基于PE-ANGO的MIMU现场标定方法

针对当前微惯性测量单元(MIMU)的现场标定方法存在标定步骤复杂、不利于非专业人员操作等问题,提出了一种基于先验知识增强的自适应北苍鹰优化(PE-ANGO)算法的MIMU现场标定方法。首先分析了MIMU涉及的误差并建立了加速度计和陀螺仪的目标函数,然后使用PE-ANGO算法求解目标函数并得到最优参数。为了使得标定工作易于现场操作,引入了一种用于传感器数据采集的手持MIMU来验证所提算法。仿真结果表明:PE-ANGO算法的标定精度相较于北苍鹰优化算法提高了一个数量级。实测实验表明:标定前后对俯仰角和横滚角累积误差的抑制效果分别提高了约89%和87%;与传统标定方法相比,对俯仰角和横滚角累积误差的抑制效果分别提高了71%和68%,验证了所提方法的有效性。

基于双OD修正的GNSS/MIMU导航算法研究

为提高车载组合导航系统的导航精度和可靠性,在全球导航卫星系统(GNSS)信号正常工作的情况下,该文建立了一种双天线GNSS/微惯性测量单元(MIMU)/轮速里程计(OD)组合导航模型,实现了对MIMU和OD传感器误差特性的在线估计。在GNSS信号短期失锁的情况下,基于双OD轮速比例修正(WRC)算法建立了MIMU/双OD组合导航模型。车载实验结果表明,与无WRC组合模型相比,该文设计的组合导航模型在120 s的GNSS信号失锁路段,最大定位误差减小了63.9%,定位误差标准差减小了80.1%;在200 s时GNSS信号频繁中断路段,最大位置误差为0.55 m。验证了所建立的导航模型和算法在复杂路况下工作的有效性。

基于级联卡尔曼滤波的动基座MIMU初始对准方法

为了实现低成本微惯性测量单元(MIMU)的自对准功能、提高自对准精度,提出了一种基于级联卡尔曼滤波(KCF)的动基座GPS单天线辅助MIMU自对准方法。首先,对GPS单天线测得的速度矢量随机误差进行了总平均经验模态分解(MEEMD),信号重构后使用卡尔曼滤波对其降噪解算得到航向角测量;其次,以基座姿态角和陀螺常值漂移为状态量建立了系统的状态方程,并融合加速度计和GPS单天线测量信息,建立了系统的观测方程;然后,使用自适应无迹卡尔曼滤波进行信息融合,实现了基座姿态角的最优估计。经仿真验证对比,所提算法有效提高了自对准精度。仿真结果验证了所提算法在GPS单天线辅助MIMU自对准中的优越性。

基于GNSS/MIMU/DR的农业机械组合导航定位方法

为解决实际农田环境中农业机械自动导航系统的位姿信息易受跟踪卫星数动态变化、天线遮挡、数据传输错误等因素影响,造成定位精度和稳定性变差的问题,采用全球导航卫星系统(GNSS)、微机械惯性测量单元(MIMU)及航位推算(DR)相融合的组合导航定位系统,建立了农业机械两轮运动学定位模型,针对系统状态噪声不稳定的因素,提出了一种根据当前估计值与预测值的偏差自适应地调节系统状态协方差阵的扩展卡尔曼滤波算法,并分别基于静止状态和直线导轨运动状态进行了试验验证。试验结果表明,在静止状态和直线导轨运动状态下,采用自适应滤波算法的航向角平均值绝对偏差分别为0.001 4°、0.024 5°,标准差分别为0.047 4°、0.251 1°;位置距离平均偏差分别为0.003 7 m、0.007 6 m,标准差分别为0.001 0 m、0.004 4 m,与固定值滤波算法相比,自适应滤波算法的各项评价指标得到了明显改善,进一步验证了算法改进的必要性和优越性。

MIMU和磁强计组合在线定姿算法研究

为了满足航姿参考系统(AHRS)小型化、低成本工程实现的需要,基于微惯性测量单元(MIMU)和微磁强计,提出了一种在线实时定姿方法。该方法首先采用四元数法描述系统模型,接着利用优化的梯度下降算法对加速度计和磁强计测得的数据进行处理,然后采用快速小波变换阈值去噪方法对陀螺仪输出信号进行预处理,最后通过互补滤波器将以上得到的结果进行融合,提高了姿态解算精度。在线测试和Kalman滤波表明,在线定姿法实现简单、参数调整方便、姿态跟踪误差小,便于在嵌入式微处理器中实现,具有较强的实用性。

低成本MIMU/GPS组合导航系统设计与实验

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统(INS)的进一步推广应用,然而低成本微型惯性测量单元(MIMU)的出现,为INS的推广应用了带来了新的契机。文中提出了一种适合于工程应用的低成本MIMU/GPS组合导航系统的结构与方案,并给出了组合导航系统位置速度交替组合模式的数学模型。考虑到未知工作环境中各类噪声统计参数的未确定性易使经典的卡尔曼滤波器发散,因此文中采用了闭环自适应卡尔曼滤波器对子系统的数据进行融合处理;设计了低成本的组合导航系统原理样机,并进行了跑车实验。跑车实验及事后数据处理分析结果表明:该系统具有较高的长时间导航精度以及良好的可靠性和鲁棒性。

