一种新的车载低成本MEMS陀螺仪快速初始对准算法

车载导航系统常用惯性测量元件（IMU）与全球卫星导航系统（GNSS）技术组合以提高系统的稳定性。由于车载导航系统的应用场景限制,对初始对准速度有着较高要求。为了提高传统车载组合导航系统中低成本微机电系统（MEMS）陀螺仪的初始对准速度,降低初始对准过程中的计算量,本文提出了一种适用于任意失准角下的基于网络RTK辅助与无损Kalman滤波（UKF）的MEMS陀螺仪初始对准算法。同时针对车载系统的特点,简化了IMU系统误差方程,分析了简化带来的误差。在诺瓦泰ProPak6和诺瓦泰IMU-IGM-S1组成的导航系统中验证了本文提出的算法。试验结果表明,在以诺瓦泰双天线GNSS输出航向角为"真值"的情况下,本文提出的算法基本可以在5 s内完成陀螺仪的初始对准,对准精度达0.3°。     

MIMU数据采集系统设计

为提高低成本捷联惯性导航的性能,针对微机电陀螺仪和MEMS加速度的电气特性,设计了可同时进行电压／频率（V／F）变换和模拟／数字（A／D）信号转换的数据采集系统。数据采集系统在现场可编程门阵列控制下,有效实现多通道同步、实时数据采样,克服了以往传感器数据采集时差带来的导航计算误差和电路复杂的不足。     

ARMA模型的MEMS陀螺随机误差卡尔曼补偿方法

针对微机械(MEMS)陀螺仪的随机误差导致其输出信噪比低的问题,该文提出一种基于ARMA模型的随机误差卡尔曼补偿方法。该方法通过对MEMS陀螺仪输出的原始信号进行均值化处理和趋势项提取后,分别采用轮次检验法和Jarque Bera检验法对随机序列平稳性和正态性进行检验,建立时间序列ARMA模型并采用卡尔曼状态方程对陀螺随机漂移进行补偿。6次卡尔曼滤波对比实验结果表明,MEMS陀螺仪信号幅度随着滤波次数增加而减小,滤波后的均值由2.454 4E-4减小到-4.830 0E-5,标准差由1.654 7减小到0.003 6,随机漂移被有效抑制。     

运动状态下MEMS IMU随机误差的Allan方差分析方法

在车载全球卫星导航系统（global navigation satellite system,GNSS）/微机械系统（micro-electro mechanical system,MEMS）惯性测量单元（inertial measurement unit,IMU）组合导航滤波解算时,通常使用MEMS厂商标定的加速度计和陀螺仪的随机模型参数（简称为标称参数）。这些标称参数由传感器厂商在静止状态或通过实验室转台设备来测定,是否适用于运动状态下的组合导航滤波解算并获得最优的定位精度,需要进一步研究和评估。本文提出了一种运动状态下MEMS IMU随机误差的Allan方差分析方法,将不同精度等级的IMU安装在同一车载平台上同步采集观测数据,用高精度IMU观测数据提取车辆运动信息,然后从低精度MEMS IMU观测数据中剔除车辆运动信息得到类似静止的观测数据,进行Allan方差分析,获得运动状态下的MEMS随机模型参数,并将其应用于GNSS/惯性导航系统（inertial navigation system,INS）组合导航解算。试验结果表明,采用运动状态下标定的随机模型参数,组合导航的定位精度优...     

基于Allan方差和SVR的MEMS陀螺仪随机误差分析与预测

为了使低成本MEMS陀螺仪数据的精度更高,本文提出了一种混合核函数支持向量回归（SVR）的MEMS陀螺仪随机误差预测模型,并通过粒子群优化（PSO）算法对模型参数和核函数参数进行优化;同时通过Allan方差法对SVR预测前后的MEMS陀螺仪随机误差数据进行分析。试验结果表明：混合核函数SVR对MEMS陀螺仪随机误差的预测准确度可达99.99%;当MEMS陀螺仪所处状态不同,但噪声特性相同时,可采用统一的SVR预测模型预测随机误差,研究结果为进一步用于MEMS陀螺仪的实时误差补偿中提供依据。     

