一种惯性测量单元对准方法
技术领域
本发明属于惯性导航
技术领域
，涉及一种惯性测量单元对准方法。背景技术
作为惯性导航领域的重要分支，车载定位定向系统在战略军用和商业民用等领域开辟了广阔的应用前景，在国防建设和国民经济发展中具有重要作用。在车载定位定向系统中，惯性导航技术是基于惯性传感器测量信息对载体姿态、速度和位置进行积分运算的过程，作为惯性导航技术的核心环节，初始对准的任务是确定载体姿态矩阵，为导航运算提供准确的积分初值。为了保证载体的机动性，车载定位定向系统需要具有快速开始导航任务的能力；同时，姿态失准角不仅以姿态信息的形式对系统误差产生影响，还将反映在速度和位置信息的获取中，直接影响系统导航精度。因此，初始对准需要实现快速性和准确性两项关键指标，而这两项指标的实现通常是互相矛盾的。因此，开展在短时间内完成高精度初始对准的研究对于提升车载系统的反应能力和定位定向精度具有至关重要的意义。
根据对准过程的原理，可分为粗对准和精对准两个阶段，粗对准阶段利用惯性传感器的测量信息初步求解姿态矩阵，常用方法主要为解析式粗对准和惯性系粗对准，解析式粗对准利用重力加速度和地球自转角速率在不同坐标系下的投影来获取姿态矩阵，一般情况下，对准地点的地理位置是已知的，因此重力加速度和地球自转角速率矢量在导航坐标系下的投影也是已知的，姿态矩阵即可通过重力加速度和地球自转角速率矢量在载体系和导航系之间的转换关系获得。
然而，解析式粗对准方法只适用于静基座环境，该方法将姿态矩阵视为常值，且假定陀螺测量输出即为地球自转角速率矢量，加速度计测量输出为重力加速度矢量。事实上，在强干扰环境下，姿态矩阵并不是固定不变的，同时较大的干扰角速率使陀螺输出中的有效信息难以被提取，以上假设不再成立。因此，在大幅度干扰的恶劣环境下对准精度低，无法完成有效的初始对准。
惯性系粗对准先对姿态矩阵进行分解，间接利用双矢量定姿原理解算姿态；精对准阶段以粗对准解算的姿态初值为基础，假定姿态失准角为小角度误差，以惯性器件误差和导航误差为观测量，对失准角进行最优估计以获取精确的姿态矩阵。
惯性系粗对准方法能适应晃动环境，但并未有效利用全部量测信息，不能达到最优的对准精度。在现有对准方法的基础上，如何在晃动干扰环境下完成高精度初始对准是本发明聚焦的关键问题。
发明内容
为了解决相关技术中在大幅度晃动干扰情况下传统粗对准方法对准精度不高的问题，本申请实施例提供了一种惯性测量单元对准方法。本申请通过TRIAD(the three-axis attitude determination，双矢量定姿)和REQUEST(quaternion estimation，递推四元数估计)算法完成粗对准，基于已存储历史时刻的惯性器件测量信息进行卡尔曼滤波精对准，提供了一种能够适用于晃动摇摆环境、有效权衡对准时间和对准精度的组合对准方法。技术方案如下：
在晃动环境下采集惯性器件的输出数据；
基于惯性凝固原理分解姿态矩阵；
基于双矢量定姿TRIAD算法和递推四元数估计REQUEST算法求解所述姿态矩阵，得到粗对准结果；
以粗对准阶段获得的所述粗对准结果为初值，建立卡尔曼滤波误差模型，应用过去时刻存储的惯性器件数据开展迭代滤波对准，得到所述初始对准结果；
输出所述晃动环境下的所述初始对准结果。
可选地，所述基于惯性凝固原理分解姿态矩阵，通过下式表示：
