露天矿卡车低成本GPS/INS动态对准优化算法

本文主要探讨了露天矿卡车调度系统中低成本GPS/INS（全球定位系统/惯性导航系统）组合导航系统的动态对准问题。传统的低成本GPS/INS组合在实现静态初始对准时存在困难，因为它们往往假设失准角较小，这在实际应用中可能不适用，尤其是在露天矿这样复杂的环境中。 本文提出了一个关键创新，即地固系下捷联惯性导航系统的动态初始对准非线性误差模型。这个模型的优势在于它不依赖于失准角的小角度假设，直接在地球固定坐标系（地固系）下进行解算，从而提高了对大失准角情况的适应性，特别适合于GPS辅助下的INS动态对准。这种模型能够更准确地处理GPS信号和INS数据之间的融合，提高导航系统的精度和鲁棒性。 为了进一步优化数据融合过程，作者采用了简化版的Cubature卡尔曼滤波技术。Cubature卡尔曼滤波是一种先进的数据融合算法，它能够有效地估计并融合GPS和INS传感器的测量噪声，同时考虑到它们之间的动态关系，从而提供更精确的系统状态估计。 通过车载实测数据进行的露天矿卡车初始对准实验验证了这一模型的有效性。实验结果显示，即使在大失准角的条件下，利用GPS信息辅助INS进行动态初始对准，也能快速收敛姿态角误差。这证明了所提方法在实际应用中的可行性，对于提升露天矿卡车调度系统的导航性能具有显著意义。 总结来说，本文的研究主要集中在解决露天矿卡车调度系统中低成本GPS/INS组合导航系统面对的大失准角问题上，通过非线性误差模型和Cubature卡尔曼滤波技术，提高了系统在复杂环境下的定位和导航能力。这对于提升露天矿作业效率和安全具有重要的理论和实践价值。