论文部分内容阅读
随着微机电系统(MEMS)不断发展,基于硅基的MEMS惯性测量单元(MIMU)也取得了长足进步。此类传感器具有快速响应、低功耗及低成本等优点,可广泛应用于航天、航空等导航领域,近年也在地面运动物体的导航中有着大量的应用。由于硅材料的温漂特性以及加工工艺误差会导致MIMU精度不高和工作不稳定等问题,因此有关对于MIMU中的惯性传感器性能补偿研究是近期的热点之一;另一方面,对于微惯性导航单元而言,姿态信息是惯导解算的核心部分,仅靠惯性传感器获取的信息来解算导航中的姿态时,很容易产生积累误差导致精确度降低,研究多传感器姿态融合技术的改进也是提高精度的有效途径。综合以上因素,本文围绕惯性传感器的误差补偿和姿态融合技术展开研究。首先,在充分研究惯性传感器工作原理的基础上,本文介绍了惯性器件的确定性误差模型,并详细推导了完整的随机误差AR模型建模过程;在充分研究卡尔曼滤波原理的基础上,分析低动态环境下的状态方程和量测方程,提出了一种基于线性状态方程的简化模型卡尔曼滤波算法,将状态方程和量测方程简化后直接计算估计均方误差,避免了复杂的矩阵求逆和分解运算,解决了卡尔曼滤波算法实时性不高的问题。为了验证MEMS惯性测量单元的误差建模实验以及姿态融合算法,本文还设计了基于ADIS16488惯性模块的误差补偿和姿态解算实验验证系统。测试结果表明,随机误差的均方差从补偿前0.07469°/s降到了补偿后的0.06781°/s,补偿后的自相关系数从0.9982降到了 0.0627,有效验证了基于AR模型的随机误差补偿算法的正确性、有效性。静态测试和动态测试中航向角误差在±6°以内,俯仰角和滚转角误差控制在±2°以内,单周期计算时间仅为互补滤波的58%,提高了响应速度,验证了简化模型卡尔曼滤波的有效性与实时性。