基于重力信息的惯性系粗对准精度分析

基于重力信息的惯性系粗对准方法是近期国内提出的一种解决动基座对准的新方法,诸多文献表明了该方法工程应用的可行性,但至今未见对其理论精度的分析.详细分析了初始对准的主要误差源陀螺常值漂移和加速度计零偏对惯性系粗对准精度的影响.用微分扰动法对姿态矩阵取微分,得到惯性系对准的误差方程.从惯性系下的速度误差分析人手,分别讨论了陀螺常值漂移和加速度计零偏对粗对准精度的影响,推导出惯性器件误差与失准角之间的解析表达式.指出该方法的对准精度取决于转换矩阵的精度,并分析得出该方法与传统解析粗对准具有相同的稳态对准极限值.     

基于CKF的SINS大方位失准角初始对准

大方位失准角捷联惯导系统(strapdown inertial narigation system,SINS)误差方程是非线性的,为改善非线性模型下初始对准的精度,提出将一种新的非线性滤波方法(cubature Kalman filter,CKF)应用于捷联惯导系统初始对准中。为此建立了大方位失准角下初始对准非线性模型,分析了基于spherical-radial cubature准则的CKF滤波原理,对非线性模型进行了CKF滤波仿真。仿真结果表明CKF能够很好地处理初始对准中的非线性问题,提高初始对准精度,方位失准角误差能够收敛到-33.13’,接近理论估计精度-32.40’,优于EKF的-84.14’。     

鲁棒渐消CKF及其在SINS初始对准中的应用

惯性导航系统正常工作前需进行初始对准,容积卡尔曼滤波(CKF)是常用的非线性初始对准算法。针对在滤波模型失准和非高斯观测噪声干扰情况下常规CKF出现精度下降甚至发散的问题,提出了鲁棒渐消CKF算法。引入多重渐消因子对观测噪声协方差阵或状态预测协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态卡方检验方法,检测滤波器状态并自主确定渐消因子的引入方式,使渐消因子的引入更加合理。试验结果表明,算法在系统建模失准及异常量测噪声的干扰下能够保持较强的鲁棒性和自适应性,其姿态失准角误差约为0.01°,航向失准角误差小于0.1°。     

QUKF算法及其在SINS初始对准中的应用

针对捷联惯导系统初始对准过程中的大失准角情况,建立了乘性四元数姿态误差方程。结合UKF算法,提出了基于四元数的UKF算法(QUKF)。以姿态矩阵为对象,通过构造姿态矩阵代价函数的方法来求取四元数的一步预测均值,保证了均值四元数的规范化;利用乘性误差四元数表示四元数Sigma点与均值四元数的距离,以求取四元数的预测协方差矩阵。四元数状态更新中,采用乘性四元数更新保证了滤波过程中四元数的规范化。基于该算法的SINS在粗对准水平失准角为小角度、方位失准角为大角度条件下的仿真实验结果表明,与常规EKF相比,纵、横摇角对准精度均略有提高,而航向角误差估计精度提高显著。     

捷联惯导系统极区水下动基座对准EI北大核心CSCD

惯性导航系统正常工作前需进行初始对准,极区和水下环境中的动态对准是惯导系统初始对准的难点。通过惯性坐标系下的惯导系统误差模型进行卡尔曼滤波初始对准,避免了对准误差随纬度升高而发散的问题。在水下利用载体坐标系测速设备提供速度参考,为卡尔曼滤波器提供速度误差观测量。在对准过程中,利用航位推算方法对载体位置进行实时更新,进一步提高了对准精度。通过跑车数据及仿真试验对算法进行验证,结果表明,所提算法可以有效实现惯导系统在极区水下环境中的动态初始对准。     

捷联惯导系统极区水下动基座对准

惯性导航系统正常工作前需进行初始对准,极区和水下环境中的动态对准是惯导系统初始对准的难点。通过惯性坐标系下的惯导系统误差模型进行卡尔曼滤波初始对准,避免了对准误差随纬度升高而发散的问题。在水下利用载体坐标系测速设备提供速度参考,为卡尔曼滤波器提供速度误差观测量。在对准过程中,利用航位推算方法对载体位置进行实时更新,进一步提高了对准精度。通过跑车数据及仿真试验对算法进行验证,结果表明,所提算法可以有效实现惯导系统在极区水下环境中的动态初始对准。     

单轴旋转式捷联惯导方位对准研究

为消除东向陀螺常值漂移对捷联惯导方位对准精度的影响,在罗经法对准频率特性分析的基础上提出了一种适于旋转调制捷联惯导系统的罗经对准方法.该方法利用旋转过程中陀螺漂移和加速度计零偏被调制为周期变量的特点,针对旋转频率来改变罗经法对准系统的参数,使系统能够对调制后的陀螺漂移和加速度计零偏产生抑制作用,以此消除静基座对准中由东向陀螺常值漂移所引起的方位误差角.仿真实验结果表明,相比静基座对准,在单轴旋转中采用此种罗经法对准可以消除方位角的常值误差,方位对准的精度可提高至10倍以上.     

