準算法,由于大失準角下歐拉角表示的姿態(tài)誤差矩陣會因轉(zhuǎn)動次序不同而不同,模型并不嚴格,相比之下,四元數(shù)是作為整體被使用,不存在轉(zhuǎn)動次序問題且無奇異,故四元數(shù)模型對準算法的姿態(tài)對準效果要優(yōu)于歐拉角模型。仿真結(jié)果表明,本文提出的Quaternion-I算法不僅在對準速度和精度上具有優(yōu)勢,同時還具有較好的穩(wěn)定性。

3.2 車載試驗

利用慣性級激光捷聯(lián)慣組靜態(tài)數(shù)據(jù)進行算法驗證。捷聯(lián)慣組器件精度如下:陀螺隨機漂移穩(wěn)定性為0.01°/h,加速度計零偏穩(wěn)定性為50 μg;數(shù)據(jù)采集位置為北緯34.246°。試驗將捷聯(lián)慣組安裝在載車上,靜止采集約半小時數(shù)據(jù),實驗過程存在開關(guān)車門、上下車走動等干擾活動。

本文選取600 s數(shù)據(jù)用于算法驗證,在姿態(tài)基準上加入大失準角構(gòu)造初始姿態(tài),為充分驗證算法有效性,設(shè)置5組不同的大失準角,具體如下:Ⅰ[-10° 10° 20°]、Ⅱ[-20° 20° 40°]、Ⅲ[-30° 30° 60°]、Ⅳ[-40° 40° 80°]、Ⅳ[-50° 50° 100°],針對不同失準角條件,執(zhí)行4種算法,對比姿態(tài)對準結(jié)果,限于篇幅僅給出第Ⅲ組條件下的姿態(tài)誤差對比,如圖3所示。

統(tǒng)計5組失準角下4種算法的姿態(tài)估計誤差,如表2所示。分析圖3和表2可得,在不同條件下,4種算法的水平失準角均能夠很快收斂,且精度較高,但在航向估計上,600 s對準時間內(nèi),隨著初始失準角的增大,Euler-T算法和Quaternion-T算法的對準誤差有增加趨勢,而Euler-I算法和 Quaternion-I算法對準精度較好且相對穩(wěn)定,反映出改進算法的收斂速度較傳統(tǒng)算法要快,其中Quaternion-I算法對準效果最優(yōu);此外,失準角范圍設(shè)置較廣,Quaternion-I算法均能夠快速完成對準,表明該算法具有較好的穩(wěn)定性,車載試驗與仿真試驗結(jié)果基本一致。

圖3 第Ⅲ組失準角下姿態(tài)估計誤差

表2 5組失準角下4種算法姿態(tài)估計誤差

4 結(jié) 論

本文針對傳統(tǒng)SINS四元數(shù)非線性誤差模型存在的坐標系不一致問題進行了研究,提出了一種改進四元數(shù)阻尼誤差模型對準算法,并應(yīng)用于系泊狀態(tài)下的SINS初始對準。通過仿真和車載試驗驗證了算法的有效性,不同大失準角條件下,改進算法在對準速度、精度以及穩(wěn)定性方面都具有較好的優(yōu)勢,具有一定的工程應(yīng)用價值。