基于椭球拟合的MIMU系统自标定方法

针对微惯性测量单元(MIMU)测量精度的提高,提出一种自适应的MIMU系统自标定方法。通过MIMU系统陀螺仪和加速度计误差模型分析,将陀螺仪和加速度计的误差模型转化为一个线性回归方程,使用椭球拟合的最小二乘方法对MIMU系统进行拟合,最后运用多次拟合模式进行总体标定。采用实验室三轴转台进行实验验证,得到标定的姿态测量系统的精度提高了3个数量级,证实了此标定方案的可行性。

基于WPS/GPS/MIMU组合的无缝定位技术研究

低成本、低精度的微型惯性测量组合(MIMU)虽然能完全自主地输出定位信息,但是随着时间的积累,本身的误差将会变大,即只能够在短时间内保持高精度;而全球定位系统(GPS)存在着如室内环境下无法有效提供连续定位信号的缺陷;因此将GPS和惯性导航结合起来,再加入无线定位系统(WPS)达到了无缝定位的要求;文章根据不同的定位场景,设计了相应的解决方案,并采用WPS/GPS/MIMU的组合方式来实现无缝定位;最后基于各误差系数设计了轨迹发生器和卡尔曼滤波器,并对GPS不稳定时的无缝定位系统进行了数字仿真;结果表明,与传统的定位方式相比,此方法增加了定位的适用范围,达到了无缝定位的要求。

弹道修正引信滚转角未知条件下MIMU快速初始对准方法

针对基于双旋结构的二维弹道修正引信及所配用弹药发射后修正引信滚转角不确定的问题,提出采用BP神经网络快速确定修正引信滚转角范围进行粗对准,进而利用卫星导航信息辅助惯性导航系统进行快速初始对准的方法.该方法利用修正引信滚转角误差与惯性导航解算速度误差之间的关系建立神经网络模型,并通过仿真生成不同工况的弹道数据对神经网络进行训练.针对某旋转弹弹道进行仿真,结果表明,使用中等精度微惯性测量组合,粗对准过程中修正引信滚转角误差估计值小于20°,精对准过程中姿态误差角在弹丸发射后40 s内收敛到0.4°以内.

基于MIMU/WI-FI的井下人员三维全局定位

为进一步提高煤矿井下人员定位系统的定位精度,克服目前只能区域定位,抗干扰能力差等缺点,提出一种新型的基于MIMU/WI-FI组合的煤矿井下人员三维全局定位方法。在对MIMU和WI-FI各自定位原理分析的基础上,给出基于MIMU/WI-FI组合定位的系统解算图。通过对MIMU和WI-FI各自的误差源分析,建立组合系统误差模型,进而采用间接法卡尔曼滤波并运用位置组合方式获得组合系统的定位信息。最后,对组合定位误差模型进行仿真。仿真结果表明,基于MIMU/WI-FI的组合定位方法具有定位精度高,实时性强,可靠性好,能够进行三维全局定位等优点,为提高煤矿安全生产管理水平提供了一种更好的方法,具有较高的工程应用价值。

基于MIMU的杆塔倾斜测量方法

为了准确测量杆塔倾斜姿态,提出了一种基于微惯性测量单元(MIMU)的杆塔倾斜测量方法。在杆塔不同位置安装MIMU测量节点,采集杆塔运动的三轴加速度和角速度信息;采用无迹Kalman滤波对采集的原始数据进行降噪处理;采用四元数姿态解算检测杆塔倾斜状态。实验结果表明:采用该方法在很大程度上降低了噪声干扰,且采用四元数姿态解算方法能够准确检测杆塔的倾斜程度。

大方位失准角MIMU空中对准建模及半物理仿真

由于快速性的要求,微小型无人机不经过地面精确初始对准就升空作业,因此MIMU(Micro Inertial Measurement Unit)空中对准在大失准角下进行.为了提高微小型无人机空中的反应速度和作业精度,把非线性误差部分作为状态变量,建立MIMU在大方位失准角下无需小角度近似的空中对准的线性模型,同时为解决噪声不确定导致滤波器发散的问题,提出将AKF(Adaptive Kalman Filter)应用在GPS(Global Positioning System)辅助MIMU的空中对准中,半物理仿真结果证实其取得了比基于非线性误差模型的EKF(Extended Kalman Filter)精度高且速度快的结果,不仅使MIMU的方位失准角由60°快速下降到2°左右,且所需时间仅为EKF的67%.

