含大规模端口的MEMS宏模型提取及角度参数化

针对含大规模输入输出端口的MEMS结构,提出分块叠加Arnoldi方法提取其宏模型,针对MEMS器件中广泛存在几何形状相同而初始方位不同的结构,采用矩阵坐标变换实现宏模型的角度参数化,解决宏模型的重复提取问题。最后,结合一种微型可编程光栅的设计验证了宏模型的效率与精度,与有限元仿真结果进行比较,基于宏模型的MEMS器件系统级仿真结果相对误差小于2%,时域仿真速度提高了45倍。     

飞行器动力学信息辅助MEMS惯导系统

使用微机械电子(micro electro mechanical systems, MEMS)惯导系统(inertial navigation system,INS)的飞行器由于其MEMS惯性器件测量精度低,致使导航误差快速发散。针对该问题,提出了一种利用飞行器动力学(aircraft dynamics, AD)信息辅助MEMS惯导解算的方法。〖JP2〗它基于AD建立的飞行器运动模型和运动误差模型,利用实时解算的飞行器运动状态构建卡尔曼滤波器对MEMS惯导误差进行估计和修正。在此基础上,进一步考虑了INS/全球定位系统(global positioning system,GPS)组合导航时该方法的改进算法,提出了一种利用GPS定位信息和预测滤波器对飞行器动力学模型误差估计的方法。最后的半实物仿真实验结果表明,飞行器动力学信息辅助滤波器可以有效地减小系统误差,提高 MEMS惯导系统输出精度。     

微纳卫星固体火箭推进器推力矢量测量方法

尽管固体火箭推进器应用于微纳卫星平台拥有诸多优点,但此类小型固体火箭推进器推力矢量难以测量。对此,提出一种利用惯性传感器量测值映射推力矢量大小的方法,开展地面动态飞行实验。首先,基于牛顿欧拉法和变质量系统理论建立地面实验系统的动力学模型,分析卫星的动力学与运动学特性;然后,构建惯性测量单元(inertial measurement unit, IMU)的量测方程,结合系统动力学中推力矢量与惯性传感器量测值间的映射关系,推导推力矢量测量模型;最后,通过仿真分析影响推力矢量测量精度的误差来源,并对惯性传感器的安装构型进行优化设计。通过数值仿真实验,在优化设计后,该测量方法可保证主推力和侧向推力测量精度均优于0.3%。     

载体运动学辅助的双轴旋转调制惯性导航算法

为提高车载捷联惯导系统的导航精度,提出一种载体运动学约束辅助双轴旋转调制的惯性导航算法。建立了惯性测量单元(inertial measurement unit, IMU)旋转的载体运动学约束模型,设计了32次序转位方案,在实现惯性器件误差自补偿的同时提高了系统可观测度,从而将提高了可观测度的载体运动学约束导航与旋转调制导航结合,进一步提高了导航精度。进行了4 000 s静止条件下的导航试验,结果证明此方法可以有效提高定位精度,水平定位精度和高度精度分别比双轴旋转调制导航提高48.2%和80.3%,比载体约束辅助导航提高85.1%和89.9%。最后通过车载实验验证了该方法的有效性。     

基于MEMS/超声波双足足绑式定位系统的实现

作战救灾等复杂场景下环境干扰大且难以获取外界信号、定位困难。惯性系统因其特性成为复杂场景下不可或缺的自主定位方式,但惯性器件存在累计误差,长航时状态下难以满足定位精度需求。超声波测距受环境影响小,成本较低,已成为辅助惯性器件进行行人定位的重要方式。目前惯性与超声波组合导航多为理论研究及仿真验证,少量可实现系统不便于后续研究实验的进行。针对上述问题,实现了一种基于Xsens公司Mti-G710型号微机电系统(micro-electromechanical systems, MEMS)和DAKOTA公司DJIN1002超声波模块的双足足绑式定位系统,并进行实测实验验证了系统的可行性。     

