MINS/GPS组合导航系统数据处理方法的研究

摘要

如何有效地处理多导航传感器数据是当今导航技术中研究的热点之一,尤其是研究由微小型惯性导航系统(MINS)与其它导航传感器组成的综合导航系统数据处理方法更是一件有价值的研究课题。本文以MINS/GPS组合导航系统中的数据处理方法为主要研究内容,所做的工作可归纳为如下几个方面： (1)首先简要阐明了MINS的基本原理,列出了MINS误差传播方程,通过试验建立了微型压电振动陀螺仪的随机误差数学模型,并提出应用时间序列的分解方法来分析陀螺仪的随机误差特性。 (2)在对MINS系统任务进行分析和合理分配的基础上,发展了一种以数字信号处理器(DSP)为核心器件的多处理器结构的嵌入式导航计算机系统。为了扩大微型惯性测量组合(MIMU)数据采集系统的动态范围和提高MIMU数据采集系统的速度,在浮点放大器的基础上,提出了基于复杂可编程逻辑设计(CPLD)技术的两级并行A/D转换方案,并采用双端口RAM缓存数据来提高导航处理机数据接收速度；为了实现导航处理器与外部设备的信息交换,设计了基于微控制器(MCU)统一管理下的通用串行通讯板,巧妙地利用DSP本身的HPI接口实现了外部导航信息与导航处理机之间的高速数据交换。还应用马尔科夫状态图法,建立了导航计算机可靠性模型,为评定系统的可靠性奠定了基础。 (3)在基于最优估计理论基础上的MINS/GPS组合导航系统,信息融合的效果对微型陀螺仪噪声和量测噪声相当敏感。本文研究了自适应横向滤波器,并提出应用基于神经网络的自适应非线性组合滤波器来对陀螺仪信号进行降噪处理；对信息融合中心获取的外部导航设备测量值,介绍了一种基于检验量测新息统计特性的数据处理方法。针对其局限性,设计了一种简便的新息控制器,并在此基础上首次提出了一种卡尔曼滤波的修正算法,仿真结果表明该修正算法有效地提高了滤波器的稳定性和精度。 (4)进行了MINS/GPS组合导航系统综合校正数据处理方法的研究。根据MINS的误差方程,建立了组合导航的在线校正模型,分别设计了Kalman滤波器和H∞滤波器,实现GPS对MINS的校正。对上述两种在线滤波处理方法进行了仿真比较,并指出了各自的优缺点。 (5)为了获得最优H∞滤波,基于二分法思想,首次提出了一种性能因子在线快速自调整的H∞滤波器,计算机仿真效果良好,为H∞滤波器更好的走向工程应用开辟了新的途径。 (6)在系统模型参数和噪声统计特性不确定的情况下,H∞滤波器是一个很有价值的状态估计器。针对集中式H∞滤波的局限性,研究了分散式H∞滤波方法,并首次将该方法应用在MINS中,实现了对载体姿态、位置、速度的全面综合校正。 (7)在分散H∞滤波器的基础上,首次提出了联合H∞滤波算法,并给出了信息分配方法,仿真结果表明该联合H∞滤波器状态估计精度要优于分散H∞滤波器。 (8)建立了MINS/GPS的试验系统,并给出了以静态试验数据为主的系统测试结果。结果表明,该系统从导航计算机设计到相应的MINS/GPS数据融合处理是成功的。

