APP下载

基于LABVIEW的MIMU 24项误差参数的快速标定方法

2021-01-05刘志伟徐文武

压电与声光 2020年6期
关键词:卡尔曼滤波

刘志伟,崔 敏,张 鹏,徐文武

(1.中北大学 仪器与电子学院,山西 太原 030051;2.中北大学 电子测试技术国家重点实验室,山西 太原 030051)

0 引言

作为捷联微惯性导航系统(SMINS)中必不可少的传感器单元,微惯性测量单元(MIMU)包含三轴微机电系统(MEMS)加速度计和三轴MEMS陀螺仪,其可给SMINS提供加速度和转速的测量值,以便进行导航解算和姿态解算,从而得到载体的姿态、速度和位置等运动状态信息[1]。由于MEMS陀螺仪和加速度计存在误差,MIMU的精度直接影响SMINS的精度,且导航误差将随时间累积,故需要对MIMU进行误差补偿,以提高SMINS的导航精度。因此,对MIMU进行误差参数标定是误差补偿的必要手段[2]。

传统的MIMU标定方法主要为分立式标定法,该方法需要精密的三轴转台输出速度和位置作为基准量来标定MIMU中的陀螺仪和加速度计[3],但此方法依赖转台精度且浪费时间。因此,现在基于卡尔曼滤波器的系统级标定法被国内外广泛研究,该方法主要是通过建立MIMU的误差系数状态更新方程来估计MINS中的导航误差,即选取MIMU在不同转动状态下与转台之间的位置误差和速度误差作为观测量[4],但其操作较复杂,且卡尔曼滤波器的维数过大,易造成系统运算量过大及数据发散。为了代替复杂的传统校准又保证标定的精度,本文提出了一种使用LABVIEW的上位软件进行标定过程中的转台控制和卡尔曼滤波器运算、数据处理,最终实现MIMU的快速便捷标定。

1 MIMU的标定模型

加速度计的误差模型为

(1)

陀螺仪的误差模型为

登录APP查看全文

猜你喜欢

卡尔曼滤波
基于双扩展卡尔曼滤波的电池荷电状态估计
改进的扩展卡尔曼滤波算法研究
基于无迹卡尔曼滤波的行波波头辨识
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
基于有色噪声的改进卡尔曼滤波方法
基于序贯卡尔曼滤波的OCT信号处理方法研究
基于模糊卡尔曼滤波算法的动力电池SOC估计
融合卡尔曼滤波的VFH避障算法
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测