传递对准中杆臂效应的误差分析与补偿

杆臂效应误差是影响速度匹配传递对准的重要因素之一,因此必须对其进行补偿.由于常用的数字滤波补偿方法的补偿效果不太理想,针对大方位失准角条件下的非线性系统提出了一种直接计算的补偿方法.由于计算补偿方法的前提是杆臂长度已知,当杆臂长度未知时,提出了先利用无迹卡尔曼滤波扩维方法对杆臂长度进行估计,再采用计算补偿对杆臂速度项进行补偿的算法.为了验证本算法的有效性,进行了仿真和实验验证.采用该算法后,仿真条件下方位失准角可以在120 s内收敛至0.381°;实验条件下方位失准角可以在0.8h内收敛至-0.031°.仿真和实验结果均表明与数字滤波补偿方法相比,采用该算法后初始对准的速度和精度都有很大程度的提高.     

用于X射线光刻对准的图像边缘增强技术

提出了用于提高X射线光刻对准系统自动对准效率和对准精度的图像边缘增强技术,并进行了数值分析.采用先单个再整体的分析方法,通过三种不同的图像边缘增强技术,即索贝尔(SOBEL)算子、拉普拉斯(LAPLAC)算子以及卷积等方法对CCD系统采集的对准标记图像进行处理,得到了每个方法相对应的处理结果,并对于处理结果进行了比较分析.分析比较得出:采用卷积和LAPLAC算子相结合的方法,即先卷积,再利用7个算子的LAPLAC方法进行处理,可以将对准系统的自动对准效率提高约50%,使得自动对准时间由原来的20min缩短到10min左右;系统对准精度的方差可由0.10μm提高至0.08μm.     

一种新的舰载惯导系统摇摆基座初始对准方法

针对舰载惯导系统在摇摆基座条件下高精度初始对准问题,提出一种简单且易于实现的快速初始对准方法。利用开路法构建数学稳定平台隔离载体摇摆运动,提高了高精度舰载惯导系统摇摆基座对准过程中量测数据的信噪比,缩短了对准时间并提高了误差参数的估计精度;建立了开路法数学平台偏角的误差模型,利用参数辨识法提取相关对准参数,从而估计出陀螺漂移和数学平台偏角并进行补偿。海上试验结果表明,该对准方法可在8 h内达到优于0.000 5°/h的对准精度,有效地解决了摇摆基座条件下舰载惯导系统的高精度初始对准问题。     

MEMS-based rotary strapdown inertial navigation system

As the inertial navigation completely depends on the sensed acceleration and rotation rate by IMU, the sensor errors accumulate and eventually lead to diverged inertial solutions. Therefore the compensation of the inertial sensor errors is an effective approach to improve the SINS navigation performance. The rotation error modulation in rotary SINS, which has been extensively used for the filter-optical IMU in the past, is one of the techniques to compensate or mitigate the inertial sensor errors and eventually improve the system navigation performance. The rotary SINS is an inertial navigator in which the IMU is installed on the rotational platform and rotated following the pre-designed rotation configuration, and the rotation error modulation is the technique that compensates the navigation errors caused by inertial sensor bias in a complete rotation cycle by rotating IMU. Given the auto-compensation of inertial sensor bias in rotation error modulation, the objective of this paper to develop a MEMS-based rotary SINS, in which the significant sensor bias is automatically compensated by rotating the IMU, to offer the comparable navigation performance to tactical-grade IMU. Simulation results indicate that, compared with the conventional method, the proposed approach attenuates the navigation errors and improve the calibration accuracy based on the reciprocating rotation scheme can be used to automatically improve the observability.     

