惯性导航技术（INS，InertialNavigationSys-tem）是本世纪初发展起来的，基本原理是根据相对惯性空间的力学定律，利用陀螺加速度计等惯性元件感受运行体在运动过程中的加速度，再通过计算机积分计算得到运动体的位置、速度等导航参数。它具有自主导航能力，不需要任何外界电磁信号就可给出载体的姿态、速度和位置信息，抗外界干扰强，但INS定位误差的积累漂移大全球定位系统卫星导航定位系统，具有全球全天候、高精度、实时定位等优点，但其动态性能和抗干扰性较差。因此，GPS/INS组合导航定位系统可以充分发挥各自的优点，克服各自的缺点，实现在高动态和强电子干扰的环境下实时高精度的导航定位，在航天、航空导航和武器制导等方面应用非常广泛。
2经典组合方式由于惯性系统是从初始条件开始靠积分运算来推算导航参数，因此，纯惯性导航系统的精度在开始工作时或较短的时间内很高，但此后它的误差随时间积累使精度逐渐降低，而通过GPS提供的数据作为外部信息频繁矫正惯性系统，则可以实质性的解决这一问题，如所示该图是一个利用GPS位置信息阻尼的单通道组合系统，纯惯导系统线性化后的误差方程近似解具有无阻尼振荡传播。VB为观测运动速度，g为标准重力加速度，J.为标准地理掉度，R是坐标转换矩阵，S是坐标系间的旋转角向量的反对称矩阵由GPS导航系统提供的位置及速度数据作为外部阻尼信息，对误差行为进行阻尼。设h为惯性系统的计算掉度，Jr为来自GPS导航系统的掉度值，二者之差值作为系统的阻尼信息将此阻尼信息通过K1K2K3环节加入系统的相应环节处，经过系统分析计算可以确定阻尼系数K1K2K3的大小。
3采用卡尔曼滤波器的组合方法应用*优估计方法进行组合导航系统的理论设计，首先应建立以惯性导航系统误差方程为基础的组合导航系统状态方程，并在导航系统误差方程的基础上建立组合系统的测量方程，状态方程及测量方程均为时变线性方程采用线性卡尔曼滤波为惯性导航系统误差提供*小方差估计，然后利用这些误差的估计值去修正惯性导航系统，以减少导航误差另一方面，经过校正后的惯性导航系统又可以提供导航信息，以辅助GPS提高其性能和可靠性用卡尔曼滤波器实行GPS与SINS（SoftINS）的组合，有分布式组合滤波和全组合滤波两种方法3.1全组合滤波法全组合滤波方式，即按标准卡尔曼滤波，同时处理来自各个子系统的观测数据，如所示图中，B2全组合方案而其中：Xk为状态向量，0-1为系统噪声相应的协方差阵，Hk，k-1为状态转移矩阵，Pk是Kalman滤波误差的协方差阵，Kk是Kalman益，I为单位矩阵，Zk为观测量，Hk为系统的量测矩阵，Rk是测量噪声的协方差阵，+和-分别表示预报值和滤波值由于各个局部子系统的观测值Zi相互独立，（2）式可写成以下形式：3.2分布式滤波组合方法分布式滤波组合方法的基本过程是：SINSGPS数据经时间、空间同步处理后，先利用SINS信息探测并恢复周跳，然后GPS数据单独进行动态定位解算，利用GPS定位结果作为SINS滤波器的量测输入信息进行*优滤波，从而获得位置、速度、姿态等导航定位信息如所示分布式滤波分两步处理来自多个子系统的数据首先，每个子系统处理各自的观测数据，进行局部*优估计（局部滤波器）；然后，局部滤波器的输出都并行输入到主滤波器，获得主滤波器状态向量的*优估值。对一个动态系统的误差变量通常是时变的，如果观测信息来自多个独立的系统，则状态方程和观测方程可表示为以下空间模型：和相应方差阵为：利用卡尔曼滤波方程，可得出其状态向量的估计值其中：Xk，Xk分别为第i子分系统的状态向量预报值和滤波值；Pk，Pt分别为第i子系统的状态向量预报方差和滤波方差将各局部子系统滤波结果并行输入主滤波器进行*优滤波而得到主滤波器状态向量的*优估计X+M实际上反映了子系统i与主系统之间的关系，特别是当局部系统的状态向量Xit为主系统状态向量Xt的一部分时，M可由下式确定出来：与式（5）比较，并注意到式（7），可得：其中：X+k，X-k，P+*，P-ik是相应于局部滤波器i的器的结果来修正主滤波器的测量修正方程通常，将输出结果可以看出，式（10）实际上就是用局部滤波式（10）改写为类似于标准卡尔曼滤波方程形式：其中：各种分布式滤波设计方案中，GPS滤波器的输机载计算机，这就为组合系统的发展创造了一个很出结果（r及v）用于修正INS主滤波器。此时，联系两者的矩阵M可由下式确定：4结语GPSNS组合导航系统可以充分利用GPS与INS互补之特点，无论在精度、性能可靠性等各方面，组合系统都优于单独的子系统，而计算机技术的迅速发展，有条件提供运算速度更高存储量更大的好的技术条件组合系统的应用范围也由单一军用导航扩大到公路检测、地下油气管道检测激光断面测量机场等领域，组合系统将发挥越来越大的作甩
泊祎回收网遵循行业规范，任何转载的稿件都会明确标注作者和来源;
发布者：泊祎回收网，转载请注明出处：https://www.huishou5.net/dianzi/22879.html
微信扫一扫 
