CN102853834A - 旋转载体用imu的高精度方案与消噪方法 - Google Patents

Abstract

本发明涉及旋转载体用的惯性组合(IMU)，它主要设计了高性能微小型惯性仪表方案(主要由四个MEMS陀螺构成三组正交陀螺、三个正交的石英数字加速度计、结构本体、二次电源、信号处理及通讯接口等部分组成)，设计了UKF卡尔曼滤波对MEMS陀螺的随机漂移误差进行有效补偿。本发明具有量程宽、体积小、高动态、重量轻的特点，适用于可以实时测量高速旋转弹体飞行过程中的飞行姿态，适用于远程火箭弹，中、短程末制导弹药、地面武器姿态稳定系统、航弹飞行控制系统以及无人机航姿系统，位置和速度。还可应用于核潜艇捷联定位组合、环境的摇摆和倾斜的测量系统、各种车辆和轮船的惯性运动记录系统等。

Description

旋转载体用IMU的高精度方案与消噪方法

技术领域

本发明涉及高性能微小型惯性仪表方案及设计UKF卡尔曼滤波对MEMS陀螺的随机漂移的补偿实现对旋转弹的飞行姿态、位置和速度的精确测量。属于导航与制导领域。

背景技术

以陀螺仪和加速度计组合的惯性仪表，是用来自主测量载体运动加速度和姿态信息，经过运算求出载体即时速度、位置和角速度、角位置，使武器系统实现精确打击的关键部件。国内外陆军弹药中普遍采用旋转弹体制，其最大的优点是采用高速旋转保持其飞行稳定性，减小由于气动外形的不对称、质量偏心等引起的落点误差。小到枪的子弹，大到远程火箭均为旋转弹。传统无控弹药最大的缺点在于其落点散布比较大，射击准确度和射弹密集度都比较差，难以实现精确的杀伤效果。所以，常规火箭、炮弹需要引入轨迹控制技术，这样，既能发挥旋转弹火力密集、机动性好的优点，又能有效解决其精确度不足的缺点，目前已成为国内外的普遍发展趋势。

旋转弹增加轨迹控制，首先是要增加惯性测量装置，以实现对旋转弹飞行姿态的测量，再由控制系统根据测量结果对其弹道进行修正。鉴于旋转弹内部安装空间有限，旋转弹用惯性测量装置只能用小型化的惯性组合。但是由于旋转弹存在一个高达10r/s以上绕弹体纵轴的转速，现有的陀螺仪在这样的高转速下其标度因数误差劣于5PPM，极大地制约了惯导技术在旋转弹上的应用。因此，迫切需要一种能够直接应用于现有旋转弹的捷联惯性测量装置，无需旋转弹提供稳定平台就能够直接测量旋转弹的飞行姿态、位置和速度。

目前用于旋转弹的捷联惯性组合，由于缺少敏感高速横滚角速率的陀螺仪，都在采取各种方法避免使捷联惯性测量单元承受弹体的旋转环境。如：美国为首的5国正在联合研制的GMLRS227mm远程制导火箭弹，为了避免惯性测量单元承受旋转环境，采取了增加一个滑动轴承，隔离发动机的旋转，通过空气舵使制导舱保持倾斜稳定。这种方式的缺点是系统复杂、增加了无效重量，牺牲了一部分舵资源。美国正在研究能够测量范围达3600°/s、标度因数误差小于5PPM的角速率陀螺仪，但是成本问题也难以在短期内得到解决。

发明内容

本发明所要解决的技术问题是针对高速旋转弹的制导改造需要，在已有研究基础上，实现低成本陀螺仪和加速度计的小型化、高性能的捷联惯性组合方案，以及充分利用现有的滤波技术实现MEMS陀螺的随机误差补偿，以实现高转速下IMU对旋转弹的飞行姿态、位置、速度直接精确测量。

本发明为实现上述目的，采用的技术方案是：将惯性组合(IMU)和旋转弹固定在一起，采用三组MEMS正交陀螺、三个正交的高动态加速度计。主轴(对应载体的旋转轴)采用两个MEMS陀螺以提高精度，其它两轴各自采用一个MEMS陀螺，，三个正交轴各自采用一个高动态加速度计，并且加上温度传感器以解决温度变化引起MEMS陀螺及加速度计测量的误差，电源设计采用2次电源，电路部分包括信号调理电路、16位A/D采集、ARM主控计算机及通信接口等，为解决MEMS陀螺的随机漂移误差这里采用UKF滤波实现对随机漂移误差的补偿。

