吉云飞，孔令兵，蒋 喆

（北京航天时代光电科技有限公司，北京100094）

基于双ARM系统的MIMU航姿测量系统的研究及实现

吉云飞，孔令兵，蒋 喆

（北京航天时代光电科技有限公司，北京100094）

针对小型无人机武器平台对航姿系统小型化、低成本、集成化的设计要求，提出了一种基于双ARM系统的MIMU航姿测量系统，实现了单板集成所有惯性测量、初始对准、惯性导航、组合导航，以及航姿测量等功能。通过车载导航试验及飞行试验考核，该系统可以满足用户应用需求。

MIMU；航姿测量系统；组合导航

0　引言

随着MEMS惯性仪表工程化以及其逐步打破精度瓶颈限制的技术进步，其小型化、低功耗、低成本、抗力学性能好、带宽高、数字化输出的应用特点，越来越受到世界各国以及国内各军兵种的青睐。针对小型无人机等武器平台对MIMU惯性测量系统日益提高的低成本、小型化、长航时的应用需求，本文提出了一种基于双ARM系统的MIMU航姿测量系统，其应用特点如图1所示。当BD导航信息有效时，系统进入MINS/BD/地磁组合导航状态，实现领航功能；当BD导航信息长时间丢失或无效时，系统进入航姿工作模式，实现无人机作战平台的安全返航。通过合理的系统架构及布局设计，实现了单板集成所有惯性测量、初始对准、惯性导航、组合导航，以及航姿测量等功能，并且进行了车载导航试验及飞行试验考核，验证结果表明，该MIMU航姿测量系统具有低成本、小型化（55mm×38.5mm×9mm）、单片集成化的应用特点，相关性能精度可以满足用户应用需求。

图1　MIMU航姿测量系统应用流程图Fig.1 The application flow chrat of the MIMU AHRS

1　系统架构设计

MIMU航姿测量系统架构设计如图2所示，其惯性测量单元包括三轴正交放置的MEMS陀螺仪以及三轴一体MEMS加速度计，主要用以完成小型无人机等平台实时角速率及线加速度等惯性参量的测量；微处理器ARM1用于构建数据总线，通过优化SPI总线设计，完成MEMS陀螺和MEMS加速度计数据的实时、高速、同步采集，并将完成误差补偿后的MEMS仪表数据通过高速通信总线传递到微处理器ARM2中；微处理器ARM2则通过与微处理器ARM1进行实时通信，完成系统初始对准、惯性导航、组合导航、航姿测量等功能，并最终为飞控系统提供所需要的速度、姿态、位置等信息。图3所示为 MIMU航姿测量系统照片。

图2　MIMU航姿测量系统架构设计框图Fig.2 The design frame of the MIMU AHRS

该系统架构设计的优点在于:实现了惯性仪表测试数据的高速测量以及高速通信，避免了惯性测量同步误差；通过合理数据总线设计，以及器件选型、布局，在高性能实现既定功能的基础之上，实现了MIMU航姿测量系统小型化、单板集成化设计；实现了系统系列化设计，通过合理设计系统总线电路，实现了三款不同类型MEMS加速度计仪表的互换性设计，便于系统成本控制；便于系统批量生产，目前组合系统算法已固化至微处理器ARM2中，生产过程中不需要对ARM2进行任何操作，生产过程中需要进行的MEMS仪表参数标定及补偿过程均在ARM1中完成，提高了产品研制过程中的工艺性、可靠性和安全性。

图3　MIMU航姿测量系统照片Fig.3 The photo of the MIMU AHRS

2　MIMU/BD/地磁组合导航算法优化设计技术

图4　MIMU/BD/地磁组合导航算法原理框图Fig.4 The principle frame of the MIMU/BD/geomagnetic integrated navigation arithmetic

MIMU/BD/地磁组合导航算法原理框图如图4所示，信息融合滤波器原理图［1］如图5所示，项目研制过程中采用离散Kalman滤波算法作为系统多信息融合滤波器。Kalman滤波器是一种线性最小方差估计，由于其算法递推、便于计算机执行的特点，因此被广泛应用于各类工程实际当中。但是，也正是如此，Kalman滤波算法的效果受到系统噪声统计模型及计算机处理能力的限制，处理不当，甚至会引起滤波器发散。

图5　信息融合滤波器原理图Fig.5 The principle frame of the information fusion filter

2.1基于MIMU航姿测量系统的kalman滤波器优化设计算法

如何有效解决ARM微处理器计算能力对系统滤波精度的限制，避免MEMS仪表较大的系统噪声造成滤波器的不稳定甚至发散，是项目研制过程中需要解决的第一个问题。

通过对Kalman滤波算法对微处理器计算能力的要求进行分析，其主要的运算量在于滤波器的时间更新过程中的离散化过程。并且，由于MEMS陀螺仪仪表噪声（100（°）/h，1s平滑）较大，因此，传统Kalman滤波离散化处理过程中易于受到系统噪声的污染，影响系统姿态估计的稳定性。

