GNSS/MEMS IMU车载组合导航中IMU比例因子误差的影响分析

从系统状态模型出发,分析比例因子误差对组合导航精度和计算量的影响,同时基于车载运动的特点分析比例因子误差的观测性,提出一种仅保留航向陀螺仪和水平加速度计比例因子误差的降维状态模型。实验结果表明,当比例因子误差大于6×10^(-3)时,增广比例因子误差有助于提高导航精度,但计算量增加约170%;降维模型能够达到高维模型的导航精度,与不增广比例因子误差相比,计算量仅增加约70%。

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。

基于MEMS-IMU辅助的高动态GPS选星方法设计

一般的GPS选星方法通过搜索选取使几何精度衰减因子最小的4颗卫星,对于高动态应用特别是在水平姿态角较大的情况下,传统的选星方法存在许多局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了基于MEMS-IMU辅助的GPS选星方法;针对高动态载体姿态变化较大的问题,采用MEMS-IMU输出的高速率姿态信息压缩卫星搜索范围,通过选取不超过6颗可见卫星来降低几何精度衰减因子,从而提高定位性能。使用半实物仿真数据,验证了所提出的方法。测试结果表明,与传统的选星方法相比,基于MEMS-IMU辅助的GPS选星方法在飞机高动态大机动条件下,优化了卫星星座,具有精度高、计算量低、可靠性高等优点。

MEMS-IMU/GPS组合导航系统的实现

针对我国军事和民用对低成本、微小型、高性能导航系统的迫切需求,提出基于MEMS技术的IMU/GPS组合导航系统方案,深入研究了构建该组合导航系统的关键技术。由于MEMS陀螺的零偏受到温度影响,提出采用递推最小二乘自适应标定算法(ARLS)进行误差标定和补偿,从而提高MEMS陀螺的使用精度;建立了MEMS-IMU/GPS组合的卡尔曼滤波器,利用加速度计倾角传感器原理估计载体的水平姿态,增强了姿态信息的冗余度和可靠性;设计了该组合导航系统的信息融合策略。最后,构建了基于DSP的MEMS-IMU/GPS组合导航系统。机载飞行试验结果表明,该系统算法正确、性能可靠,达到了较高的导航精度,具有广阔的应用前景。

GPS与MEMS-IMU组合导航技术发展现状

介绍了硅微惯性测量单元(MEMS-IMU)的发展和应用情况,针对目前低成本、小型化的应用要求,分析了GPS和MEMS-IMU各自的优缺点和进行组合导航的可行性。提出了GPS与MEMS-IMU的组合模式,并介绍了组合导航计算机的工作原理和组合导航系统所涉及的关键技术。

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。

神经网络在MEMS-IMU/GPS组合导航中的应用研究

针对基于MEMS传感器组成的INS/GPS组合中GPS信号缺失的情况下,系统误差瞬时增大,滤波迅速退化无法继续工作的问题,本文提出利用神经网络辅助INS/GPS导航系统以解决这一问题的方法。该方法首先建立系统模型,用组合导航的输入作为网络模型的输入,通过网络训练得到输出需要参数,结合卡尔曼滤波用于组合导航以继续使导航系统工作,仿真结果表明该方法可行和有效性的。

MEMS-IMU/GPS组合导航系统仿真研究

微电子机械系统(MEMS)是指可以批量制造的,集微型结构、微型传感器以及信号处理电路、接口、通信和电源于一体的微型器件。MEMS惯性测量单元是采用MEMS技术研制的加速度计和陀螺组合器件,它具有体积小、成本低、可靠性高等优点。首先介绍了微机电惯性测量单元(MEMS-I MU)的发展情况,总结了I MU的基本工作原理;随后对I MU中的主要误差源微机电陀螺进行了统计建模;最后以位置和速度信息为观测值将MEMS-I MU与GPS进行组合导航,并进行了仿真实验,由实验结果可以得出结论:MEMS-I MU不能单独构成导航系统,而与GPS组合后的导航系统精度可以满足一般的导航需求。