其中，n表示导航坐标系，即当地地理坐标系；b表示载体坐标系，固连于载体；表示导航惯性坐标系，是对准初始时刻导航坐标系根据惯性凝固原理确定的坐标系；表示载体惯性坐标系，是对准初始时刻载体坐标系根据惯性凝固原理确定的坐标系；表示从导航惯性系到导航系的姿态转换矩阵，随时间变化，并通过对准时间及解算的位置信息获取更新；表示从载体系到载体惯性系的姿态转换矩阵，随时间变化，通过陀螺输出角速率信息获取更新；表示从载体惯性系到导航惯性系的姿态转换矩阵，是对应于对准开始时刻的常值矩阵；
其中，姿态矩阵分解为：
式中，表示对准初始时刻t0地球坐标系根据惯性凝固原理确定的坐标系。
可选地，所述的求解过程包括：
使用陀螺角速度替换旋转角速率在载体系的投影
从对准开始时刻，四元数在每个采样间隔内解算更新；
根据四元数和姿态矩阵的转换关系完成对姿态矩阵的更新。
可选地，所述基于双矢量定姿TRIAD算法和递推四元数估计REQUEST算法求解所述姿态矩阵，得到粗对准结果，包括：
基于TRIAD算法确定从载体惯性系到导航惯性系的姿态转换矩阵
基于所述REQUEST算法优化所述得到姿态矩阵的最优估计
可选地，所述基于TRIAD算法确定从载体惯性系到导航惯性系的姿态转换矩阵包括：
根据从导航惯性系到导航系的姿态转换矩阵以及从载体系到载体惯性系的姿态转换矩阵获取当前时刻下重力加速度在导航惯性系和载体惯性系下的投影；
选取不同时刻对加速度矢量进行积分运算，分别得到速度矢量在导航惯性系和载体惯性系下的投影；
根据TRIAD原理和速度矢量在导航惯性系和载体惯性系下的投影，确定出所述姿态转换矩阵
可选地，所述当前时刻tk下重力加速度在导航惯性系和载体惯性系下的投影，通过下式表示：
其中，重力加速度在导航系下的投影gn＝[0 0 -g]，重力加速度在载体系下的投影gb可用加速度计输出表示；
相应地，在不同时刻t1和t2下，速度矢量在导航惯性系和载体惯性系下的投影，通过下式表示：
所述姿态转换矩阵通过下式表示：
可选地，所述基于所述REQUEST算法优化所述得到姿态矩阵的最优估计包括：
选取比力的积分作为观测矢量，在tk时刻，观测信息通过下式表示：
初始化参数初值，设置m0＝0，K0＝04×4，
在tk时刻，利用当地纬度L和对准时间t计算利用陀螺输出角速率计算
根据观测信息的计算公式求解tk时刻的观测矢量，获取矩阵K当前的增量矩阵ΔKk，ΔKk通过下式表示：
zk＝bk×rk；
σk＝tr(Bk)；
根据不同观测矢量对K矩阵的影响，选取合适的权重系数，更新tk时刻的K矩阵，更新方式如下：
mk＝mk-1+αk
其中，αk为权重系数，对各观测向量采用相同的权重系数；
求解K最大特征值对应的特征向量，更新姿态矩阵估计值
判断是否达到对准时间；
若对准未结束，则再次所述在tk时刻，利用当地纬度L和对准时间t计算利用陀螺输出角速率计算的步骤；
若对准已结束，输出当前的姿态矩阵估计值
可选地，所述以粗对准阶段获得的所述粗对准结果为初值，建立卡尔曼滤波误差模型，应用过去时刻存储的惯性器件数据开展迭代滤波对准，得到所述初始对准结果，包括：
选取系统误差的姿态失准角速度误差δvn、陀螺零偏εb、加速度计零偏作为状态量，建立12维系统状态方程：
其中，12维状态量为：
根据状态量可知状态转移矩阵为：
系统噪声为：
其中，分别为陀螺角速率噪声和加速度计比力噪声；
载体静止时，导航解算速度即系统速度误差。以速度误差作为观测量，建立系统观测方程：
Z＝HX+V
其中，观测矩阵H＝[03×3 I3×3 03×3 03×3]，观测噪声为速度测量噪声V＝[VE VNVU]。
