低成本AHRS/GPS紧耦合融合滤波技术研究

论文摘要

随着MEMS技术的发展,微型惯性测量组合(MIMU)在低成本捷联导航系统中得到广泛应用。航姿参考系统(AHRS)是一套由MIMU和地磁传感器组成的三自由度姿态测量单元,具有体积小、重量轻、高可靠和耐冲击等突出特性,可实现动态环境下载体实时姿态航向控制。将其与小型GPS组合起来,构成载体最理想的组合导航定位模式。扩展卡尔曼滤波(EKF)是处理组合导航系统信息融合最有效的手段,针对MEMS传感器漂移大、稳定性差等特点,开展改进的EKF方法与神经网络智能控制相结合的融合滤波方法,以寻求最佳导航参数估计精度。论文围绕AHRS单机工作算法以及AHRS/GPS紧耦合融合滤波技术两部分开展研究工作。在掌握各传感器工作机理的基础上,深入研究微机械AHRS捷联姿态算法,利用加速度计和磁通门传感器对重力、地磁两不共线参考向量的观测,修正陀螺积分后的角度漂移,建立载体系下姿态Kalman滤波器观测修正方程,对陀螺零漂进行有效估计和补偿。从陆用载体姿态变化可能过快这一实际情况出发,阐明缩短载体姿态更新周期的必要性。引入对偶四元数(DQ)理论,以优化AHRS姿态更新矩阵的解算过程。方法在快速求取变换矩阵的同时,获得平移向量。通过MEMSAHRS摇摆机座仿真试验,验证了方法的可行性。鉴于AHRS对地磁参考向量的信赖,讨论磁场干扰特性和相应对策,在软件层面上,开展磁航向角误差补偿算法的研究。方法简单易行,适于在实际系统中应用。提出一种基于强跟踪(ST)性能的高斯二阶EKF(QEKF)自适应滤波算法,将其应用于AHRS/GPS紧耦合导航系统中。建立了伪距—伪距率—航向角组合观测数学模型,引入QEKF方法,补偿系统观测方程线性化的二阶截断误差,逼近组合系统非线性特性。利用ST算法降低对历史状态信息的使用率,快速跟踪系统当前时刻状态突变,以保证滤波器可靠收敛,增强系统鲁棒性能。借助上述改进的EKF滤波器模型,设计神经网络辅助的组合导航滤波器,体现智能方法和经典控制方法的融合性。根据网络样本数大、及无状态反馈结构设计需要,选取广义径向基函数网络(RBFNN)对滤波器状态方程的预报值进行在线修正,获得的导航参数精度和动态性能均有提高。研究结果表明:在传感器精度有限的情况下,融合滤波方法在低成本AHRS/GPS组合系统中的导航参数估算是可行的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景和意义
• 1.2 微惯性传感器的发展历程
• 1.3 AHRS/GPS紧耦合导航系统
• 1.3.1 国外MEMS AHRS/GPS组合研究现状
• 1.3.2 国内MEMS AHRS及MIMU/GPS组合研究现状
• 1.4 融合滤波技术
• 1.5 论文的主要工作
• 第2章 AHRS捷联姿态算法
• 2.1 引言
• 2.2 传感器工作机理
• 2.2.1 MEMS速率陀螺力学原理
• 2.2.2 MEMS加速度计工作原理
• 2.2.3 微型磁场传感器测场原理
• 2.2.4 MEMS惯性器件误差模型
• 2.3 AHRS捷联姿态算法
• 2.3.1 方向余弦与姿态四元数
• 2.3.2 航姿系统描述
• 2.3.3 Kalman滤波器设计
• 2.3.4 Kalman更新的算法流程
• 2.3.5 地磁向量的初值估计
• 2.4 本章小结
• 第3章 基于对偶四元数的姿态更新优化
• 3.1 引言
• 3.2 问题的提出
• 3.3 对偶四元数（DQ）数学模型
• 3.3.1 对偶数
• 3.3.2 对偶四元数
• 3.3.3 对偶四元数的旋转和平移表示
• 3.4 对偶四元数姿态更新算法
• 3.4.1 刚体运动建模
• 3.4.2 姿态更新矩阵解算
• 3.4.3 平移向量解算
• 3.5 数值仿真试验与精度分析
• 3.5.1 Kalman滤波模型的建立
• 3.5.2 航姿系统摇摆机座仿真
• 3.5.3 仿真结果与分析
• 3.6 本章小结
• 第4章 AHRS环境磁场干扰补偿
• 4.1 引言
• 4.2 硬铁与软铁效应描述
• 4.3 平面椭圆的几何表征
• 4.4 最小二乘椭圆拟合
• 4.5 磁航向角误差解算
• 4.6 仿真实例
• 4.7 本章小结
• 第5章 AHRS/GPS组合技术与改进的EKF高斯滤波
• 5.1 引言
• 5.2 全球定位系统概述
• Range）定位原理'>5.2.1 伪距（Pseudo_Range）定位原理
• 5.2.2 GPS测速原理
• 5.2.3 GPS定姿方案
• 5.3 AHRS/GPS紧耦合导航滤波器
• 5.3.1 AHRS/GPS组合模式
• 5.3.2 组合系统状态方程
• 5.3.3 紧耦合系统EKF高斯滤波模型
• 5.4 改进的EKF算法
• 5.4.1 高斯QEKF算法
• 5.4.2 高斯IEKF算法
• 5.4.3 强跟踪EKF算法
• 5.5 STQEKF方法在AHRS/GPS紧耦合中的仿真研究
• 5.5.1 仿真条件
• 5.5.2 仿真结果与分析
• 5.6 本章小结
• 第6章 ANN辅助滤波设计与融合算法仿真
• 6.1 引言
• 6.2 人工神经网络（ANN）
• 6.2.1 网络结构
• 6.2.2 网络学习方式
• 6.3 RBF智能模型
• 6.3.1 径向基函数
• 6.3.2 径向基函数网络
• 6.3.3 广义径向基函数网络
• 6.3.4 RBF网络学习算法
• 6.4 RBF网络辅助模式
• 6.4.1 离线训练
• 6.4.2 在线修正
• 6.5 融合滤波仿真研究
• 6.5.1 RBFNN智能模型的初值
• 6.5.2 仿真结果与分析
• 6.6 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