目录

文摘

英文文摘

声明

第一章绪论

1.1微小型惯性系统的发展概况

1.1.1微小型惯性测量仪表发展概况

1.1.2微小型惯性测量系统发展概况

1.1.3 MINS系统组成与炮弹的惯性制导

1.2 MINS/GPS数据处理方法的研究现状

1)惯性器件随机误差建模方法的研究

2)MINS惯性测量仪表输出信号的预处理方法研究

3)GPS接收机输出数据预处理方法研究

4)组合导航系统优化处理算法的研究

1.3研究目的意义

1.4本文研究内容

第二章微小型惯性导航基本原理及系统误差模型

2.1引言

2.2 MINS导航基本原理

2.2.1姿态矩阵更新

2.2.2导航参数更新

2.3 MINS系统误差模型

2.3.1平台误差角方程

2.3.2速度误差方程

2.3.3位置误差方程

2.4微型压电振动陀螺仪随机误差模型

2.4.1陀螺仪随机漂移数据的采集

2.4.2陀螺仪随机漂移数据预处理

2.4.3陀螺仪随机漂移模型的结构辨识

2.5本章小结

第三章MINS/GPS组合导航计算机系统

3.1引言

3.2系统任务划分与总体结构

3.3 MIMU数据采集子系统

3.3.1系统方案总体设计

3.3.2浮点放大器的设计

3.3.3 A/D采样转换外围线路设计

3.3.4高速信息交换方式

3.3.5采集时序控制器

3.4 GPS导航信息采集子系统

3.4.1波特率产生电路

3.4.2串行数据接收接口电路

3.4.3信息交换电路

3.5导航处理器

3.6 MINS/GPS导航计算机可靠性模型

3.6.1马尔科夫状态图的引入

3.6.2应用马尔可夫状态图法对导航计算机进行可靠性建模

3.7本章小结

第四章MINS/GPS数据预处理方法

4.1引言

4.2基于神经网络自适应组合滤波器的陀螺仪输出信号降噪方法

4.2.1问题的提出

4.2.2神经网络基本原理

4.2.3基于神经网络的自适应组合滤波器

4.2.4基于神经网络的自适应组合滤波器训练与结果

4.2.5基于神经网络的自适应组合滤波器在陀螺仪消噪中的应用结果

4.3 GPS接收机输出数据预处理方法

4.3.1引言

4.3.2一种GPS接收机输出数据预处理方法

4.3.3一种新的GPS接收机输出数据预处理方法

4.3.4仿真实验及结果分析

4.4本章小结

第五章MINS/GPS组合导航系统导航过程中在线数据处理方法

5.1引言

5.2 MINS/GPS组合技术

5.2.1 MINS/GPS组合模式

5.2.2 MINS/GPS组合模式选择考虑

5.2.3 MINS/GPS组合算法

5.2.4 MINS/GPS组合校正

5.3基于卡尔曼滤波的MINS/GPS数据在线处理方法

5.3.1卡尔曼滤波器的原理

5.3.2系统测量方程

5.3.3 MINS/GPS仿真试验

5.4基于H∞滤波的误差数据在线处理方法

5.4.1引言

5.4.2H∞滤波的原理

5.4.3 MINS/GPS组合导航H∞滤波器模型

5.4.4仿真试验

5.5卡尔曼滤波器与H∞滤波器的比较

5.5.1算法比较

5.5.2卡尔曼滤波器与H∞滤波器的仿真试验比较

5.6在线调整性能因子的H∞滤波算法

5.7本章小结

第六章分散H∞滤波算法以及在MINS系统中的应用研究

6.1引言

6.2分散H∞滤波技术及其综合算法

6.2.1引言

6.2.2问题的描述

6.2.3H∞滤波综合算法

6.2.4分散H∞滤波器性能分析

6.3分散H∞滤波器在MINS中的应用

6.3.1分散H∞滤波器模型

6.3.2计算机仿真结果

6.4联合H∞滤波器

6.4.1引言

6.4.2最优综合算法

6.4.3联合H∞滤波器

6.4.4联合H∞滤波器在MINS导航系统中的应用

6.5本章小结

第七章基于DSP的MINS/GPS组合导航系统的软件实现及试验结果

7.1引言

7.2试验系统硬件组成

7.3 MINS/GPS组合系统的软件实现

7.3.1 MINS/GPS组合系统应用软件

7.3.2 MINS/GPS组合系统监控软件

7.4 MINS/GPS组合系统的试验及结果

7.4.1 MINS自主导航静置试验

7.4.2 MINS/GPS组合导航静置试验

7.4.3静态条件下系统的横滚角和俯仰角性能试验

7.5本章小结

总结

参考文献

攻读博士学位期间发表的论文

致谢