IMU转动角速度对旋转SINS的精度影响分析

针对惯性测量单元(inertial measurement unit,IMU)旋转角速度变化过程对旋转调制型捷联系统(strapdown inertial nav-igation system,SINS)定位精度的影响进行分析和研究。例举IMU旋转方式并分析旋转自补偿技术调制惯性器件偏差的基本原理;详细推导了IMU运动状态变化过程对调制型捷联系统导航精度的影响并分析了IMU正反转方案的误差特性,最后根据仿真分析确定旋转角速度的选取依据。在理论分析的基础上进行了仿真实验。结果表明,IMU的旋转运动可以有效地调制惯性器件部分偏差,但是旋转角速度的大小及角速度变化过程依然会对调制型捷联系统的定位精度产生影响。     

基于IMU旋转的捷联惯导系统自补偿方法

为了有效地抑制惯性器件常值偏差对惯导系统导航精度的影响,提出了基于惯性测量单元(inertial measurement unit,IMU)旋转的自动补偿方法.由于旋转的引入,IMU中陀螺仪和加速度计的常值偏差被调制成正弦信号,通过积分运算可以有效地消除常值偏差对惯导系统导航精度的影响.在分析单、双轴旋转补偿原理的基础上,提出一种改进的单轴旋转调制方法并对该方法进行了理论证明和实验分析.与以往的单轴旋转方式及未采用旋转方式时的导航误差进行了比较,结果表明该方案可以消除所有方向上惯性器件常值偏差的影响,有效地提高系统的定位精度.     

一种激光断面仪运动补偿用IMU/GPS/OD系统

针对车载激光路面断面仪性能受检测车垂直振动及姿态变化影响的问题,设计并实现了一种车载激光断面仪运动补偿用IMU/GPS/OD组合测量系统,采用低成本IMU结合捷联解算算法计算检测车的三维位置、速度和姿态,通过GPS和里程仪结合最优滤波技术抑制低成本IMU在捷联解算过程中形成的累积误差,并提出了一种基于IMU/GPS/OD组合测量系统的检测车垂直振动位移的计算方法。最后进行了室内实验验证,实验结果表明,该IMU/GPS/OD组合测量系统应用于车载激光断面仪是可行的。     

基于多IMU融合的甲板变形监测

大型舰船甲板存在变形,其变形对舰载武器系统的精度有很大影响.为监测舰船甲板的变形,提出基于多个惯性测量单元 (inertial measuring unit,IMU)数据融合的变形测量方法,基于某船的实测数据建立甲板变形测量模型,利用最小二乘估计对甲板的变形进行分析.仿真结果表明,将该方法用于末安装IMU战位点处的甲板变形的实时监测是完全可行的; IMU的布局对甲板变形的监测有较大影响,IMU在舰船上的布置应依照舰载武器系统的布局及其精度确定.     

极坐标激光直写系统光轴和转轴对准的光栅反射对准法

提出一种光栅反射对准法:在极坐标激光直写系统中利用光栅反射聚焦光斑来校准光轴和工件台的转动轴;被光栅反射的聚焦光斑成像在CCD上。当聚焦透镜的光轴和工件台的转动轴存在对准误差时,如果转动光栅,激光光斑将在光栅上扫描出一个圆形轨迹。通过观测这个轨迹,能估算出光轴和转轴的对准误差并相应地做出调整减小对准误差。采用光栅反射法,现将光轴和转轴的对准误差减少到小于0.5μm。     

基于时间序列匹配的过山车定位法

针对过山车难以精准定位的问题,本文提出了一种基于时间序列匹配的过山车定位方法。该方法首先使用动态时间规整(DTW)对惯性测量单元(IMU)的实测与仿真数据进行序列匹配,得到位置估计结果。之后将估计结果作为观测量,在误差状态卡尔曼滤波器(ESKF)中修正IMU预测结果,得到精准的定位结果。为了提高估计结果的准确度,本文提出了分段重组动态时间规整(SRDTW)算法,解决了DTW的匹配失真问题。使用本文方法对过山车进行了定位实验,结果表明,使用Z向加速度和俯仰角进行序列匹配可得到较为准确的估计结果;ESKF滤波后的平均定位误差可达0.24 m,较估计结果的定位误差减小45.6%。     

基于卷积神经网络与扩展卡尔曼滤波的 单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。     

单目相机-IMU-机械臂的空间联合标定方法

将单目相机和惯性测量单元(IMU)固定在机械臂末端,可以有效地协助机械臂进行运动估计和场景感知。单目相机、IMU和机械臂之间可靠、准确的标定是实现随动感知的前提。但是,传统的标定方法存在耦合误差大、标定一致性差和6自由度激励不充分的问题。为此,本文提出了一种新颖的单目相机-IMU-机械臂的空间联合标定模型,该模型能够将旋转分量的误差和平移分量的误差完全解耦。此外,创新性地设计了一种螺旋式运动轨迹来标定感知模块,采用这种运动轨迹能够避免6自由度激励不充分和一致性差等问题。在实验环节,本研究搭建了单目相机-IMU-机械臂空间联合标定平台,计算得到三轴姿态角和平移分量的均方根误差分别小于0.7°和7 mm,证明了所提标定方法的有效性。