基于SINS/CNS组合状态下的CNS系统环境误差补偿技术研究

摘要

捷联惯性导航系统（Strap-down Inertial Navigation System,SINS）可以在不受外界信息辅助仅仅依靠自身的传感器就能实现全球化全天候的导航，但是惯性导航具有随时间误差积累的缺点，必须与其它导航系统如天文导航系统（Celestial Navigation System,CNS）组合来提高系统导航精度。目前，卫星、飞行器等载体应用SINS/CNS组合导航方案，而船载组合导航系统由于环境误差的影响限制了SINS/CNS组合导航方案应用。比如星敏感器需要在外界信息辅助下才能实现定位，这就会引入误差；船舶高机动运动以及自身振动甚至撞击引起的星图模糊、星敏感器采集星图时大气折射所引入的环境误差；以及船载环境下只能实现晚上晴朗天气下的导航，白天或阴天星敏感器无法工作等。因此，研究船载SINS/CNS组合导航状态下环境误差影响及校正方法就变得十分重要，本文主要针对星图模糊引入的导航误差及组合导航系统误差进行深入的研究。
　　本文深入分析了外界辅助水平姿态信息误差和位置误差对星敏感器的定位或定姿精度的影响，提出了一种惯导/星敏感器的组合导航方案，以速度、位置、姿态等误差作为状态量，姿态误差为观测量，构造组合导航系统模型，通过卡尔曼滤波对上述误差影响进行系统校正。并在MATLAB平台上对所提出的方案进行了仿真验证分析，试验结果验证了该方案正确性和有效性。
　　由于船载环境的特殊性，船舶在海上行驶受到海浪、大风的影响，尤其是战争状态时，船体不规则的振动、高速旋转、快速机动等运动状态都可能会使星敏感器在采集星图时遇到星图模糊的情况，为了达到25帧/s的星图处理速度和512×512像素的处理精度，提出了1DWF（One-dimensional Wiener Filter）星图模糊处理算法，该算法根据惯导提供的载体此时的运动信息，沿载体运动方向在CCD传感器中的角度将二维星图划分为N个一维的M像素序列，对每一个像素序列进行一维维纳滤波，每一个像素表示时间，每一个像素值表示这个时间上的值，最后将处理后的像素序列按照原来的方式组合在一起，生成一幅处理后的图像，经过仿真实验分析，这种算法不但能够解决星图模糊问题，效率也大大提高。
　　最后，针对所提出的组合导航方案和模糊星图的处理方式，设计并进行了实船试验，实验在晚上的湖面进行，分为静态和动态试验，静态实验用来解算安装误差，动态试验用人工模拟船舶高机动运动情况，并对试验结果进行了深入的分析，试验结果验证了该SINS/CNS组合导航方案和星图处理算法的有效性。

目录

声明

第1章 绪论

1.1 研究目的与背景

1.2 国内外研究现状

1.3 论文的主要结构和安排

第2章 船用SINS/CNS组合导航基础理论

2.1 常用坐标系介绍

2.2 载体运动学模型

2.3 惯导系统误差方程

2.4 星敏感器定姿工作原理

2.5 本章小结

第3章 SINS/CNS组合导航系统误差分析

3.1 SINS/CNS组合导航的基本原理

3.2 星敏感器定姿定位系统的误差分析

3.3 SINS/CNS组合导航系统校正仿真分析

3.4 本章小结

第4章 SINS辅助CNS系统的环境误差补偿

4.1 维纳滤波原理

4.2星图模糊模型

4.3 基于SINS信息辅助的1DWF的星图模糊处理算法

4.4 1DWF算法仿真验证

4.5 本章小结

第5章 SINS/CNS组合导航实船试验验证

5.1 SINS/CNS组合导航系统组成

5.2 SINS/CNS组合导航系统误差补偿试验

5.3 SINS/CNS组合导航环境误差补偿试验

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