导航原理_组合导航分解.ppt

组合导航 2. 最优综合导航系统 采用卡尔曼滤波器的组合方法 卡尔曼滤波是一种递推线性最小方差估计，它用“状态”表征系统的各个物理量，而以“状态方程”和“观测方程”描述系统的动力学特性。它要求应用对象是线性系统，且已知系统的某些先验知识，如系统噪声和测量噪声的统计特性。综合导航系统基本满足这些条件，因而适合采用卡尔曼滤波。 根据KF所估计的状态不同，Kalman滤波在组合导航中的应用有直接法与间接法之分。 直接法估计导航参数本身，间接法是估计导航参数的误差。 直接法的KF接收惯导系统测量的比力、角速度和其他导航系统计算的某些导航参数，经过滤波，给出有关导航参数的最优估值。 间接法的KF，接收的信号是惯导系统和其他导航参数的差值，经过计算给出有关误差的最优估计值。 利用直接法进行估计时，状态方程和测量方程有可能是非线性的，由于运动体的导航参数一般不是小量，方程线性化会带来较大误差，且滤波计算需花费较多时间，这使得导航参数的刷新周期不可能太快，难以满足动态载体对导航参数更新的要求。 因此，在组合导航系统中，直接法较少采用。 间接法估计时，所谓“系统”实际就是导航系统的各种误差的“组合”，系统状态均为小量，方程线性化带来的误差较小。 在滤波计算时，不参与原系统的计算流程，对原系统来讲，除了接受误差估值的校正外，原导航系统保持其工作的独立性。 这使得间接法能充分发挥各个系统的特点（例如惯导系统具有较快的参数更新率），因而被广泛采用。 间接法估计的状态都是误差状态，即滤波方程中的状态矢量是导航参数误差状态和其它误差状态的集合（用 来表示）。 利用状态估值 去对原系统进行校正也有两种方法，即输出校正和反馈校正。 1、输出校正 以惯导系统和其它某一导航系统组合为例，间接法的组合导航卡尔曼滤波器将惯导系统和其它导航系统各自计算的某些导航参数（分别用 表示）进行比较， 其差值就包含了惯导某些导航参数误差 和其它导航系统的误差 ,即 滤波器将这种差值作为测量值，经过滤波计算，得到滤波器状态（也即包括 和 在内的各种误差状态）的估值。其结构如图6.4所示。 上式说明，组合导航系统的导航参数的误差就是惯导系统导航参数误差估值的估计误差。 2、反馈校正 采用反馈校正的间接法估计是将导航参数误差的估值反馈到各导航系统内，对误差状态进行校正。反馈校正的滤波示意图如图6.5所示 输出校正和反馈校正的分析 从形式看，输出校正只是校正系统的输出量，而反馈校正则校正系统内部状态，但可以证明，如果滤波器是最优滤波器，则两种校正方式的结果是一样的。然而，真正意义上的“最优滤波器”工程上是不存在的。未校正系统导航参数的误差会随时间而增大，因而输出校正方式下的滤波器状态值会越来越大。这使得方程线性化等近似计算误差不断增大，从而滤波效果变差。 由于以上原因，对实际系统（尤其是长时间工作的系统）来说，只要状态能够通过具体实施反馈校正来实现，综合导航系统就尽可能采用反馈校正的滤波方法。 综合导航卡尔曼滤波器的设计 根据综合导航系统设计任务的要求不同，综合卡尔曼滤波器的设计步骤也不尽相同，但大体可分为三个阶段： 第一阶段：系统分析 第二阶段：数值仿真 第三阶段：实验检验和完善设计 综合卡尔曼滤波器设计中几个需要注意的问题： 1、坐标系问题 2、滤波器状态的可观测性问题 3、滤波器初值的确定 4、提高综合滤波器的自适应能力 2、滤波器状态的可观测性问题 惯性导航为主体的综合导航系统，其一部分状态（如位置、速度误差等）可观测性好，有些状态（如加速度计零偏、水平偏差角等）的可观测性差。这里由于这些状态之间存在较强的线性相关性，如果载体运动过程中姿态角变化不大（如车辆、水面舰船），则加速度计零偏和水平姿态角几乎是不可分辨的。因此，在确定滤波器的状态时，要充分注意这一点。根据具体情况，舍弃某些难于观测又相对次要的状态。滤波系统的可观测性，可通过可观测矩阵加以判断。 3、滤波器初值的确定 理论上，应取 但一般 和 为未知，可选取 ， 阵中各对角线元素可按系统状态的可能分布情况选取。例如陀螺漂移和加速度计的零偏的大致分布范围我们是知道的，如果初始状态间有相联关系，则 阵中相应的非对角线元素不为零。 4、提高综合滤波器的自适应能力 由于设计的卡尔曼滤波器数学模型与实际系统的真实模型不可能完全一致，因此滤波的实际效果（甚致仿真效果）往往不太理想。 原因：滤波器的工作状态受实际物理系统的影响，而物理系统又随运动状态而有所变化，这种变化比较集中地反映在系统噪声和测量噪声上。噪声方差甚至噪声性质都