● 摘要
基于微机电系统（Micro Electromechanical System，MEMS）惯性器件的组合导航系统，由于其体积小、成本低、功耗低且便于大批量生产，是微小型系统及低成本制导武器的共性基础与核心技术。传感器的集成化和小型化可以大大减轻组合导航系统体积重量和降低其成本，但是不可避免的带来传感器精度下降等问题。传感器精度的下降必将导致组合导航系统精度的下降，因此基于MEMS惯性器件的组合导航算法也成为亟待研究的问题，也是制约新一代微小型系统发展以及低成本制导武器广泛使用的主要瓶颈之一。本文针对基于MEMS捷联惯性导航系统（Strapdown Inertial Navigation System，SINS）的组合导航系统对高性能组合导航方法的需求，开展了基于MEMS-SINS的空中对准、组合导航滤波方法及试验的研究，并完成了该方法在硬件中的实现，最终的飞行试验表明：本文研究的MEMS-SINS/全球定位系统（Global Positioning System，GPS）/磁强计组合导航方法给出的测量精度满足了微小型飞行器控制系统对导航系统测量精度的要求。论文的主要研究工作及创新如下：1、针对MEMS-SINS姿态角误差很大而导致空中对准模型非线性的问题，建立了一种无需小角度近似的东北天坐标系下的大方位失准角的空中对准模型，把引起非线性的项扩充为状态变量。该模型具有如下特点：即使是在大方位失准角的情况下，对准的误差方程也是线性的，既保证了模型精度，又起到简化滤波算法提高实时性的作用。半物理仿真表明，采用该模型利用实时性强的线性卡尔曼滤波（Kalman Filtering，KF）获得的对准精度优于利用欧拉角非线性模型的扩展卡尔曼滤波（Extended Kalman Filtering，EKF），不仅滤波收敛快，而且实时性也高于后者。2、针对组合导航系统中系统模型存在误差和量测出现异常而导致组合滤波不稳定的问题，提出了一种自适应QR分解的Unscented 卡尔曼滤波（Unscented Kalman Filtering，UKF）滤波方法，当系统模型存在误差时，根据误差大小自适应增大一步预测均方误差；当量测出现异常时，根据异常值大小对观测信息进行自适应降权。半物理仿真结果表明，当系统模型存在误差，GPS出现野值以及地磁场异常时，该方法滤波稳定性高且抗异常突变能力较强。3、针对GPS信号中断后，基于MEMS-SINS组合导航精度迅速下降的问题，提出一种基于径向基函数神经网络（Radial-Basis Function Artificial Neural Networks，RBF-ANN)预测的MEMS-SINS误差反馈校正方法。地面车载试验结果表明：训练后的RBF-ANN能较高精度地逼近MEMS-SINS/GPS组合导航系统输入输出关系，能在GPS信号短时间中断的情况下使得MEMS-SINS利用RBF-ANN的输出进行反馈校正后得到较为准确的导航参数。4、针对实际应用中对导航算法的实时性的要求，提出了一种基于可观测度分析的降维滤波加矩阵外积的方法。该方法一方面根据可观测度分析忽略了组合滤波中不可观测的状态量，另一方面减少了组合滤波计算中数据与“0”以及与“1”相乘的乘法计算量。半物理仿真结果表明，采用基于可观测度分析的降维滤波加矩阵外积的方法，虽然组合导航系统的精度略有所降低，但大大提高了算法的实时性。