基于卡尔曼滤波的MIMU姿态解算算法研究

针对MEMS惯性测量单元器件特性导致的测量精度低、数据发散和航向角积分漂移等问题,提出一种基于卡尔曼滤波的四元数姿态解算算法;设计的卡尔曼滤波器,以陀螺仪获取到的姿态角与角速度计和磁力计获得的姿态角的偏差为观测量,对姿态误差角进行优化估计,得到姿态误差角的最优估计值;在计算量没有大幅提高的前提下对陀螺仪得到的姿态角进行优化校正,从而得到较高精度的姿态角信息;通过在无磁转台上进行静态测试以及在测试标定系统上进行动态测试,分析各轴向的补偿效果表明,该方法可以有效增强MIMU的动态跟随性能、明显提升姿态解算精度。

基于MIMU的行人室内导航技术的实现

采用微机械惯性测量单元(MIMU),设计一套固定在行人腰部的可穿戴式室内定位导航设备.采用行人航位推算原理(PDR),计算行人行走的步数、步长及方位,实现行人室内定位,解决了GPS导航技术在室内无法使用的缺陷.测试结果表明:系统的平均定位误差低于行进距离的0.74%,满足行人室内定位要求.验证了系统的有效性和可靠性.

MIMU/GNSS组合制导技术在制导炮弹中的应用

介绍了MIMU/GNSS组合制导技术的特点,并系统地介绍了MIMU的发展情况。列举了美国及其他国家制导炮弹的研制和使用情况,详细说明了MIMU/GNSS在不同型号的制导炮弹中的应用,并对其关键技术作了简要说明。

UWB/MIMU自适应动量GD-PF室内协同定位

针对超宽带(UWB)室内定位时容易受到非视距误差影响,导致定位精度大大下降,甚至无法准确定位的问题,提出了一种UWB/MIMU自适应动量梯度下降-粒子滤波(GD-PF)室内协同定位方法。首先在梯度下降算法中引入指数加权平均和变步长策略,加快解算速度;然后采用粒子滤波对UWB解算数据进行优化,减小粗差对定位精度的影响;最后引入自适应函数调整扩展卡尔曼滤波(EKF)增益,对UWB和微型惯性测量单元(MIMU)的定位数据进行联合滤波。UWB/MIMU协同定位实验结果表明,自适应动量GD-PF协同定位算法与传统定位算法相比,能有效消除非视距误差的干扰,提高室内定位精度和鲁棒性。

基于MIMU的FastICA算法钻头故障振动信号分析

为了解决钻头在钻进过程中由于采集到的信息存在信噪比低和钻头与钻柱振动信号互相混叠而难以对钻头故障振动状态进行有效识别的问题。提出一种基于MIMU的FastICA算法来对钻头与钻柱振动数据进行处理分析,从而放大了钻头振动信号特征(正常、松动),提高了钻头振动信号的识别度。首先对经MIMU采集而来的原始数据进行误差分析和预处理,接着使用FastICA算法进行仿真实验,最后采用预处理后的松动状态下钻头与钻柱的振动信号进行实例实验验证。经验证,此方法有效放大了钻头的振动信号特征,有一定的实际意义。

低成本MIMU/编码器组合的高精度航姿系统

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统的进一步推广应用,根据某型雷达车的需要,该文提出了一种低成本微型惯性测量单元(MIMU)/编码器组合的高精度航姿系统的结构与方案,并给出了初始对准和组合导航系统的数学模型,初始航向对准通过接收挠性陀螺寻北仪的寻北结果来完成,考虑到雷达车的工作方式,扣除杆臂效应后,2个速度误差观测量和3个位置误差观测量都为0,采用卡尔曼(Kalman)滤波将捷联惯导解算和航向编码器数据进行信息融合,得到对载体导航参数的最优估计。设计了工程样机,并进行了实验室测试与用户工程使用测试,结果表明,静态下产品的俯仰≤0.015°,滚动≤0.015°;动态下产品的俯仰≤0.025°(1σ),滚动≤0.025°(1σ)。

基于MIMU测量系统的两步校准法

三轴加速度计是微惯性测试单元(MIMU)测量组合的重要组成器件,其测量准确度直接影响系统姿态解算的准确度。因此需要对三轴加速度计的零偏误差、标度因素误差、各轴之间的不正交误差以及传感器与测试单元的安装误差进行分析和补偿。提出了一种两步校准法,即首先利用椭球假设的MIMU现场快速标定方法分析微惯性测量组合的误差模型,得到加速度计的零偏、标度因素和不正交角;之后利用四位置法校准出加速度计的安装误差。该方法实际操作简单,不需要高精度辅助设备。测试平台实验表明:该方法能够有效提高三分量测量数据的准确性,可应用于MIMU姿态测量系统中加速度计的校准。

基于神经网络的MIMU动态误差标定与补偿方法

由于微惯性测量单元(MIMU)易受环境影响,且存在输出非线性以及剧烈角运动和线运动下精度低的缺点,而传统的多项式标定方法难以精确地补偿动态误差,因此,利用深度学习方法对MIMU整体动态误差进行建模与补偿,分别使用浅层神经网络与深度循环神经网络建立MIMU的整体动态误差模型。设计了基于三轴带温箱位置速率转台的标定流程,使三轴带温箱转台的内、中、外3轴同时施加角运动并且施加温度变化,建立MIMU的多因素影响误差训练集。实验结果表明,浅层神经网络模型相对于传统模型在误差补偿效果上略有提升,深度循环神经网络模型补偿后残差均值与均方差显著下降,其中,门控循环单元(GRU)神经网络模型补偿效果最好,并且需要训练的参数较少、计算负担小。