载体运动学辅助的双轴旋转调制惯性导航算法

为提高车载捷联惯导系统的导航精度,提出一种载体运动学约束辅助双轴旋转调制的惯性导航算法。建立了惯性测量单元(inertial measurement unit, IMU)旋转的载体运动学约束模型,设计了32次序转位方案,在实现惯性器件误差自补偿的同时提高了系统可观测度,从而将提高了可观测度的载体运动学约束导航与旋转调制导航结合,进一步提高了导航精度。进行了4 000 s静止条件下的导航试验,结果证明此方法可以有效提高定位精度,水平定位精度和高度精度分别比双轴旋转调制导航提高48.2%和80.3%,比载体约束辅助导航提高85.1%和89.9%。最后通过车载实验验证了该方法的有效性。     

MPOS联邦实时组合算法

微小型位置姿态测量系统(micro position and orientation system, MPOS)是为成像载荷提供实时高精度运动补偿信息的关键装置，其测量精度严重制约成像精度的提升。针对MPOS集中滤波实时性差的问题，在基于双ARM (advanced reduced instruction set computing machines)硬件平台的基础上，采用联邦滤波实时组合算法对多组传感器数据进行最优信息融合。以微惯性测量单元为公共参考系统，双天线全球导航卫星系统(global navigation satellite system, GNSS)和磁强计作为子系统提供量测信息，将各个子系统得到的局部误差协方差及状态估计值在主滤波器中进行信息融合得到最优估计值。通过动态实验验证了基于联邦滤波实时组合方法的MPOS,其位置、速度、航向角及水平姿态角精度可达0.6 m, 0.03 m/s, 0.15°,0.04°。     

自主交会对接中运动参数的测量

探讨了基于双目测量系统实现自主交会对接中运动参数的一种测量方法。通过对系统数学模型的误差分析,确定标志点的检测精度是影响测量误差的主要因素。将系统中的标识点配置为圆形,利用最小二乘准则精确地估计标志像点的圆参数,以提高运动参数的测量精度。仿真实验中圆参数的估计可以达到亚像素的检测精度,验证了算法的有效性。     

硅MEMS陀螺动态误差建模及系统仿真

为了增强MEMS(Micro Electromechanical System)陀螺抗外部角运动干扰能力,利用欧拉动力学理论,采用解析法构建了动态误差数学模型,分析了各误差的物理起因及影响大小。通过系统误差标定、补偿试验,计算基于MEMS惯性器件的微小型捷联惯性导航系统的动态误差。采用仿真方法验证了该系统应用于反坦克弹的可行性。     

CCD与MEMS组合测量弹丸落点偏差的方法

弹丸落点偏差可作为弹道末段修正的参照量,为制定修正策略提供依据.利用图像匹配技术和MEMS技术,根据目标在图像导引头CCD上的成像坐标,测量弹目相对方位,进而建立了估测弹丸落点与目标偏差的数学模型,并进行了四自由度弹道仿真验证.仿真计算结果表明,该方法能够较准确的测量弹丸落点与目标偏差,CCD与MEMS的测量误差是测量弹丸落点偏差精度的决定因素.     

基于SINS舰船升沉测量误差分析与补偿

在利用捷联惯导系统(strapdown inertial navigation system, SINS)对舰船升沉运动测量中,针对传统方法采用积分环节和数字高通滤波器组合引起相位超前的问题,分析了超前相位对升沉测量精度的影响,提出了增加相应低通滤波器进行相位校正的方法。针对实际工程应用中升沉监测点与舰船重心(center of gravity, COG)往往不重合的问题,定义两者之间的距离为测量杆臂,分析了舰船升沉测量过程中由测量杆臂引起的杆臂升沉的产生机理,提出了杆臂升沉的计算方法,最终给出监测点处升沉的精确测量算法。仿真结果表明,提出的监测点处升沉测量算法测量误差在0.05 m以内,具有较高的精度和稳定性。     

基于高程异常补偿的飞机终端区组合导航高度优化算法

大型机场终端区飞机的进近着陆通常利用仪表着陆系统(instrument landing system, ILS), 但由于价格及环境条件等原因, 部分机场没有配备ILS。针对未配备ILS的机场终端区, 提出一种基于误差判断因子, 结合高程异常补偿算法, 利用大气数据系统(air data system, ADS), 捷联式惯性导航系统(strapdown inertial navigation system, SINS)和北斗导航系统(beidou navigation system, BDS)组合进行高度计算的优化算法, 提高飞机进近过程中高度定位的精度。通过结合机场终端区高程异常, 建立新的Kalman滤波高度量测方程, 对组合导航系统高度定位算法进行优化与仿真。仿真结果表明, 通过终端区高程异常补偿, 可以降低BDS高度误差, 抑制SINS误差发散, 在飞机受静压源误差影响的情况下, 组合后的高度定位误差相对于单系统高度定位的误差可降低41.52%, 高度定位精度改善较好。     