传统的Kalman滤波中对状态转移矩阵的离散化处理是将其进行泰勒展开［1］，如式（1）所示，滤波过程中需要对所有导航周期内的姿态转换矩阵进行离散化处理，并且往往不知道系统量测信息何时到来，因此对处理器计算载荷增加的同时，其短期滤波效果往往不够好，高动态下甚至会造成系统的发散，需要增加限定记忆或衰减记忆等技术处理手段，不适合低成本MEMS惯性测量系统的应用。

式中，Tn为导航更新周期。

结合MIMU航姿测量系统较大的系统噪声特点，项目研制过程中对系统Kalman滤波离散化过程进行了优化处理，首先对系统噪声进行平滑滤波处理，并且在离散化前端增加状态转移矩阵累积滤波处理过程，避免系统噪声误差随时间更新过程进入Kalman滤波器，随后在滤波周期内对系统进行离散化操作。其离散化优化算法如式（2）所示。

式中，Tk为Kalman滤波周期。

本优化算法避免了MEMS仪表较高的系统测量噪声对Kalman滤波器稳定性的影响，可以有效降低ARM微处理器的运算量，仿真表明，本算法还可以有效提高MIMU航姿测量系统机载环境下的动态稳定性，并且不损失 Kalman滤波估计精度。

2.2航向阻尼技术研究

对于MINS/BD组合导航系统而言，卫星导航系统可以有效抑制速度及水平姿态角误差的发散，但是对于航向角误差发散的抑制作用是很有限的，因此需要采用磁罗盘进行航向角误差的阻尼，其阻尼效果直接关系到系统组合导航滤波过程中的稳定性。当系统无磁场干扰时，对于两轴磁传感器（X，Y），当其在水平面旋转时，理想的输出（Xh-Yh）应为一圆心位于原点的正圆。而干扰磁场存在时，其由硬铁磁场与软铁磁场两部分组成。硬铁磁场由磁罗盘平台（可认为是载体）上的永久性磁铁和被磁化的钢铁物质组成，其特点是当载体位于某一固定位置时，其强度为一定值，不随航向的变化而变化，在输出数据（Xh-Yh）中表现为固定偏移量。软铁磁场可认为由地球磁场与磁罗盘周围的磁化物质相互作用而产生。与硬铁磁场不同的是，软铁磁场强度的大小与方向与磁罗盘的方位有关［2］。另外，其还受到安装误差的影响，因此必须对系统罗差进行校正。依据Poisson给出的罗差数学模型［3］，可描述为式（3）～式（5）。

式中，mb为地磁场在载体坐标系下的投影，m为磁罗盘输出，k为软磁材料引起的罗差，b为硬磁材料引起的误差。

当系统工作环境稳定时，上述罗差系数a、b、c、d、e、f、g、h、i、p、q、r可以通过十二位置试验进行最小二乘拟合得到，从而完成飞行试验前的罗差系数标定。

载体飞行过程中，其电气设备或外界磁场变化等均会引起地磁扭曲现象的存在，会影响系统航向及姿态的滤波效果，目前的方案是首先将系统磁罗盘输出转化到导航坐标系下，从而使滤波器选取的地磁参考方向与测得的地磁矢量方向一致，可以极大地校正地磁磁场扭曲造成的误差［4］，其校正优化方法如式（6）所示。

3　基于梯度下降法的航姿算法研究

针对航姿测量系统中MEMS器件精度低、易发散的问题，本项目采用一种基于梯度下降［4］的姿态融合算法将陀螺仪、加速度计和地磁信息进行融合，对四元数更新方程进行补偿，以提高无卫星导航信息时系统的测量精度。

3.1姿态解算的四元数法

四元数法是一种间接处理姿态解算的方法，四元数与方向余弦阵的关系可确定为:

用tij表示的元素（i=1，2，3；j=1，2，3），即可得到3个姿态角:

其中，陀螺仪测得机体坐标系下x、y、z轴的角速度。设T为采样周期，则可对四元数进行更新。

3.2基于梯度下降的姿态融合算法

由于陀螺仪有累积误差，因此，可把加速度计和磁强信息作为一个参考基准，在每次四元数更新时对其进行补偿，从而实现这3种传感器的数据融合，提高系统的测量精度和动态性能。

