车辆MEMS捷联惯导系统粗对准技术:卡尔曼滤波方法

需积分: 16 1 下载量 35 浏览量 更新于2024-09-07 1 收藏 285KB PDF 举报
"本文介绍了一种针对车辆微型电子机械系统(MEMS)捷联惯导系统(SINS)的粗对准技术,旨在解决现有粗对准过程中的问题。作者团队包括奔粤阳、刘新源和于飞,其中于飞是主要的研究者和通信联系人,专注于惯性导航、组合导航系统以及系统建模与仿真等领域。文章指出,通过利用航向角的正弦和余弦减1变化率的小量特性,建立了基于卡尔曼滤波的粗对准模型,用于估计SINS的误差。经过水平粗对准和卡尔曼滤波估计,可以确定车辆的航向,从而获得粗略的捷联矩阵,完成粗对准。仿真结果显示,该方法仅依赖GPS辅助设备就能实现车辆MEMS SINS的粗对准,为后续的精对准提供初始值。" 这篇论文详细探讨了车辆用MEMS捷联惯导系统的粗对准技术,这是一种关键的技术步骤,因为它直接影响到整个导航系统的精度和可靠性。捷联惯导系统通过集成陀螺仪和加速度计来连续地测量载体的运动参数,如姿态、速度和位置,广泛应用于车辆导航。然而,由于MEMS传感器的固有误差,系统在启动时需要进行粗对准以减小这些误差。 论文提出的方法创新之处在于利用航向角的正弦和余弦函数在小角度范围内的线性近似,构建了卡尔曼滤波的状态和测量方程。卡尔曼滤波是一种有效的估计理论,能有效地融合来自不同传感器的数据,从而估计出系统状态并减少不确定性。在车辆的水平粗对准基础上,通过卡尔曼滤波估计进一步优化航向角,得到更精确的初始航向,进而确定捷联矩阵,实现系统的粗对准。 论文的仿真部分验证了该方法的有效性,表明即使在只有GPS辅助的情况下,也能成功地完成车辆MEMS SINS的粗对准。这为实际应用提供了重要的参考,特别是在没有其他辅助传感器或复杂环境下的导航系统设计。这种方法简化了粗对准过程,降低了对外部设备的依赖,提高了系统的自主性和鲁棒性。 关键词涉及的关键技术点包括捷联惯导系统的基础理论、粗对准算法设计、卡尔曼滤波在误差估计中的应用,以及MEMS传感器在车辆导航中的具体应用。该研究对于理解车载惯性导航系统的设计和优化,特别是对于依赖MEMS技术的低成本、小型化导航系统的开发具有重要意义。