基于互补滤波器的MEMS/GPS/地磁组合导航系统

针对低成本、高性能、高可靠性导航系统的迫切需求,设计并实现了一种基于互补滤波器的微机电系统(micro electro mechanical system, MEMS)/全球定位系统(global positioning system, GPS)/地磁组合导航系统。通过精确地器件标定,提高了MEMS陀螺仪、加速度计输出数据的准确性;根据MEMS惯性导航系统解算的姿态角、速度、位置结果,结合GPS及地磁的输出,设计了组合导航系统;依据载体的运动状态,设计了自适应调整截止频率的互补滤波器数据融合方法,实现了组合导航系统的定姿定位;最后,对组合导航系统进行静态、动态测试试验,实际测试结果表明,组合导航系统能够达到较高的导航精度。     

考虑SAR量测特性的弹载SINS/SAR组合导航滤波算法

在弹载捷联惯性导航系统(strapdown inertial navigation system, SINS)/合成孔径雷达(synthetic aperture radar, SAR)组合导航系统中, 针对量测输出时间间隔不同及SAR量测滞后的问题, 提出一种利用曲线拟合法解决量测滞后的非等间隔无迹卡尔曼滤波(unscented Kalman filter, UKF)算法。首先，在UKF的基础上, 利用系统状态转移矩阵的特性, 根据SAR有无量测输出选择是否进行量测更新, 解决了量测不同步的问题。然后，利用曲线拟合补偿法拟合SAR输出信息, 获得SAR量测信息滞后的补偿算法。最后，以弹载SINS/SAR组合导航系统为研究对象, 验证所提算法的有效性。仿真结果证明，该算法得到的东向位置误差的绝对值为5.12 m, 航向角误差绝对值为6.63″, 北向速度误差绝对值为0.08 m/s, 相比于传统UKF算法有效提升了组合导航系统滤波精度。     

重力扰动对高精度激光陀螺惯导系统ZUPT的影响分析与补偿

高精度激光陀螺惯导系统广泛应用于车载自主定位定向当中。当不存在外部测速设备的条件下，一般采用零速修正（zero velocity update，ZUPT）对导航误差的发散过程进行约束。常规ZUPT导航算法中重力矢量采用正常重力模型计算获得，忽略了重力扰动对导航精度的影响。考虑到车载自主导航系统对定位精度的要求，本文从重力扰动对惯性导航误差的影响机理分析入手，指出重力扰动是影响高精度ZUPT导航精度的最主要误差源之一。设计提出了两种适用于车载应用的重力扰动实时补偿方案，并在重力扰动变化剧烈的山区地带进行了长距离车载试验。试验结果表明，对于同一组跑车数据，导航时间2 h ZUPT间隔10 min，激光陀螺惯导系统的水平定位精度由补偿前的8.93 m提高到了补偿后的3.75 m，高程定位精度由补偿前的1.63 m提高到了补偿后的0.80 m。重力扰动补偿方法具有重要的工程应用价值。     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。     

Accuracy improvement of GPS/MEMS-INS integrated navigation system during GPS signal outage for land vehicle navigation

To improve the reliability and accuracy of the global positioning system (GPS)/micro electromechanical system (MEMS)inertial navigation system (INS) integrated navigation system,this paper proposes two different methods.Based on wavelet threshold denoising and functional coefficient autoregressive (FAR) modeling,a combined data processing method is presented for MEMS inertial sensor,and GPS attitude information is also introduced to improve the estimation accuracy of MEMS inertial sensor errors.Then the positioning accuracy during GPS signal short outage is enhanced.To improve the positioning accuracy when a GPS signal is blocked for long time and solve the problem of the traditional adaptive neuro-fuzzy inference system (ANFIS) method with poor dynamic adaptation and large calculation amount,a self-constructive ANFIS (SCANFIS) combined with the extended Kalman filter (EKF) is proposed for MEMS-INS errors modeling and predicting.Experimental road test results validate the efficiency of the proposed methods.