某型機載慣性/衛星/大氣多信息融合MEMS航姿系統的設計與實現

曹　陽，賴際舟，柳　敏，葉素芬

(南京航空航天大學自動化學院，南京 211106)

0　引言

航姿系統是一種載體運行過程中航姿參數的信息處理系統，能為載體提供準確可靠的姿態與航行信息。傳統的航姿系統基于框架式陀螺，體積偏大,成本偏高,故障率居高不下[1]。隨著新型慣性傳感器技術的發展，基于微機電技術(Micro Electro Mechanical System, MEMS)的硅微陀螺儀和加速度計以體積小、質量小、可靠性高、啟動時間短和對線性過載不敏感的特點，逐漸在捷聯式慣性導航系統中使用[2]。MEMS技術的成熟以及對低成本因素的考慮促使微機械陀螺、加速度計得到越來越多的應用[3-4]。以MEMS陀螺儀和加速度計為敏感元件的微型航姿系統已成為航空、航天、導彈及戰車導航等諸多領域中重要的發展方向之一[5-6]。

MEMS陀螺器件精度較低，導致其捷聯航姿算法解算的姿態精度不高[7]，實際應用中常采用磁傳感器進行輔助。MEMS加速度計和磁傳感器計算的航向角漂移小，但其動態情況下性能受限，且磁傳感器易受干擾，從而影響航姿系統輸出信息的精度和可靠性[8]。

因此，本文設計并實現了一種多源信息輔助下的綜合航姿系統，提出了一種基于大氣/衛星輸出信息輔助的融合方案。根據系統的工作模式管理以及GPS的位置信息或大氣數據傳感器的空速信息，采用Kalman濾波方法實現對航姿系統輸出數據的校正，從而保障航姿系統輸出信息的性能。

1　多信息輔助的航姿系統構建

1.1　綜合航姿系統組成和原理

多信息輔助的航姿系統由慣性測量部件、磁航向傳感器和GPS接收機、天線組成。其中，慣性測量部件包含電源模塊、導航解算模塊、接口模塊、3個單軸MEMS陀螺儀、3個單軸MEMS加速度計、大氣數據傳感器和大氣數據解算模塊，其系統工作原理框圖如圖1所示。

由圖1可知，多信息輔助的航姿系統通過陀螺和加速度計敏感載體的角速率和加速度，并將角速率和加速度信號發送給導航解算模塊，通過捷聯解算對外輸出航向、姿態信息；磁航向傳感器敏感地磁并將三軸磁場強度傳輸給導航解算模塊用于解算磁航向；內置GPS接收機向導航解算模塊提供位置信息，大氣數據解算模塊向導航解算模塊提供空速和高度信息。在載體姿態更新的過程中由于慣性器件存在誤差，嚴重影響了測量精度。因此，結合已知觀測信息，采用Kalman濾波方法進行誤差估計，并對航姿系統輸出進行校正。

綜合航姿系統具有多種工作運行模式，可以根據可用傳感器實現多運行模式的自主切換，其模式管理及切換示意如圖2所示。不同模式的優先級從高至低排列如下：

1)GPS輔助航姿系統模式，根據GPS輸出信息對航姿系統輸出進行修正，從而得到載體的位姿信息。

2)大氣數據輔助航姿系統模式，根據大氣數據輸出信息對航姿系統輸出進行修正，從而得到載體的位姿信息。

3)純航姿系統模式，根據MEMS慣性器件和磁傳感器數據實現載體的位姿信息解算和輸出。

由圖2可知，所設計的系統和融合方案中，系統優先選用GPS的位置信息進行Kalman濾波修正，當GPS信息無效后，使用空速信息進行Kalman濾波修正，從而實現與航姿系統輸出的無縫融合。

1.2　航姿系統初始對準

航姿系統在正常使用前，需要進行初始對準。其原理是根據陀螺和加速度計的輸出直接求解俯仰角和橫滾角，并結合磁航向傳感器提供的航向角信息，建立姿態轉移陣作為導航解算的初始姿態陣，同時可以對Kalman濾波器初始矩陣進行初始化。對準完成可以對初始的姿態角度進行判斷，大于設定門限，則認為對準失敗，對準流程如圖3所示。