为简化计算，将重力矢量gn=［00-1］T转换到机体坐标系中，利用四元数可得到加速度计的输出估计值:

式中，η是步长，其大小的选择会直接影响到系统的动态特性和四元数收敛的快慢，在本项目，此值确定为0.026。

4　飞行试验验证

4.1车载导航试验验证

车载导航试验过程中，选取MTI系统作为参考基准，分别对组合导航模式和航姿模式下的MIMU航姿测量系统测量精度进行验证，其航姿输出如图6、图7所示，车载导航试验全过程航姿测量精度如表1所示，满足系统应用要求。

4.2飞行试验验证

为充分验证系统飞行试验过程中的位置及姿态测量精度，对系统与某试验场进行了飞行试验考核，并依据遥测数据进行了对比分析，如图8～图11所示，飞行试验过程中，无人机飞行平稳，功能正常，飞行试验成功，满足系统应用要求。

表1　车载导航试验全过程系统航姿测量精度Table 1 The attitude and head measurement precision when it in the car

图6　组合导航模式下的航姿输出Fig.6 The output of attitude and head when it worked on the integrated navigation mode

图7　航姿模式下的航姿输出Fig.7 The output of attitude and head when it worked on the AHRS mode

图8　飞行试验中的姿态输出Fig.8 The output of attitude and head in flight

图9　飞行试验中的北向速度与北斗对比Fig.9 The north velocity in flight contrast with BD

图10　飞行试验中的东向速度与北斗对比Fig.10 The east velocity in flight contrast with BD

图11　飞行试验中的MIMU航姿系统航迹与北斗航迹对比Fig.11 The flight path of the MIMU AHRS in flight contrast with the track of BD

5　结论

本文采用基于双ARM系统的MIMU航姿系统的架构设计，实现了单板集成组合导航及航姿系统所有功能，并且进行了车载导航试验验证及飞行试验考核，验证结果表明，该系统可以满足用户应用需求。

［1］ 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，2012. QINYong-yuan， ZHANGHong-yue， WANGShuhua.Kalman filter and integrated navigation principle［M］. Xi'an：Northwest Industrial University Press，2012.

［2］ 杨新勇，黄圣国.磁罗盘的罗差分析与验证［J］.电子科技大学学报，2004，33（5）：547-548. YANG Xin-yong，HUANG Sheng-guo.Magnetic deviation analysis and verification for magnetic compass［J］.Journal of UEST of China，2004，33（5）：547-548.

［3］ 郭鹏飞，华春红，任章，等.基于递推最小二乘的航姿系统罗差校正［J］.中国惯性技术学报，2008，16（1）：28-31. GUOPeng-fei，HUAChun-hong，RENZhang，et al.Magnetic deviation compensation using recursive least square for AHRS［J］.Journal of Chinese Inertial Technology，2008，16（1）：28-31.

［4］ Madgwick S O H.An efficient orientation filter for inertial and inertial/magnetic sensor arrays［J］.Report x-io and U-niversity of Bristol（UK），April 30，2010.

［5］ 朱文杰，王广龙，高凤岐，等.基于MIMU和磁强计的在线实时定姿方法［J］.传感技术学报，2013，26（4）：537-539. ZHU Wen-jie，WANG Guang-long，Gao Feng-qi，et al.On-line real-time attitude determination method using MIMU and magnetometer［J］.Chinese Journal of Sensors and Actuators，2013，26（4）：537-539.

［6］ 姚远，李中健，雷志荣，等.基于ARM的微型航姿参考系统设计与实现［J］.电子设计工程，2014，9（18）：91-92. YAO Yuan，LI Zhong-jian，LEI Zhi-rong，et al.Design and implementation of attitude and heading reference system based on ARM［J］.Electronic Design Engineering，2014，9（18）：91-92.

Research and Realization of MIMU AHRS Based on Double ARM System

JI Yun-fei，KONG Ling-bing，JIANG Zhe
（Beijing Aerospace Times Optical-electronic Technology Co.，Ltd，Beijing 100094）

According to the miniaturization，low cost，integration design requirements of AHRS used in the small unmanned aerial vehicle，this paper puts forward a kind of MIMU AHRS based on the double ARM system，realized the integration of all inertial measurement，initial alignment，inertial navigation，integrated navigation，attitude and head measurement，and other functions on single board.Through the assessment of the vehicle navigation test and flight test，it indicated that the system can meet the needs of the user application.

MIMU；attitude and heading reference system（AHRS）；integrated navigation

U666.1

A

1674-5558（2016）01-01107

10.3969/j.issn.1674-5558.2016.03.004

2015-04-17

吉云飞，男，博士，工程师，研究方向为捷联惯性导航系统。