多表冗余惯导数据融合算法及在自对准中的应用

doi:10.13700/j.bh.1001-5965.2019.0604

北京航空航天大学学报 ›› 2020, Vol. 46 ›› Issue (12): 2211-2216.doi: 10.13700/j.bh.1001-5965.2019.0604

多表冗余惯导数据融合算法及在自对准中的应用

郭建刚^1,2, 陈鹏³, 郑伟¹

1. 国防科技大学空天科学学院, 长沙 410073;
2. 北京航天时代激光导航技术有限责任公司, 北京 100094;
3. 上海航天技术研究院北京研发中心, 北京 100081

收稿日期:2019-11-26 发布日期:2020-12-28
通讯作者: 郑伟 E-mail:zhengwei@nudt.edu.cn
作者简介:郭建刚,男,博士研究生,高级工程师。主要研究方向:飞行动力学与控制;郑伟,男,博士,教授,博士生导师。主要研究方向:飞行动力学与控制。
基金资助:
国家自然科学基金（0901010517001）

Data fusion algorithm of multi-sensor redundant inertial navigation and its application in self-alignment

GUO Jiangang^1,2, CHEN Peng³, ZHENG Wei¹

1. College of Aerospace Science and Engineering, National University of Defense Technology, Changsha 410073, China;
2. Beijing Aerospace Times Laser Inertial Technology Company, Ltd., Beijing 100094, China;
3. Shanghai Academy of Spaceflight Technology Beijing R&D Center, Beijing 100081, China

Received:2019-11-26 Published:2020-12-28

摘要/Abstract

摘要： 针对多表冗余惯导系统的自对准问题，基于某型三正交两斜置冗余的十表惯导系统，对仪表数据融合算法进行了研究。通过分析和仿真验证了最小二乘估计的数据融合算法在提高系统自对准精度中的有效性，并在静态对准试验的基础上，构造了基于仪表零偏稳定性的加权矩阵。试验结果表明：相较于只使用正交仪表的数据，数据融合可以有效提高系统自对准精度，使斜置冗余仪表的数据得到充分利用，改进算法精度比马尔可夫估计有所提高。

关键词: 多表冗余, 数据融合, 自对准, 最小二乘估计, 惯导系统

Abstract: For the self-alignment problem of the multi-sensor redundant inertial navigation system, the data fusion algorithm of the inertial navigation system is studied based on ten-sensor inertial navigation system which consists of three-orthogonal and two-skew sensors. The validity of the least square estimation data fusion algorithm in improving the self-alignment accuracy of the system is verified through analysis and simulation. Then, a static alignment experiment is conducted and a weighted matrix based on the bias stability is established. The results of the experiment show that, compared with using the data of orthogonal instruments only, the data fusion can effectively improve the self-alignment accuracy of the system and make full use of the data of the skew redundant instruments. The accuracy of the improved algorithm is slightly better than that of Markov estimation.

Key words: multi-sensor redundant, data fusion, self-alignment, least square estimation, inertial navigation system

中图分类号:

V249.3

郭建刚, 陈鹏, 郑伟. 多表冗余惯导数据融合算法及在自对准中的应用[J]. 北京航空航天大学学报, 2020, 46(12): 2211-2216.

GUO Jiangang, CHEN Peng, ZHENG Wei. Data fusion algorithm of multi-sensor redundant inertial navigation and its application in self-alignment[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(12): 2211-2216.