2　基于大氣/衛星輸出數據的航姿系統融合方案

在微型航姿參考系統中，常用的姿態解算算法是基于三軸加速度計和三軸磁傳感器，利用重力場和地磁場在地理坐標系和載體坐標系之間的轉換及方向余弦矩陣解算姿態角。該方法算法簡單，計算量小，易于實現。但是由于加速度計對重力加速度和運動加速度均敏感，并且磁傳感器易受鐵磁性物質干擾，同時由于低成本MEMS加速度計精度不高，尤其在高機動情況下，直接采用加速度計/磁力計計算的姿態輸出并不可靠[9]。為了解決上述問題，提高航姿系統輸出的精度和可靠性，本文設計并提出了一種GPS信息和大氣信息輔助修正的融合方案，根據傳感器可用狀態實現濾波器的無縫切換，有效利用多源傳感器信息修正航姿系統輸出誤差。綜合航姿系統優先選取GPS位置信息進行濾波修正，當GPS信息無效時，采用空速信息進行濾波修正。

2.1　組合導航系統濾波模型建立

根據航姿系統解算原理，建立其系統狀態模型，狀態量X(k)選取如下：

X(k)=[δVEδVNφEφNφUδLδλ
εxεyεzxy]T

(1)

式中，δVE、δVN為速度誤差，φE、φN、φU為姿態失準角，δL、δλ為經緯度位置誤差，εx、εy、εz為陀螺漂移誤差，x、y為加速度計零偏誤差。

其速度誤差、姿態誤差、位置誤差、陀螺漂移、加速度計漂移誤差方程如下：

(1)速度誤差方程

(2)

(2)姿態誤差方程

(3)

(3)位置誤差方程

(4)

(4)陀螺漂移誤差方程

采用1階Markov過程描述陀螺漂移，τg=1800s，為時間常數。

(5)

(5)加速度計零偏誤差方程

(6)

式中，ΩU=ωiesinL，ΩN=ωiecosL，ωie為地球自轉角速率，L為載體緯度信息，RM是地球參考橢球子午面內的曲率半徑，RN是地球垂直子午面的法線平面的曲率半徑。

當GPS輸出信息可用時，組合導航系統的量測值為航姿位置λAHRS、LAHRS和GPS接收機輸出位置λGNSS、LGNSS之差，關系如下：

(7)

根據量測值和狀態變量的選擇，可構成如下的量測方程[10]：

Z1=H1X+V1=[0(2×5)I(2×2)0(2×5)]X+V1

(8)

式中，V1為GPS位置量測噪聲矩陣。

在GPS信號無效的情況下，多信息輔助下的航姿系統自動切換至大氣輔助組合工作方式，此時量測值為航姿速度VE(AHRS)、VN(AHRS)和空速分解的東北向速度VE(ADS)、VN(ADS)之差，關系如下：

(9)

根據量測值和狀態變量的選擇，其量測方程如下：

Z2=H2X+V2=[I(2×2)0(2×10)]X+V2

(10)

式中，V2為大氣速度量測噪聲矩陣。

2.2　組合導航系統濾波融合方法

在建立的系統狀態和量測方程的基礎上，文中采用Kalman濾波方法實現組合導航系統的信息融合，其遞推方程組如下：

狀態一步預測為：

(11)

一步預測均方誤差為：

(12)

濾波增益為：

(13)

狀態估計為：

(14)

估計均方誤差為：

Pk=[I-KkHk]Pk/k-1

(15)

式中各變量的定義可參見文獻[10]。

(1)速度校正

(16)

(2)姿態矩陣校正

(17)

(3)位置校正

(18)

(4)陀螺漂移修正

(19)

(5)加速度計零偏修正

(20)

3　試驗驗證與分析

為了驗證本文所設計系統和提出方案的有效性，搭建了多信息輔助的MEMS航姿系統原理樣機。首先完成了綜合航姿系統的硬件和軟件調試，并在三軸標定轉臺上完成樣機誤差標定，通過跑車試驗驗證并分析系統的精度是否滿足設計要求。跑車試驗中，將一套經過校準的慣導系統(其航向角精度為0.1°，橫滾和俯仰角精度為0.05°)提供的姿態信息作為基準。試驗結束后，事后對綜合航姿系統和基準系統的姿態數據進行對比分析。跑車裝置如圖4所示。

實際跑車行駛軌跡如圖5所示，分別對兩種模式下的綜合航姿系統性能進行測試和驗證。

(1)GPS信息可用模式下的航姿精度分析

利用GPS的位置信息對航姿系統輸出進行輔助修正，其誤差曲線如圖6所示。

由圖6跑車試驗數據可以看到，多信息輔助航姿系統在GPS組合模式下，系統的航向和姿態精度能保持在較高的精度水平，其精度能夠達到設計指標的要求。其中，姿態誤差經過統計計算，其精度如表1所示。