可选地，所述以粗对准阶段获得的所述粗对准结果为初值，建立卡尔曼滤波误差模型，应用过去时刻存储的惯性器件数据开展迭代滤波对准，得到所述初始对准结果，包括：
在存储滤波对准阶段，每次解算依次读取5组存储的惯性器件数据；
利用过去时刻的陀螺角增量和加速度计比力增量数据进行迭代滤波对准；
当存储的惯性器件数据全部处理完成后，继续读取实时更新的惯组数据；
利用当前时刻的角增量和比力增量数据开展实时滤波对准。
可选地，所述方法还包括：
构造所述晃动环境，使得所述晃动环境模拟实际晃动场景。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本发明一个实施例提供的惯性测量单元对准方法的流程图；
图2是本发明一个实施例提供的粗对准REQUEST算法的流程图；
图3是本发明一个实施例提供的对准时间分配示意图；
图4是本发明一个实施例提供的晃动环境下惯性测量单元测试输出数据图；
图5是本发明一个实施例提供的晃动基座数据对准结果图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本申请实施例提供了一种惯性测量单元对准方法，如图1所示，该方法至少包括以下几个步骤：
步骤101，在晃动环境下采集惯性器件的输出数据。
本步骤之前，需要构造所述晃动环境，使得所述晃动环境模拟实际晃动场景。
在一个示例中，将惯性测量组合安装于试验车上，保持发动机为启动状态，人员上车，形成晃动干扰环境。使用测试电缆将惯性测量组合连接到直流稳压电源和测试计算机，设置24V直流供电。试验准备完成后，惯性测量组合上电，测试计算机导航软件启动，实时接收并记录三轴光纤陀螺和三轴加速度计的测量输出数据。
根据上述试验内容，连续采集5分钟惯性器件数据。采集完成后，调整车辆位置，在相同测试条件下重复多组测试。晃动基座下的惯性器件测试输出数据如图5所示。由图5可知，陀螺和加速度计输出在各个时刻均存在大幅度晃动干扰，惯性器件误差将直接导致较大的对准误差，无法获取有效的姿态初值。
步骤102，基于惯性凝固原理分解姿态矩阵。
双矢量定姿(TRIAD)是通过观测两个不共线的矢量在不同坐标系下的投影，从而求解出两坐标系之间姿态转换矩阵的过程。由于双矢量定姿方法中的矢量为确定矢量，因此只适用于获取常值姿态矩阵。在摇摆或晃动环境下，载体姿态矩阵会随时间发生变化，且较大的干扰角速率将淹没有效的地球自转信息，因此双矢量定姿方法不再完全适用。基于此，所述基于惯性凝固原理分解姿态矩阵，通过下式表示：
其中，n表示导航坐标系，即当地地理坐标系；b表示载体坐标系，固连于载体；表示导航惯性坐标系，是对准初始时刻导航坐标系根据惯性凝固原理确定的坐标系；表示载体惯性坐标系，是对准初始时刻载体坐标系根据惯性凝固原理确定的坐标系；表示从导航惯性系到导航系的姿态转换矩阵，随时间变化，并通过对准时间及解算的位置信息获取更新；表示从载体系到载体惯性系的姿态转换矩阵，随时间变化，通过陀螺输出角速率信息获取更新；表示从载体惯性系到导航惯性系的姿态转换矩阵，是对应于对准开始时刻的常值矩阵。
当载体位置无移动时，导航系随地球自转而转动，只与当地纬度L和当前时间内的地球自转角度ωiet有关。基于此，其中，姿态矩阵分解为：
式中，表示对准初始时刻t0地球坐标系根据惯性凝固原理确定的坐标系。
的求解过程包括：使用陀螺角速度替换旋转角速率在载体系的投影从对准开始时刻，四元数在每个采样间隔内解算更新；根据四元数和姿态矩阵的转换关系完成对姿态矩阵的更新。可利用陀螺测量输出。
