集成微型速率捷联惯性测量组合测试系统

本文研究了基于MIMU的集成速率捷联测试系统,介绍了速率捷联系统的组成,采用微机械设计、专用集成电路设计和系统集成设计的方法,设计了MIMU组合及测试系统.阐述了微型惯性测量组合的工作原理及其结构设计,介绍了实用型MIMU的组成框图,论述了DSP实时解算的算法,制造出了实用性的微型惯性测量组合测试系统.并给出了测试曲线.     

飞行体姿态测试及仿真技术研究

本文针对飞行体姿态测试及仿真问题,阐述了无陀螺捷联惯性系统的应用,并提出其在弹体姿态测试上的优势,重点分析了采用九加速度计组合的姿态解算方法,进行了算法误差分析和比较,并探讨了可以采用的最优化解算方法以尽可能真实地解算出飞行体在各时刻的真实姿态.     

基于椭球拟合的MEMS倾角仪现场快速标定系统

针对由倾角仪核心模块MEMS加速度计的偏值和标度因数会随时间推移而产生变化,造成倾角仪倾角测量误差变大、准确度降低、对精密标定设备依赖性强的问题,设计一种基于STM32结合椭球拟合算法的倾角仪现场快速标定系统。该系统以STM32单片机为核心处理单元,内嵌椭球拟合算法,修正MEMS加速度计的偏值和标度因数;配合自编程的上位机程序实现对倾角仪的现场快速标定,保证其测量准确度。试验结果表明:该倾角仪现场快速标定系统操作方便,标定后降低测量误差且使测量准确度提高一个量级,具有一定的工程应用价值。     

基于RBF神经网络的微惯性测量组合标定

针对微惯性测量组合标定精度低的问题,充分发挥神经网络良好的逼近非线性函数的优势,以RBF神经网络为主要逼近手段,对微惯性测量组合输出非线性特性进行精确逼近,从而得到更为准确的标定结果.试验结果表明,基于RBF神经网络的标定算法能够有效地逼近微惯性测量组合敏感信息,与传统基于最小二乘法建模方法相比,微惯性测量组合输出标定...     

基于三轴转台的惯测组合最优标定方法研究

三轴转台是惯性测量单元模型系数标定的核心设备,其综合指向误差会对标定测试造成影响,降低了惯性测量单元的应用精度。面向实际应用,基于黑箱分析方法进行了仿真分析和数据挖掘,研究了综合指向误差造成的测试误差规律,并据此编排了基于UOT形式三轴转台的惯性测量组合最优分立式标定方法。该方法通过24个位置和5个初始状态下的6次转动测试,在尽可能减少标定时间的基础上最大程度抑制了标定误差,标定精度显著优于传统标定方法,具有重要的工程应用价值。     

一种星敏感器安装误差自动化测量方法

针星敏感器安装误差的精确标定,该文提出基于平台式惯性/星光组合导航系统中,星敏感器相对惯性坐标基准的安装误差自动化测量方法。首先基于光电自准直仪测量方式,建立安装误差测量的数学模型,并通过仿真验证模型的有效性。开发一套自动化测试系统,利用高精度的光电测角仪模拟星光,将星敏感器主光轴对准星点,输出星点坐标信息,自准直仪测量标准六面体的姿态,通过与星敏感器坐标对比和软件自动解算得到星敏感器相对标准六面体的安装误差。试验数据能达到5″内的测试稳定精度,证明该方法可准确测量出星敏感器的安装误差,且测试稳定性好,已应用于工程精密测量。     

微惯性测量组合的计算机测试系统

介绍了一个微惯性测量组合(MIMU)的计算机测试系统,对该系统的结构,硬件组成、软件设计进行了描述,重点介绍了系统软件设计中的关键技术：RS232通讯测试技术、VC和Labwindows／CVI的混合编程技术、多线程技术、VC和Matlab的混合编程技术。该系统具有良好的通用性和可扩展性,基于高性能CPU和(CPLD、FPGA等技术的微惯性测量组合的测试过程可以大大提高工作效率,缩短研发周期。     

基于修正EKF的微小型飞行器姿态估计

分析了常用飞行姿态估计方法在微小型飞行器上应用的局限性,针对基于微机电系统(MEMS)惯性器件的姿态测量方案,构建了以MEMS陀螺仪姿态矩阵解算为状态更新、以MEMS加速度计重力矢量解算为观测更新的扩展卡尔曼滤波器(EKF),推导了相应的卡尔曼滤波方程.为了提高该滤波器抵抗机动加速度干扰的能力,设计了基于M估计的新息修...     

A new method for the combination of GPS and MEMS inertial sensors

提出了一种新的GPS/MEMS微惯性器件组合方法,并根据组合结构的需求.设计了基于载体机动模型和卡尔曼滤波器的GPS信息滤波算法来获取由于载体轨迹机动引起的加速度,从而对基于MEMS微惯性器件的姿态测量算法进行载体机动性补偿,得到的姿态信息对GPS信号失锁不敏感,避免了传统GPS/INS组合方式在无GPS辅助时由于MEMS器件精度低而导致的姿态误差快速、无限增长的问题,而且运算量小,适合在微小型系统上实现.跑车试验表明,该新组合算法与传统GPS/INS组合相比,姿态精度略有下降,但远好于未作机动性补偿的MEMS微惯性器件的姿态测量算法.     

机器视觉空间目标姿态自动测量方法研究

针对空间目标姿态测量问题,提出基于机器视觉的空间目标姿态自动测量方法,并对其中较为关键的目标靶自动分割及特征点自动排序问题进行研究。首先改进圆形目标靶的设计,通过设置区域面积及矩形度阈值,实现目标靶的自动分割,并提出基于向量夹角的圆心点阵顺序排序法,实现特征点准确快速地自动排序,最终基于张正友标定法,完成相机标定,获取目标靶在相机坐标系下的旋转矩阵,进而计算目标靶的空间姿态变化。实验结果验证:姿态解算的最大相对误差≤3%,整个姿态解算过程自动化程度较高,平均耗时2.026 s,能够满足工程测试需要。