[发明专利]一种基于角度参数化的航向初始对准方法

说明书

本发明公开了一种基于角度参数化的航向初始对准方法。首先，基于计算量较低的要求，推导基于六轴惯性传感器的Mahony姿态解算算法，对产生数据进行提取预处理。其次，结合扩展卡尔曼滤波与高斯和滤波器，研究基于角度参数化的航向初始对准技术。通过角度参数化的方法，将初始航向角分割为等间隔方向，将解算的航向角输入到相应的角度参数化滤波算法模块，进行低精度组合导航系统的航向初始对准。在初始航向角存在大失准角的情况下，该系统可以通过短时间的机动，航向角完成初始对准，最终实现强鲁棒性、高精度的组合导航航向角初始化。

技术领域

本发明属于惯性导航领域，具体涉及一种基于角度参数化的航向初始对准方法。

背景技术

初始对准是惯性导航的关键技术之一，也是卫星/惯性组合导航系统的重要环节。传统的初始对准解析方法，通过测量当地重力加速度和地球自转速率，将姿态失准角快速收敛到较小范围内。但在MEMS-IMU(微惯性测量单元)由于陀螺仪的误差较大，无法敏感地球自转速度，因此传统的解析自对准并不适用于低精度捷联惯性系统。

SINS/GPS组合导航系统可以在机动中初始对准航向角。在线性条件下，EKF(扩展卡尔曼滤波)是小角度误差下常用的方案。但大方位失准角导致了系统呈强非线性。为解决该问题，一般有两种方法：一种是用非线性滤波方法替代线性卡尔曼滤波，进行非线性初始对准，例如UKF(无迹卡尔曼滤波)；另一种是建立新的线性系统方程，实现线性初始对准。第一种方法与EKF相比，非线性模型的推导往往非常复杂，大量矩阵计算对系统的计算能力要求高，第二种方法的对准速度较慢。

混合动态滤波算法是一种新型解决方案。改进的卡尔曼滤波算法均或多或少地存在一些问题，在面对模型不确定和噪声不确定时，存在滤波精度高但滤波稳定性差，鲁棒性高但滤波精度低等问题。其中混合滤波中的扩展卡尔曼滤波组合GSF(高斯和滤波)的方案在性能和计算复杂度之间表现出良好的平衡。

发明内容

为解决上述问题，本发明公开了一种基于角度参数化的航向初始对准方法，解决低精度组合导航系统的航向初始对准难题，提升航向角初始对准的鲁棒性和精度。

为达到上述目的，本发明的技术方案如下：

一种基于角度参数化的航向初始对准方法，包括下列步骤：

步骤1)，建立航向角初始对准模型，采用的地理坐标系取东北天(ENU)，航向角正方向取北偏东为正，SINS的姿态、速度和位置的动力学方程如下：

其中，n为导航坐标系，b为载体坐标系，N为地理坐标系，i为惯性坐标系，表示b系到n系的旋转矩阵，表示旋转矩阵的微分，表示b系相对于n系在b系下的角速度，Vⁿ表示载体在导航坐标系下的速度，f^b表示载体坐标系下的比力，表示n系相对于i系在n系下的角速度，表示n系相对于e系在n系下的角速度，gⁿ表示重力n系下分量，L,h,R分别表示载体所在的经度，高度，半径，表示N系相对n系的相对速度。

步骤2)，建立EKF滤波器框架：通过将SINS/GPS以组合方式应用于扩展卡尔曼滤波，提出了航向角估计方法。该方法架构主要包含3个模块：GPS接收模块，基于IMU的航向角积分模块，二者的数据通过扩展卡尔曼滤波算法进行滤波处理得到融合航向角。

步骤3)，航向角滤波器的初始化：在运行APEKF算法之前，对该算法中的航向角滤波器进行初始化，假设航向角由xy水平面向北(N)的增量速度ΔV_x，向东(E)的增量速度ΔV_y和绕z轴旋转的增量角度Δψ所驱动，偏航角的测量误差ψ_error也和这3个值的测量噪声相关。