根据上文可知，确定姿态矩阵的关键在于求解由于晃动干扰下的地球自转信息不再有效，可选取两个时刻的重力加速度矢量，分别观测不同时刻重力加速度矢量在导航惯性系和载体惯性系的投影，间接利用双矢量定姿原理获取
步骤103，基于双矢量定姿TRIAD算法和递推四元数估计REQUEST算法求解所述姿态矩阵，得到粗对准结果。
传统的惯性系粗对准方法只利用不同时刻的加速度观测信息，且求解精度受限于选取时刻的突变干扰。因此，如何有效利用量测信息、消除不同时刻的突变干扰是求解需要重点关注的问题。基于此，本申请设计了基于TRIAD和REQUEST算法的粗对准方案，在粗对准阶段初期，基于TRIAD原理确定在粗对准阶段后期，应用REQUEST算法优化获得姿态矩阵的最优估计
具体地，所述基于双矢量定姿TRIAD算法和递推四元数估计REQUEST算法求解所述姿态矩阵，得到粗对准结果，包括：基于TRIAD算法确定从载体惯性系到导航惯性系的姿态转换矩阵基于所述REQUEST算法优化所述得到姿态矩阵的最优估计
所述基于TRIAD算法确定从载体惯性系到导航惯性系的姿态转换矩阵包括：
首先，根据从导航惯性系到导航系的姿态转换矩阵以及从载体系到载体惯性系的姿态转换矩阵获取当前时刻下重力加速度在导航惯性系和载体惯性系下的投影；以当前时刻tk为例，具体通过下式表示：
其中，重力加速度在导航系下的投影gn＝[0 0 -g]，重力加速度在载体系下的投影gb可用加速度计输出表示。
其次，由于晃动环境下的周期性干扰加速度会导致较大的对准误差，为了降低干扰的影响，选取不同时刻对加速度矢量进行积分运算，分别得到速度矢量在导航惯性系和载体惯性系下的投影；在不同时刻t1和t2下，具体通过下式表示：
最后，根据TRIAD原理和速度矢量在导航惯性系和载体惯性系下的投影，确定出所述姿态转换矩阵具体地，所述姿态转换矩阵通过下式表示：
REQUEST算法的含义是递推四元数估计，来源于批处理算法，其原理是利用四元数量化姿态矩阵参数，将四元数更新问题转化为矩阵特征值求解问题。REQUEST算法可有效应用于观测矢量较多情况下的参数估计，应用REQUEST算法的关键在于递推求解四维矩阵K。
应用REQUEST算法递推求解的过程参考图2所示，所述基于所述REQUEST算法优化所述得到姿态矩阵的最优估计包括以下几个步骤：
步骤21，选取比力的积分作为观测矢量，在tk时刻，观测信息通过下式表示：
步骤22，初始化参数初值，设置m0＝0，K0＝04×4，
步骤23，在tk时刻，利用当地纬度L和对准时间t计算利用陀螺输出角速率计算
步骤24，根据观测信息的计算公式求解tk时刻的观测矢量，获取矩阵K当前的增量矩阵ΔKk，ΔKk通过下式表示：
zk＝bk×rk；
σk＝tr(Bk)；
步骤25，根据不同观测矢量对K矩阵的影响，选取合适的权重系数，更新tk时刻的K矩阵，更新方式如下：
mk＝mk-1+αk
其中，αk为权重系数，对各观测向量采用相同的权重系数；
步骤26，求解K最大特征值对应的特征向量，更新姿态矩阵估计值
步骤27，判断是否达到对准时间；若对准未结束，则再次所述初始化参数初值的步骤，即再次执行步骤23；若对准已结束，输出当前的姿态矩阵估计值
步骤104，以粗对准阶段获得的所述粗对准结果为初值，建立卡尔曼滤波误差模型，应用过去时刻存储的惯性器件数据开展迭代滤波对准，得到所述初始对准结果。
