王 磊,胡学东,关 英,徐九龙,郝永平

(沈阳理工大学兵器科学技术研究中心,沈阳 110159)

0 引言

微机电系统(micro electro mechanical system,MEMS)惯性传感器作为军用级和宇航级产品,可用于军事领域和抗恶劣环境要求高的场合[1]。通过算法补偿可以改善这些微惯性器件的综合性能指标,提高其精度[2-3]。误差补偿后的组件可广泛应用于旋转弹丸、无人飞行器等对体积、成本有特殊要求的微小型导航系统[4-5]。

目前,采用微惯性测量组件与其他传感器、卫星接收系统等进行组合,进行多传感器数据融合[4]、自适应滤波[5]是研究的重点和热点。应用最广的信息融合方法是扩展卡尔曼滤波(extended Kalman filtering,EKF),但当微惯导系统中系统模型和噪声统计特性存在不确定性和非先验性时,会导致EKF产生较大估计误差,甚至发散。为了克服传统EKF不足,提出了包括Unscented卡尔曼滤波、粒子滤波(particle filtering,PF)等非线性滤波方法[6],上述算法由于收敛性、计算量大等问题,较少在实时性较高的实际导航系统中应用。文中针对自主研制的小体积、低成本微惯性测量组件,提出了去除高动态旋转对低动态输入轴耦合影响的复合标定方法。结合智能控制方法和传统EKF算法,提出了智能滤波方法,根据量测噪声大小,通过人工神经网络在线调整Q和R值,体现了一定的自适应性。构建了微惯性组件导航实验系统,并采用所提方法进行了验证。

1 低成本微惯性组件复合标定

实验室自主研发的微惯导系统包括MEMS惯性组件、地磁测量模块、卫星接收模块、现场可编程门阵列核心板(FPGA)、数字信号处理器(DSP)、电源模块、接口电路板组件,如图1所示。……