基于MEMS技術(shù)的捷聯(lián)慣導(dǎo)系統(tǒng)性能增強(qiáng)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(jì)和陀螺傳感器，它具有體積小、成本低，可靠性高等特點(diǎn)，對(duì)國(guó)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(dǎo)航系統(tǒng)(Strapdown Inertial Navigation System，SINS)已經(jīng)成為當(dāng)前慣性技術(shù)領(lǐng)域的一個(gè)研究熱點(diǎn)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(dǎo)航輔助下，依據(jù)技術(shù)指標(biāo)要求，對(duì)系統(tǒng)的總體進(jìn)行了設(shè)計(jì)，并完成了

2、MEMS-SINS的樣機(jī)生產(chǎn)。為了在高動(dòng)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(lái)保證和提高SINS的性能指標(biāo)。本文的主要貢獻(xiàn)可以概括為以下幾個(gè)方面:
　　 1．依據(jù)預(yù)研項(xiàng)目提出的技術(shù)指標(biāo)，首先從系統(tǒng)的角度進(jìn)行了論證和計(jì)算；其次完成了系統(tǒng)總體的設(shè)計(jì)，并完成了工程樣機(jī)；最后，標(biāo)定后的樣機(jī)與激光主慣導(dǎo)系統(tǒng)一起進(jìn)行了跑車實(shí)驗(yàn)，經(jīng)過跑車實(shí)驗(yàn)驗(yàn)證后在某型號(hào)無(wú)人機(jī)上進(jìn)行了試飛，通過跑車和試飛實(shí)驗(yàn)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(dǎo)航參數(shù)達(dá)到了技術(shù)指標(biāo)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(dǎo)了基于運(yùn)動(dòng)坐標(biāo)系的捷聯(lián)慣導(dǎo)系統(tǒng)的力學(xué)方程，描述了運(yùn)載提體的力學(xué)特性和運(yùn)動(dòng)規(guī)律；接下來(lái)在地心慣性坐標(biāo)系下建立了運(yùn)載體的比力方程，最后在導(dǎo)航坐標(biāo)系下建立了捷聯(lián)慣導(dǎo)系統(tǒng)的位置方程、速度方程和誤差傳播方程。
　　 3．在研究國(guó)際地磁場(chǎng)模型和地磁測(cè)量信號(hào)特點(diǎn)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(duì)地磁位置信號(hào)的匹配方法。首先利用小波降噪技術(shù)對(duì)地磁信號(hào)進(jìn)行了降噪，其次，對(duì)降噪后的地磁信號(hào)進(jìn)行磁航向解算，采用RBF神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行地磁信號(hào)的位置匹配。最后通過實(shí)驗(yàn)驗(yàn)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(jī)網(wǎng)絡(luò)對(duì)大氣數(shù)據(jù)系統(tǒng)進(jìn)行了設(shè)計(jì)。首先，采用兩個(gè)硅諧振式絕壓傳感器分別測(cè)量大氣的靜壓和動(dòng)壓，用一個(gè)溫度傳感器測(cè)量大氣總溫。大氣總溫用來(lái)修正壓力傳

5、感器的溫度特性，將溫度修正后的兩個(gè)傳感器和溫度傳感器測(cè)量值作為已經(jīng)訓(xùn)練好的多層感知機(jī)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(shí)驗(yàn)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M(fèi)EMS陀螺的隨機(jī)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(duì)分段的MEMS陀螺漂移信號(hào)進(jìn)行小波分解；其次，對(duì)各個(gè)中高

6、頻子帶進(jìn)行6抽頭濾波，插值成和最高頻帶相同長(zhǎng)度的樣本點(diǎn)后，利用小波各尺度間的相似性進(jìn)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(duì)KLT降噪后的信號(hào)再進(jìn)行小波閾值處理，完成進(jìn)一步的降噪。相對(duì)于基于小波變換的各種閾值方法，采用本文的方法對(duì)陀螺輸出信號(hào)的方差、零偏穩(wěn)定性和隨機(jī)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(lái)的相位失真以及為了當(dāng)前時(shí)刻以后的數(shù)據(jù)不參與小波變換，從而滿足實(shí)時(shí)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(hào)的奇異性，實(shí)驗(yàn)結(jié)果表明該方法不僅在轉(zhuǎn)臺(tái)相對(duì)靜止時(shí)能有效地降低信號(hào)的標(biāo)準(zhǔn)差，而且在轉(zhuǎn)臺(tái)動(dòng)態(tài)變化時(shí)能及時(shí)地跟蹤上信號(hào)的變換。
　　 6．在組合導(dǎo)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(duì)低成本的MEMS-SINS/GNS/ADS組合導(dǎo)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(kuò)展Kalman濾波(Extended Kalman Filtering,EKF)精度不高、穩(wěn)定性差、計(jì)算繁瑣等缺點(diǎn)，本文采用UKF融合方法。首先，采用四元數(shù)法進(jìn)行捷聯(lián)慣導(dǎo)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(shí)啟動(dòng)UKF的方法進(jìn)行姿態(tài)角誤差校正。如果定時(shí)周期長(zhǎng)，就會(huì)產(chǎn)生姿態(tài)角發(fā)散；如果定時(shí)周期短，不僅會(huì)導(dǎo)致復(fù)雜度提高，影響實(shí)時(shí)效果