一种基于SINS/CNS的组合导航信息融合方法

摘要

本发明提供一种基于SINS/CNS的组合导航信息融合方法。本发明包括以下步骤：(1)采集星敏感器的输出；(2)求解地球坐标系相对于惯性坐标系之间的转换以及地球坐标系与地理坐标系的转换矩阵；(3)通过上述步骤给出的信息，解算得到模拟的姿态矩阵；(4)由姿态矩阵求解得到载体的姿态角；(5)根据实际姿态角以及系统的失准角计算载体的误差姿态角；(6)建立组合导航系统的量测方程；(7)建立组合导航系统的状态方程；(8)对系统的误差进行估计补偿。本发明提供的组合导航信息融合方法能够有效地降低误差，提高导航精度。

主权项

1.一种基于SINS/CNS的组合导航信息融合方法，其特征在于包括以下步骤：(1)采集星敏感器的输出：星敏感器的坐标系相对于惯性坐标系(i系：天球坐标系)之间的姿态信息(2)通过星敏感器自身携带的世界标准时间系统，可以得到地球坐标系(e系)相对于惯性坐标系(i系)之间的转换矩阵：$C_i^e=\left[\begin{array}{ccc}\cos (k+{\omega }_{\mathrm{ie}}·t)& \sin (k+{\omega }_{\mathrm{ie}}·t)& 0\\ -\sin (k+{\omega }_{\mathrm{ie}}·t)& \cos (k+{\omega }_{\mathrm{ie}}·t)& 0\\ 0& 0& 1\end{array}\right],$其中，ω_ie为地球自转角速度，t是世界标准时间系统提供的具体时间，k是初始位置(经度和纬度)与春分点之间的夹角，同时由外测信息采集当地的经纬度，由此信息可以得到地球坐标系与地理坐标系的转换矩阵：$C_e^n=\left[\begin{array}{ccc}-\sin \lambda & \cos \lambda & 0\\ -\sin L\cos \lambda & -\sin L\sin \lambda & \cos L\\ \cos L\cos \lambda & \cos L\sin \lambda & \sin L\end{array}\right],$其中，L为载体的地理纬度，λ为载体的地理经度；(3)利用步骤(1)与步骤(2)的实时数据，可以得到载体的高精度姿态矩阵，$C_b^n=C_e^n{C}_i^e{\left(C_s^b{C}_i^s\right)}^{-1},$其中，为星敏感器坐标系(s系)与载体坐标系(b系)之间的转换矩阵，它可以在安装时通过光学瞄准精确获得；(4)利用步骤(3)采集的数据可得，$C_b^n={\left(C_n^b\right)}^{-1}=\left[\begin{array}{ccc}{C}_{11}& C_{12}& C_{13}\\ C_{21}& C_{22}& C_{23}\\ C_{31}& C_{32}& C_{33}\end{array}\right]\left[\begin{array}{ccc}\cos \gamma \cos \psi -\sin \gamma \sin \theta \sin \psi & -\cos \theta \sin \psi & \sin \gamma \cos \psi +\cos \gamma \sin \theta \sin \psi \\ \cos \gamma \sin \psi +\sin \gamma \sin \theta \cos \psi & \cos \theta \cos \psi & \sin \gamma \sin \psi -\cos \gamma \sin \theta \cos \psi \\ -\sin \gamma \cos \theta & \sin \theta & \cos \gamma \cos \theta \end{array}\right],$其中，ψ、θ与γ分别为星敏感器提供的载体的真实姿态的航向角、俯仰角与横滚角；(5)采集捷联惯导系统自身解算得到的带有误差的姿态信息(6)利用步骤(4)与步骤(5)采集的信息并根据坐标转换理论，可以得到如下关系其中，为捷联惯导系统的三个平台失准角；(7)利用步骤(5)采集到的信息可以解算出载体的三个带有误差的姿态角分别为航向角ψ_I、俯仰角θ_I、横滚角γ_I，并假设有下式ψ_I＝ψ+δψ，θ_I＝θ+δθ，γ_I＝γ+δγ，其中，δψ、δθ、δγ为载体的三个姿态误差角；(8)利用步骤(4)与步骤(6)可以得到如下关系(9)利用步骤(4)，步骤(7)和步骤(8)可得到载体的三个姿态误差角，(10)利用步骤(9)建立组合导航系统的量测方程，$Z=\left[\begin{array}{c}{\psi }_I-\psi \\ {\theta }_I-\theta \\ {\gamma }_I-\gamma \end{array}\right]=\left[\begin{array}{c}\mathrm{\delta \psi }\\ \mathrm{\delta \theta }\\ \mathrm{\delta \gamma }\end{array}\right]=H_{1}X\left(t\right)+V\left(t\right)=\left[\begin{array}{ccc}{H}_{11}& H_{12}& H_{13}\end{array}\right]X\left(t\right)+V\left(t\right),$其中，H₁₁＝0_3×3，$H_{12}=\left[\begin{array}{ccc}\frac{C_{12}{C}_{32}}{C_{12}^2+C_{22}^2}& \frac{C_{22}{C}_{32}}{C_{12}^2+C_{22}^2}& -1\\ -\frac{C_{22}}{\sqrt{1-C_{32}^2}}& \frac{C_{12}}{\sqrt{1-C_{32}^2}}& 0\\ \frac{C_{12}{C}_{33}-C_{23}{C}_{31}}{C_{31}^2+C_{33}^2}& \frac{C_{13}{C}_{31}-C_{11}{C}_{33}}{C_{31}^2+C_{33}^2}& 0\end{array}\right],$H₁₃＝0_3×6，V(t)为系统的量测噪声，其中，X(t)∈R¹²为系统的状态向量，其中，δV_e、δV_n、δV_u分别为东向速度误差、北向速度误差和天向速度误差；为三个平台失准角；ε_x为东向陀螺常值漂移，ε_y为北向陀螺常值漂移，ε_z为方位陀螺常值漂移；Δ_x为东向加速度计零偏，Δ_y为北向加速度计零偏，Δ_z为天向加速度计零偏；(11)建立组合导航系统的状态方程，其中，F(t)∈R^12×12为系统的状态转移矩阵，G(t)为系统的噪声驱动阵，W(t)为系统的噪声向量；(12)利用步骤(10)与步骤(11)并通过卡尔曼滤波技术对系统的误差进行估计补偿。