低成本GPS/MEMS-IMU无缝导航系统仿真与实现

卫星导航系统实现导航定位功能要求可见星数大于等于4颗,这一限制影响了卫星导航系统在信号遮挡严重环境下的应用,如城市峡谷、大型桥梁等。针对这一问题,提出了将卫星导航系统与低成本MEMS惯性器件(IMU)进行信息融合的方案并用硬件实现该系统。将GPS与MEMS惯性器件以紧组合的工作模式融合,采用卫星原始星历信息作为观测量建立观测模型并以卡尔曼滤波实现信息融合,该系统在少于4颗可见星时仍能实现导航。为了验证这一方案,进行了仿真试验和跑车实验,结果表明该系统在可见星数小于4颗的情况下仍能保持较好的导航精度。

MEMS-IMU/GPS/GPRS组合导航方案设计与实现

针对日益增长的低成本导航定位需求,提出了一个MEMS-IMU/GPS/GPRS组合导航方案,以MEMS-IMU模块和SIM908单板机为载体,以GPRS为通讯手段,实时获取GPS/IMU位姿信息。并编写程序分别对GPS和IMU数据进行预处理并以松组合方式进行组合导航数据融合。为验证系统的可靠性和精度,进行了实际静态试验和车载实验,事后数据处理分析结果表明,提出的低成本组合导航系统具有一定的可靠性,导航定位精度达到分米级。

基于单片机的GPS/MEMS陀螺仪航向角实时测量系统

针对陀螺仪测量误差随时间累积,GPS在动态环境中可靠性差等问题,提出并设计了一种基于单片机的GPS/MEMS陀螺仪航向角实时测量系统。该系统以C8051F021单片机为核心处理器,GPS与MEMS陀螺仪相组合,将GPS接收机中IPPS脉冲信号作为同步标签,实现GPS对陀螺仪航向角解算的实时修正,从而获得高精度和高可靠性的航向角信息。试验结果表明该系统可以正确、可靠地完成对运动载体航向角信息的实时测量,航向角实际应用误差控制在±1°以内,具有较高的实际应用价值和广阔的研究前景。

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确。同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息。因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算。设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性。

基于GPS/MEMS惯性传感器的消防员室内定位研究

文章基于Android手机上常见的全球定位系统(Global Positioning System,GPS)芯片和微机电系统(Micro-Electro-Mechanical System,MEMS)惯性传感器进行消防员室内定位研究,在初始位置由GPS确定后,结合传统四元数惯性导航定位算法和基于行人航位推算(pedestrian dead reckoning,PDR)的步伐检测以及零速修正算法(zero velocity update,ZUPT)进行惯性导航,当误差累积时再利用GPS定位进行实时位置的精确修正,从而实现了独立的无需外部信号设施的自主式室内导航定位,可在火场等恶劣环境下使用。

基于MEMS惯性传感器和GPS接收机组合的高动态弹道参数遥测系统

本文根据高速旋转弹箭外弹道参数的测试需求以及弹体在外弹道飞行环境中的特点,提出了基于MEMS惯性传感器和GPS接收机组合来构建遥测系统的总体方案和解决问题的方法.文中详细分析了遥测系统测量原理以及引起测量误差的各项因素,并介绍了遥测系统的组成和工作过程.在火箭弹靶场动态试验中,遥测系统成功地获取了在高速飞行及旋转条件下全弹道的弹体惯性参数和飞行轨迹信息,为常规弹箭靶场飞行试验动态性能的评定开辟了有效途径.