MIMU信号下的变形预测

为了能够对自然界中的变形进行有效预测,提出了一种惯性测量参数的多维时间序列分段模式的变形预测方法。首先采集MIMU测量单元信号,建立MIMU时间序列的AR模型,采用Kalman滤波进行信号处理;然后把处理过的数据分为不同数据段,设第一段数据为基准段,把后采集的数据段与第一段数据进行相似度量,计算相似度,预测变化规律;最后采集不同车辆通过大桥时的MIMU信号,处理数据结果能够反映大桥变化规律,说明变形预测方法是有效的。     

基于GPS的低成本组合系统应用

低成本的GPS/微型惯性测量单元（MIMU）组合系统已成为近年来国内外导航界研究的热点之一。本文在对GPS和MIMU的发展和应用进行分析的基础上,探讨了低成本GPS/MIMU组合系统的研发及关键技术,展望了组合系统在智能公路,精细农业,海洋渔业,铁路信号监控、军事等领域的应用前景,分析了当前在我国进行基于GPS的低成本组合系统研究和开发的意义。     

MEMS IMU辅助的高性能GPS接收机设计

高性能稳健性的GPS卫星接收机仍然是当前研究和发展的热点。在高动态条件下,GNSS接收机设计总是涉及到跟踪动态性能所要求的环路带宽和噪声所要求的环路带宽一对矛盾体。以微惯性测量单元(MIMU)辅助的GPS接收机为实例,设计了MIMU辅助的GPS接收机搜索算法和跟踪算法,同时为减少GPS接收机对惯性器件的性能的依赖,设计了基于MIMU辅助的最优GPS接收机的环路带宽。通过仿真和车载试验对所设计的方法进行验证,仿真和试验结果表明,MIMU辅助的GPS接收机动态性能取决于MIMU的性能指标和环路的带宽,而抗干扰性能至少有13 dB的提高;跑车试验中,商用GPS接收机和研制的GPS接收机精度大体相当。同时系统还能够提供姿态角信息。     

关于MEMS惯性传感器的发展及在组合导航中的应用前景

介绍MEMS惯性传感器的原理和发展现状。与常规惯性传感器相比,MEMS惯性传感器有一系列优点。由于独特的性能优势,该类传感器已被作为国防关键技术予以发展。着重对MEMS惯性传感器在惯性导航中的应用现状进行分析,并展望其在组合导航中的应用前景。     

基于旋转调制技术的自动陀螺寻北仪方案设计

旋转调制寻北技术是一种将陀螺仪安装在恒速旋转的转台上,进行数据采集,解算北向方位的寻北技术。它将陀螺仪的输出信号调制为正弦信号,能很好地抑制陀螺漂移,方便了采用各种滤波算法求解,且正弦信号的频率与转台转速成正比,有利于提高寻北速度。在原理介绍的基础上给出了一种自动化寻北仪样机的系统结构组成、功能状态以及电子部件组成设计等。并给出了样机实际的测量结果。     

激光SLAM移动机器人室内定位研究

针对目前室内移动导航定位精度低和累积误差大的问题,提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先,该方法是从LiDAR扫描测量中提取环境特征和构建地图,然后,由IMU采集的姿态信息通过卡尔曼滤波,补偿由于LiDAR扫描引起的位置和姿态输出的误差,以提高机器人移动的定位精度。试验结果表明,该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。     

利用徕卡GS18仪器进行高精度RTK定位试验与分析

目前,GNSS和IMU（惯性测量单元）传感器融合领域的快速发展,给高精度RTK定位带来了新的机遇。传统倾斜补偿的解决方案大多是使用磁力计和INS（惯性导航系统）,对电磁干扰十分敏感并且需要现场校准,倾斜补偿的角度范围通常限制在15°以内。为了克服上述的缺点,徕卡GS18 GPS倾斜机使用基于工业级别微电子机械传感器MEMS的IMU来补偿测杆倾斜情况的位置改正。本文通过试验检验了徕卡GS18仪器在大角度倾斜和不同复杂环境下的定位精度,结果表明GS18倾斜机能较好实现倾斜补偿,在有信号遮挡等场景下仍能获得厘米级定位精度。     

零速修正与完备监测在UWB/MEMS IMU组合中的应用

针对超宽带(UWB)在室内定位过程中受非视距环境影响易出现粗差以及微机电系统(MEMS)惯性测量单元(IMU)定位误差随时间快速发散的问题,该文提出了采用自适应卡尔曼滤波的UWB/MEMS IMU组合的室内定位方法,并通过自主完好性监测算法对UWB测距异常值进行剔除,将零速修正算法加入到组合定位系统中,抑制在UWB数据中断情况下MEMS IMU误差的发散。实验结果表明,在UWB存在中断的复杂室内环境下,UWB/MEMS IMU组合定位的平面定位精度在0.2 m以内,自主完好性监测与零速修正能有效地提高组合定位系统的精度与稳定性。     

