论文部分内容阅读
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。