参考文献

[1] SABLYNSKI R,PORDON R.A report on the flight of Delta II's redundant inertial flight control assembly (RIFCA)[C]//IEEE 1998 Position Location and Navigation Symposium,1998:98CH36153.
[2] 彭蓉,严恭敏,秦永元.箭载捷联惯导系统水平自对准的两种实用方法[J].中国惯性技术学报,2009,17(4):428-435.PENG R,YAN G M,QIN Y Y.Two practical methods of autonomous leveling alignment for launch vehicle SINS[J].Journal of Chinese Inertial Technology,2009,17(4):428-435(in Chinese).
[3] 崔潇,秦永元,严恭敏,等.基于矩阵卡尔曼滤波的捷联惯导初始对准算法[J].中国惯性技术学报,2018,26(5):585-590.CUI X,QIN Y Y,YAN G M,et al.Initial alignment algorithm for SINS based on state matrix Kalman filter[J].Journal of Chinese Inertial Technology,2018,26(5):585-590(in Chinese).
[4] 郭泽,缪玲娟,赵洪松.一种改进的强跟踪UKF算法及其在大方位失准角初始对准中的应用[J].航空学报,2014,35(1):203-214.GUO Z,MIAO L J,ZHAO H S.An improved strong tracking UKF algorithm and its application in SINS initial alignment under large azimuth misalignment angles[J].Acta Aeronautica et Astronautica Sinica,2014,35(1):203-214(in Chinese).
[5] HE H Y,XU J N,LI J S,et al.Improved fast backtracking alignment approach for strapdown inertial navigation system[J].Journal of Chinese Inertial Technology,2015,23(2):179-183.
[6] 郭士荦,许江宁,李峰.强跟踪CKF及其在惯导系统初始对准中的应用[J].中国惯性技术学报,2017,25(4):436-441.GUO S L,XU J N,LI F.Strong tracking cubature Kalman filter for initial alignment of inertial navigation system[J].Journal of Chinese Inertial Technology,2017,25(4):436-441(in Chinese).
[7] BAR-ITZHACK I Y,HARMAN R R.In-space calibration of a skewed gyro quadruplet[J].Journal of Guidance,Control,and Dynamics,2002,25(5):852-859.
[8] PITTELKAU M E.Calibration and attitude determination with redundant inertial measurement units[J].Journal of Guidance,Control,and Dynamics,2005,28(4):743-752.
[9] PITTELKAU M E.Cascaded and decoupled RIMU calibration filters[J].The Journal of the Astronautical Sciences,2006,54:449-466.
[10] YUKSEL Y,EL-SHEIMY N.An optimal fusion method for skew-redundant inertial measurement units[J].Journal of Applied Geodesy,2011,5(2):99-115.
[11] 秦永元,张洪钺,汪叔华.卡尔曼滤波与组合导航原理[M].西安:西北工业大学出版社,2015:63-68.QIN Y Y,ZHANG H Y,WANG S H.Theory of Kalman filter and integrated navigation[M].Xi'an:Northwestern Polytechnical University Press,2015:63-68(in Chinese).
[12] GILMORE J P.SIRU development final report[R].Washington,D.C.:NASA,1973:11-16.
[13] 秦永元.惯性导航[M].北京:科学出版社,2006:240-241.QIN Y Y.Inertial navigation[M].Beijing:Science Press,2006:240-241(in Chinese).
[14] 梅春波,秦永元,游金川.SINS在大失准角条件下的非线性量测初始对准算法[J].宇航学报,2016,37(3):1-7.MEI C B,QIN Y Y,YOU J C.Nonlinear measurement based SINS initial alignment for large misalignment angles[J].Journal of Astronautics,2016,37(3):1-7(in Chinese).
[15] 夏益霖,吴家驹.航天发射的低频振动环境及其模拟[J].强度与环境,1998(1):1-8.XIA Y L,WU J J.Low-frequency vibration environment and its simulation for aerospace launch[J].Structure & Environment Engineering,1998(1):1-8(in Chinese).

多表冗余惯导数据融合算法及在自对准中的应用

Data fusion algorithm of multi-sensor redundant inertial navigation and its application in self-alignment

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王琪, 汪立新, 周小刚, 沈强. 混合式惯导系统姿态四元数连续自标定模型[J]. 北京航空航天大学学报, 2019, 45(7): 1424-1434.
[2]	谭治学, 钟诗胜, 林琳. 多源数据融合的民航发动机修后性能预测[J]. 北京航空航天大学学报, 2019, 45(6): 1106-1113.
[3]	荆丽丽, 杨磊, 汉牟田, 洪学宝, 孙波, 梁勇. GNSS-IR双频数据融合的土壤湿度反演方法[J]. 北京航空航天大学学报, 2019, 45(6): 1248-1255.
[4]	叶文, 翟风光, 蔡晨光, 李建利. 基于状态量扩维的旋转式捷联惯导系统精对准方法[J]. 北京航空航天大学学报, 2019, 45(5): 912-918.
[5]	孙哲, 张勇, 常衢通. 基于置信度的TOF与双目系统深度数据融合[J]. 北京航空航天大学学报, 2018, 44(8): 1764-1771.
[6]	杨新宇, 张臻, 谭清远, 陈翔, 周克敏. 基于Hammerstein结构的电子节气门动态非线性建模[J]. 北京航空航天大学学报, 2018, 44(12): 2605-2612.
[7]	沈强, 刘洁瑜, 赵乾, 王琪. MEMS陀螺阵列的RCC-OBE估计融合方法[J]. 北京航空航天大学学报, 2018, 44(11): 2373-2379.
[8]	黄小凯, 张超, 胡芳, 刘守文. 长期贮存平台惯导系统壳体效应变化行为模型[J]. 北京航空航天大学学报, 2016, 42(3): 444-451.
[9]	李靖卿, 冯存前, 张栋, 陈蓉. 基于时频域增强和全变差的群目标信号分离[J]. 北京航空航天大学学报, 2016, 42(2): 375-382.
[10]	张义, 陈虞君, 杜博文, 蒲菊华, 熊璋. 智慧城市多模式数据融合模型[J]. 北京航空航天大学学报, 2016, 42(12): 2683-2690.
[11]	谭彩铭, 王宇, 苏岩, 朱欣华. 捷联惯导系统最简多位置解析对准[J]. 北京航空航天大学学报, 2015, 41(9): 1645-1650.
[12]	雍霄驹, 方洋旺, 张登福, 刁兴华. 网络瞄准中的异步传感器空间配准算法[J]. 北京航空航天大学学报, 2014, 40(12): 1707-1712.
[13]	周斌, 王巍, 何小飞. 旋转式光纤陀螺惯导系统随机误差抑制技术[J]. 北京航空航天大学学报, 2013, 39(9): 1203-1207.
[14]	陈雨, 赵剡, 李群生, 吴辉. 考虑陀螺频率特性的角速率输入圆锥补偿算法[J]. 北京航空航天大学学报, 2013, 39(9): 1228-1232.
[15]	梁海波, 李浩, 司文杰, 吕章刚. 初级教练机中的低成本导航仪组合导航算法设计[J]. 北京航空航天大学学报, 2013, 39(9): 1263-1268.