所述以粗对准阶段获得的所述粗对准结果为初值，建立卡尔曼滤波误差模型，应用过去时刻存储的惯性器件数据开展迭代滤波对准，得到所述初始对准结果，包括：在存储滤波对准阶段，每次解算依次读取5组存储的惯性器件数据；利用过去时刻的陀螺角增量和加速度计比力增量数据进行迭代滤波对准；当存储的惯性器件数据全部处理完成后，继续读取实时更新的惯组数据；利用当前时刻的角增量和比力增量数据开展实时滤波对准。
具体地，经过步骤103粗对准阶段后，已初步获取姿态矩阵。由于当前对准结果仍存在姿态失准角，需要利用精对准过程进一步修正姿态角误差。选取系统误差的姿态失准角速度误差δvn、陀螺零偏εb、加速度计零偏作为状态量，建立12维系统状态方程：
其中，12维状态量为：
根据状态量可知状态转移矩阵为：
系统噪声为：
其中，分别为陀螺角速率噪声和加速度计比力噪声；
载体静止时，导航解算速度即系统速度误差。以速度误差作为观测量，建立系统观测方程：
Z＝HX+V
其中，观测矩阵H＝[03×3 I3×3 03×3 03×3]，观测噪声为速度测量噪声V＝[VE VNVU]。
存储滤波对准阶段每次解算可处理多组惯性器件数据，相较于实时滤波，在相同时间内完成更多次滤波解算，通过增加对准次数提升了对准精度。存储滤波对准时间由粗对准时间确定，仅为粗对准时间的五分之一，在压缩对准时间的同时保证对准结果的准确性。
步骤105，输出所述晃动环境下的所述初始对准结果。
假设装订测试所在地的地理坐标：纬度39.8122°、经度116.1515°、高度60m。设置初始对准总时间为270秒，惯性系粗对准时间为210秒。由粗对准时间确定的存储滤波对准时间为42秒，剩余时段为实时滤波对准。对准时间分配图如图3所示。各项参数配置完成后，将步骤101采集的惯性器件测试数据(如图4所示)输入步骤102-104所述的对准算法中，通过应用TRIAD/REQUEST算法的粗对准和存储卡尔曼滤波精对准过程，可得姿态矩阵的最优估计，输出晃动环境下的系统初始对准结果。应用本发明方法的初始对准结果如图5所示。将其他组相同测试条件下的惯性器件数据输入对准算法，多组数据的寻北重复性小于0.1°，如表1所示。
表1：
指标
对准时间(s)
航向角(°)
第1组
269.8199
88.8436
第2组
269.9399
88.8255
第3组
269.7399
88.8511
第4组
269.7799
88.8301
第5组
269.7899
88.8546
第6组
269.7399
88.8436
重复性
——
0.035
综上所述，本申请实施例提供的惯性测量单元对准方法，通过在晃动环境下采集惯性器件的输出数据；基于惯性凝固原理分解姿态矩阵；基于双矢量定姿TRIAD算法和递推四元数估计REQUEST算法求解姿态矩阵，得到粗对准结果；以粗对准阶段获得的粗对准结果为初值，建立卡尔曼滤波误差模型，应用过去时刻存储的惯性器件数据开展迭代滤波对准，得到初始对准结果；输出晃动环境下的初始对准结果；可以解决相关技术中在大幅度晃动干扰情况下传统粗对准方法对准精度不高的问题；根据晃动基座下的车载定位定向系统初始对准结果，能够有效适应于强晃动干扰环境，在缩短对准时间的同时实现最优的对准精度。
同时，基于双矢量定姿确定待求解的姿态矩阵，基于递推四元数估计优化姿态矩阵，提升了粗对准算法的抗干扰能力。同时，创新使用存储惯性器件数据设计了迭代滤波精对准方案，基于过去时刻的惯组数据完成姿态修正，实现了对准时间和对准精度的合理平衡。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
