基于MEMS技術(shù)的捷聯(lián)慣導系統(tǒng)性能增強技術(shù)研究.pdf

1、采用MEMS技術(shù)研制出的慣性傳感器就是加速度計和陀螺傳感器，它具有體積小、成本低，可靠性高等特點，對國防具有重大的戰(zhàn)略意義。因此，開發(fā)基于MEMS技術(shù)的高性能捷聯(lián)慣性導航系統(tǒng)(Strapdown Inertial Navigation System，SINS)已經(jīng)成為當前慣性技術(shù)領(lǐng)域的一個研究熱點問題。
　　 本論文以構(gòu)建MEMS-SINS為基礎(chǔ)，在大氣數(shù)據(jù)系統(tǒng)和地磁導航輔助下，依據(jù)技術(shù)指標要求，對系統(tǒng)的總體進行了設(shè)計，并完成了

2、MEMS-SINS的樣機生產(chǎn)。為了在高動態(tài)、寬溫度范圍條件下提高工程應(yīng)用的精度，本文采用了一系列關(guān)鍵技術(shù)來保證和提高SINS的性能指標。本文的主要貢獻可以概括為以下幾個方面:
　　 1．依據(jù)預(yù)研項目提出的技術(shù)指標，首先從系統(tǒng)的角度進行了論證和計算；其次完成了系統(tǒng)總體的設(shè)計，并完成了工程樣機；最后，標定后的樣機與激光主慣導系統(tǒng)一起進行了跑車實驗，經(jīng)過跑車實驗驗證后在某型號無人機上進行了試飛，通過跑車和試飛實驗的數(shù)據(jù)表明，該系統(tǒng)的位

3、置、速度、航向和姿態(tài)角等導航參數(shù)達到了技術(shù)指標的要求，并且為以后的關(guān)鍵技術(shù)的研究提供了硬件基礎(chǔ)。
　　 2．推導了基于運動坐標系的捷聯(lián)慣導系統(tǒng)的力學方程，描述了運載提體的力學特性和運動規(guī)律；接下來在地心慣性坐標系下建立了運載體的比力方程，最后在導航坐標系下建立了捷聯(lián)慣導系統(tǒng)的位置方程、速度方程和誤差傳播方程。
　　 3．在研究國際地磁場模型和地磁測量信號特點的基礎(chǔ)上，為了提高系統(tǒng)航向和位置匹配精度，提出了一種采用RBF神

4、經(jīng)網(wǎng)絡(luò)技術(shù)對地磁位置信號的匹配方法。首先利用小波降噪技術(shù)對地磁信號進行了降噪，其次，對降噪后的地磁信號進行磁航向解算，采用RBF神經(jīng)網(wǎng)絡(luò)技術(shù)進行地磁信號的位置匹配。最后通過實驗驗證了提高了的系統(tǒng)航向和位置匹配精度。
　　 4．為了克服傳感器的重復(fù)性誤差和提高大氣參數(shù)的解算精度，利用多層感知機網(wǎng)絡(luò)對大氣數(shù)據(jù)系統(tǒng)進行了設(shè)計。首先，采用兩個硅諧振式絕壓傳感器分別測量大氣的靜壓和動壓，用一個溫度傳感器測量大氣總溫。大氣總溫用來修正壓力傳

5、感器的溫度特性，將溫度修正后的兩個傳感器和溫度傳感器測量值作為已經(jīng)訓練好的多層感知機網(wǎng)絡(luò)的輸入，神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)就是解算后的大氣參數(shù)，實驗證明該算法能夠很好地克服傳感器的重復(fù)性和提高大氣參數(shù)的解算精度。
　　 5．為了減少MEMS陀螺的隨機漂移誤差，提出了一種基于小波域上的Karhunen-Loeve Transformation(KLT)去噪方法。其主要思想是:首先，對分段的MEMS陀螺漂移信號進行小波分解；其次，對各個中高

6、頻子帶進行6抽頭濾波，插值成和最高頻帶相同長度的樣本點后，利用小波各尺度間的相似性進行高頻分量的KLT變換，在一定程度上去除不相干噪聲；最后，對KLT降噪后的信號再進行小波閾值處理，完成進一步的降噪。相對于基于小波變換的各種閾值方法，采用本文的方法對陀螺輸出信號的方差、零偏穩(wěn)定性和隨機游走誤差都有了明顯的改善。另外，為了消除傳統(tǒng)小波變換帶來的相位失真以及為了當前時刻以后的數(shù)據(jù)不參與小波變換，從而滿足實時性要求，本文提出了一種基于(a)t

7、rous小波變換的MEMS陀螺角速度的去噪方法。維持跨尺度的模最大值系數(shù)以保持信號的奇異性，實驗結(jié)果表明該方法不僅在轉(zhuǎn)臺相對靜止時能有效地降低信號的標準差，而且在轉(zhuǎn)臺動態(tài)變化時能及時地跟蹤上信號的變換。
　　 6．在組合導航系統(tǒng)中應(yīng)用最多、最成功的融合方法是Kalman濾波算法。針對低成本的MEMS-SINS/GNS/ADS組合導航系統(tǒng)，本文提出了一種基于KPCA(Kernel principal component analy

8、sis)的UKF(Unscented Kalman Filtering)信息融合算法。為了克服擴展Kalman濾波(Extended Kalman Filtering,EKF)精度不高、穩(wěn)定性差、計算繁瑣等缺點，本文采用UKF融合方法。首先，采用四元數(shù)法進行捷聯(lián)慣導系統(tǒng)的姿態(tài)角解算。其次，在得到姿態(tài)角后，通常利用定時啟動UKF的方法進行姿態(tài)角誤差校正。如果定時周期長，就會產(chǎn)生姿態(tài)角發(fā)散；如果定時周期短，不僅會導致復(fù)雜度提高，影響實時效果