MEMS陀螺随机误差建模及补偿算法研究

为减小随机误差对MEMS陀螺输出角速度的影响,提出一种结合ARMA模型和Kalman滤波的MEMS陀螺随机误差补偿方法。采用Allan方差辨识MEMS陀螺的5项随机误差,利用Matlab对MEMS陀螺随机误差时间序列分析建模,建立MEMS陀螺随机误差的ARMA模型,设计3次Kalman滤波器对MEMS陀螺随机误差进行滤波处理,并对陀螺输出进行补偿。实验结果表明:基于ARMA模型的3次Kalman滤波算法将MEMS陀螺随机误差均值和方差降低了两个数量级。     

城市环境下智能手机车载GNSS/MEMS IMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元（microelectro-mechanical system inertial measurement unit,MEMS IMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明：城市场景下紧组合滤波定位算法平面位置精度统计约为5～6 m,高程方向约为5 m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。     

MEMS惯导系统的误差自修正技术研究

针对当前MEMS惯性器件漂移误差大的问题,提出一种无需外界信息辅助的误差自补偿方案。通过引入旋转调制技术实现器件偏差的对称平均,通过理论推导分析惯性器件标度因数误差和安装误差对于误差旋转调制技术的影响。利用高精度惯性测试转台搭建误差旋转实验平台并进行误差自修正方法的实际性能验证。实验结果有效地验证了IMU旋转调制技术对于改善系统测姿定位精度的可行性,在现有MEMS器件精度基础上实现更高精度导航成为可能。     

惯性陀螺仪在非开挖施工管线定位测量中的应用

近年来,在城市管线敷设过程中,大量运用了非开挖施工技术。此类管线埋藏深,难以测定其准确位置,增加了后期交叉管线施工的安全风险。为了解决该类管线的定位问题,本文着重介绍了惯性陀螺仪在非开挖施工管线定位测量中的应用,并将其与导向仪进行了对比分析。通过实例,验证了惯性陀螺仪定位技术在非开挖施工管线定位测量中的可行性,并且有着其他测量技术不可比拟的优势。     

惯性陀螺仪在非开挖施工管线定位测量中的应用

近年来,城市管线敷设过程大量运用了非开挖施工技术。此类管线埋藏深,难以测定其准确位置,增加了后期交叉管线施工的安全风险。为了解决该类管线的定位问题,本文着重介绍了惯性陀螺仪在非开挖施工管线定位测量中的应用,并将其与导向仪进行了对比分析。通过实例,验证了惯性陀螺仪定位技术在非开挖施工管线定位测量中的可行性,并且有着其他测量技术不可比拟的优势。     

量测噪声自适应平方根TCKF姿态数据融合算法

为了提高微电机系统(Micro-Electro-Mechanical Systems, MEMS)器件的姿态解算精度,本文提出了一种量测噪声自适应平方根正交变换容积卡尔曼滤波(Adaptive-Square Root Transformed Cubature Kalman Filter, A-SRTCKF)姿态数据融合算法。该算法对MEMS器件中的加速度计、陀螺仪和磁力计输出的数据进行数据融合,以TCKF作为基础算法,采用QR分解更新误差协方差矩阵的平方根进行滤波运算,并通过渐消记忆Sage-Husa噪声估计方法对量测噪声进行实时估计。实验结果表明,该算法使姿态测量系统的估计误差至少降低了79.6%,不但避免了因误差协方差矩阵非正定导致算法异常终止的情况,而且解决了系统因量测噪声未知造成的状态估计精度急剧下降问题,具有比TCKF和SRTCKF更高的精度和鲁棒性。     

惯性测量仪器

具有固态微机电系统的惯性测量仪器可提供角度增量、速度增量和三轴时间基准,并能抗振和加速作用。这种惯性测量仪器可用于地面导航、车辆、个人导航、遥控设备、海上船只和无人驾驶飞机,它有三种选择模块。AHRS模块具有姿态测量,方位角数据角率、加速数据输出和三轴磁场数据输出;INS模块具有位置、姿态和方位角数据输出,而显示模块,则有了维图解显示和视窗操作。