表1　GPS輔助下的跑車試驗姿態精度

(2)GPS不可用時的大氣/慣性模式航姿精度分析

利用大氣傳感器測量的速度對航姿系統輸出進行輔助修正，其誤差曲線如圖7所示。

由圖7的跑車試驗數據可以看到，多信息輔助航姿系統在大氣組合模式下，系統的航向和姿態精度能夠達設計指標的要求。姿態誤差經過統計計算，其精度如表2所示。

表2　大氣輔助下的跑車試驗姿態精度

綜上所述，無論是在GPS輔助或大氣數據輔助的情況下，綜合航姿系統的輸出精度和穩定性都能得到保證，驗證了本文提出方案和設計系統的有效性。

4　結論

本文針對MEMS航姿系統輸出精度不高、易受干擾的問題，設計了多信息輔助下的航姿系統，提出了一種基于大氣/GPS輸出信息的航姿系統自適應融合方案。所設計系統具備多種工作運行模式，能實現不同模式的有效管理，綜合利用多源傳感信息，實現航姿系統輸出數據的無縫校正，能有效保障航姿系統的性能。首先闡述了系統的組成和工作原理，建立了融合方案所需的系統狀態和量測模型。最后根據所搭建的綜合航姿系統原理樣機，通過跑車試驗驗證了所設計系統和方案的可行性。

[1]李翔, 王勇軍, 李智. 航姿系統矢量傳感器非對準誤差及其校正[J]. 傳感技術學報, 2017, 30(2): 266-271.

LI Xiang, WANG Yong-jun, LI Zhi. Inter-triad misalignment of vector field sensors in attitude and heading reference systems and its calibration[J]. Chinese Journal of Sensors and Actuators, 2017, 30(2): 266-271.

[2]Sheng H, Zhang T. MEMS-based low-cost strap-down AHRS research [J]. Measurement, 2015, 59: 63-72.

[3]Chou W, Fang B, Ding L, et al. Two-step optimal filter design for the low-cost attitude and heading reference systems [J]. IET Science, Measurement & Technology, 2013, 7(4): 240-248.

[4]艾文娟, 劉巖. 基于 MEMS 技術的慣性/地磁組合導航[J]. 自動化與儀器儀表, 2016 (1): 110-113.

AI Wen-juan, LIU Yan. INS/geomagnetic integrated navigation based on MEMS technology[J]. Automation and Instrumentation, 2016(1):110-113.

[5]Zhuang Y, El-Sheimy N. Tightly-coupled integration of WiFi and MEMS sensors on handheld devices for indoor pedestrian navigation [J]. IEEE Sensors Journal, 2016, 16(1): 224-234.

[6]Sasani S, Asgari J, Amiri-Simkooei A R. Improving MEMS-IMU/GPS integrated systems for land vehicle navigation applications [J]. GPS Solutions, 2016, 20(1): 89-100.

[7]李華棟. 基于低成本 MEMS 器件的捷聯航姿系統設計[J]. 電子技術與軟件工程, 2016 (1): 114-115.

LI Hua-dong. Design of AHRS based on low-cost MEMS[J]. Electronic Technology & Software Engineering, 2016 (1): 114-115.

[8]常健, 李榮冰, 劉建業,等. MEMS航姿系統振動環境適應性研究[J]. 電子測量技術, 2015(9): 93-97.

CHANG Jian, LI Rong-bing, LIU Jian-ye, et al. The research of vibration environmental adaptability of MEMS AHRS[J]. Electronical Measurement Technology, 2015 (9): 93-97.

[9]盛漢霖, 張天宏, 劉冬冬. 基于擴展Kalman濾波器的低成本航姿系統設計[J]. 系統工程與電子技術, 2013, 35(10): 2158-2164.

SHENG Han-lin, ZHANG Tian-hong, LIU Dong-dong. Low-cost AHRS design based on extending Kalman filter[J]. System Engineering and Electronics, 2013, 35(10): 2158-2164.

[10]Auger F, Hilairet M, Guerrero J M, et al. Industrial applications of the Kalman filter: a review[J]. IEEE Transactions on Industrial Electronics, 2013, 60(12): 5458-5471.