基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。

传递对准在惯性传感器网络中的应用

在惯性传感器网络构成的导航系统中,高精度的传递对准技术对整个导航系统有着重要的意义。采用"速度+姿态"的匹配方法,构建卡尔曼滤波模型,不仅考虑了对准过程中由弹性变形引起的挠曲误差对系统的影响,更考虑了由颤振导致的误差的影响,减少挠曲效应对系统失准角的影响。仿真结果表明,同时考虑弹性变形和颤振引起的误差更能提高对准的精度和速度。