贾鹤鸣, 宋文龙, 牟宏伟, 车延庭

(1. 东北林业大学 机电工程学院, 哈尔滨 150040； 2. 中国运载火箭技术研究院, 北京 100076；3. 哈尔滨工程大学 自动化学院, 哈尔滨 150001)

0 引 言

对于捷联惯性导航系统(SINS: Strap Down Inertial Navigation System), 由于工作时间长、 环境等因素的变化, 陀螺漂移会导致标定值产生很大差异, 使系统无法满足对准、 导航精度的要求[1,2]。为改善这种状况, 笔者提出了捷联惯性导航系统/天文导航系统(SINS/CNS： SINS/Celestial Navigation System)组合陀螺在线标定方法。

捷联惯导系统通常利用卡尔曼滤波(KF: Kalman Filter)方法实现标定, 但其精度在很大程度上由系统的能观测性所决定； 同时, 它需要建立比较准确的系统状态空间模型[3]。而模型预测滤波(MPF:Model Prediction Filter)是一种基于非线性系统模型的实时滤波方法, 克服了卡尔曼滤波的缺点, 能在线估计任何形式的未知模型误差, 降低了系统的维数, 计算速度快, 具有良好的鲁棒稳定性[4]。

1 SINS/CNS组合在线标定陀螺输出误差模型

陀螺仪长时间工作, 由于环境变化等因素会引起陀螺漂移、 标度因数误差和陀螺安装轴不正交误差等因素的变化, 为更好地估计陀螺漂移后修正惯性器件误差, 将陀螺误差源建入陀螺模型得陀螺测量值

ωg=ω+b+K+τ+ng

(1)

(2)

其中S为刻度因数误差阵,ω为陀螺实际输出的角速度；Δxy,Δxz,Δyx,Δyz,Δzx,Δzy为陀螺的安装误差角。

2 模型预测滤波基本算法

模型预测滤波(MPF： Model Prediction Filter)是利用预测输出跟踪测量输出, 估计系统的模型误差, 将模型误差作为估计量, 利用观测量纠正模型中不确定的误差[5,6]。

假设一个非线性系统如下

(3)

Z=h(x)+v

(4)

其中f∈Rn是连续可微的非线性函数,x∈Rn是状态变量,D∈Rq是模型误差向量,G∈Rn×q是模型误差分布矩阵。……