低成本MEMS陀螺的SINS/GPS/ADS组合导航系统的工程实现

结合工程实际应用,以低成本MEMS陀螺捷联惯性测量单元为主,以GPS,ADS为辅助,设计完成了一套机载组合导航系统。该系统充分考虑了各传感器的优缺点,采用误差补偿技术,保证了系统的精度和可靠性。首先介绍了系统的组成及功能;在此基础上,建立了状态变量为29维的组合系统动态方程,给出了用于卡尔曼滤波的GPS和ADS的误差模型;通过精密三轴转台试验结果表明,组合系统可以进行实时滤波计算,提高了组合系统导航参数精度,具有很好的工程实用性。

基于机动性补偿的GPS／MEMS微惯性器件组合方法

提出了一种新的GPS／MEMS微惯性器件组合方法，并根据组合结构的需求。设计了基于载体机动模型和卡尔曼滤波器的GPS信息滤波算法来获取由于载体轨迹机动引起的加速度，从而对基于MEMS微惯性器件的姿态测量算法进行载体机动性补偿，得到的姿态信息对GPS信号失锁不敏感，避免了传统GPS／INS组合方式在无GPS辅助时由于MEMS器件精度低而导致的姿态误差快速、无限增长的问题，而且运算量小，适合在微小型系统上实现。跑车试验表明，该新组合算法与传统GPS／INS组合相比，姿态精度略有下降，但远好于未作机动性补偿的MEMS微惯性器件的姿态测量算法。

GPS/MEMS-INS组合导航系统设计

针对微机电系统(micro electro mechanical system,MEMS)惯性器件随机噪声大,现有的去噪算法难以兼顾降噪效果和信息处理速度的问题,提出自适应实时混合去噪算法;利用无轨迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行信息融合,克服了扩展卡尔曼滤波(extended Kalman filter,EKF)对非线性系统线性化会带来额外误差的缺点;利用多线程信息同步技术实现微机电惯性导航系统(MEMS inertial navigation system,MEMS-INS)和全球定位系统(global position system,GPS)的同步运行。基于以上关键技术和算法,设计了一种GPS/MEMS-INS组合导航系统,实验结果表明,该组合导航系统在静态及动态环境下均能够进行实时高精度地导航定位。

基于MEMS和GPS的驾驶行为和车辆状态监测系统设计

为了适应智能车辆辅助驾驶系统对驾驶和车辆状态监测的要求,利用MEMS惯性传感器自主设计了微惯性测量单元,并结合GPS设计了一种驾驶行为和车辆状态监测系统,实现对驾驶员操纵动作的感知、汽车6自由度运动状态参数和汽车运行车速的实时监测。介绍了MEMS传感器的选型,设计,安装和布置。实车道路实验结果表明:系统对驾驶员踩踏刹车踏板、离合器踏板和变换档位的操纵动作的感知效果较好,侧向加速度和方向盘转角的理论识别曲线与实车实验曲线在趋势上比较吻合。该系统为开发驾驶人员操纵动作自动识别系统提供理论基础和技术支持,也可为提高汽车行驶性和安全性提供重要的理论依据和工程应用指导。

GPS失锁时基于神经网络预测的MEMS-SINS误差反馈校正方法研究

GPS信号失锁时,MEMS-SINS组合GPS导航误差会随着时间迅速积聚而无法导航。提出一种基于RBF神经网络预测的MEMS-SINS误差反馈校正方法,GPS有信号时对神经网络进行训练,GPS信号中断时用训练好的RBF神经网络预测MEMS-SINS的导航误差。地面车载跑车试验,证实了训练后的RBF神经网络能很高精度地逼近MEMS-SINS/GPS组合导航系统输入与输出间的关系,在4个50s以内的GPS人为失锁过程中,该方法导航结果与参考系统比较,平均位置误差为3.8m,平均速度误差为0.6m/s,平均姿态误差为0.5°。

基于MEMS的GPS/SINS舰船组合导航系统设计

针对舰船导航的特点设计了基于MEMS的GPS/SINS舰船组合导航系统,整套系统由GPS卫星导航系统和SINS捷联惯导系统两部分组成;着重介绍了MEMS和组合导航技术以及该设计系统的组成原理和应用前景,并对设计中的关键技术作出详细说明。