旋转载体用IMU的高精度方案与消噪方法具体实施如下：

第一步，在载体高速旋转的情况下，四个陀螺(其中主轴两个)和三个高动态加速度计及温度传感器输出信号，信号调理电路对信号的零偏，耦合情况进行调理，以及对信号进行放大等。

第二步，设置采用频率，采用16位A/D对调理过的信号进行采集。

第三步，利用主控计算机(ARM)对信号进行处理，包括用UKF算法对MEMS陀螺随机漂移误差的补偿(包括温度补偿)，以及补偿温度引起的加速度计测量的误差等，处理后的数据为旋转弹的真实飞行姿态、位置和速度。

第四步，输出旋转弹的真实飞行姿态、位置和速度。

附图说明

图1为高性能微小型惯性仪表方案结构图示意图

图2为三组MEMS正交陀螺示意图

图3为MEMS陀螺仪的原始信号图

图4为MEMS陀螺仪的数据预处理后的信号图

图5为MEMS陀螺仪静态随机噪声补偿过程原理图

图6为MEMS陀螺仪静态随机噪声补偿图

图7为MEMS陀螺仪动态噪声补偿过程原理图

图8为MEMS陀螺仪匀速转动的噪声补偿图

图9为MEMS陀螺仪角度和方向同时变化的噪声补偿图

图10为图9的局部放大图

具体实施方式

(1)高性能微小型惯性仪表方案参见图1

惯性组合按照微小型化要求采用一体化设计，主要由三组MEMS正交陀螺、三个正交的高动态加速度计、结构本体、二次电源、信号处理及通讯接口等部分组成，如图1所示。其中主轴(对应载体的旋转轴)陀螺采用两个MEMS陀螺以提高精度。

(2)MEMS陀螺

MEMS陀螺芯片为外购件如图2所示。对芯片进行了信号处理后封装成单轴陀螺。

3误差分析及其补偿

3.1误差来源

惯性器件以其尺寸小、成本低、重量轻，但精度低，所以此惯性组合的主要误差来源于MEMS陀螺的随机漂移误差。

3.2随机误差补偿

3.2.1基于时间序列方法的建模

时间序列分析建模的内容包括：数据采集、数据的统计分析与预处理、模型阶次的确定、模型参数的估计、模型适用性检验等问题。

(1)数据采集

对MEMS陀螺输出y轴输出信号进行采样。图3为MEMS陀螺仪的原始漂随机移信号

(2)数据的预处理

在对MEMS陀螺随机漂移信号建立模型前，需要进行数据的预处理，使之成为零均值、平稳、正态的时间序列信号，然后才能对处理的信号建立数学模型。对信号的预处理包括：

1)异常值剔除：所谓的异常值是指因实验条件或测试仪器的突然失常、观测人员的疏忽大意等造成的少量异常数据。它们以远离大多数的观测值的形式出现，因此必须剔除。

2)零均值处理：对有限长的时间序列计算其均值，求出平均值后，将陀螺每一时刻都减去平均值，即可得到零均值处理后的数据。

3)提取趋势项：由于实际测量中陀螺随机漂移数据序列经常为非平稳随机序列，所以有时需要去掉其中一个线性的或缓慢变化的趋势。

4)差分处理：如果经过提取趋势项后的序列仍为非平稳列，则需要对数据进行差分处理，直至得到平稳时间序列。

5)数据检验：数据的检验包括平稳性检验、正态性检验、零均值检验。平稳性检验用来检验漂移数据序列是否具有不随时间推移而变化的统计特性，正态性检验用来判断陀螺随机漂移数据是否具有正态分布的特性，零均值检验是检验时间序列的均值是否为零，数据检验的方法已经非常成熟。

(4)陀螺随机漂移的模型辨识

在实际工程应用中，时间序列模型一般可分为自回归(AR)模型、滑动平均(MA)模型、自回归滑动平均(ARMA)模型。由于陀螺漂移模型阶次都比较低，一般不超过2到3阶，且对于实际系统，随机ARMA模型的自回归阶次大于或等于滑动平均阶次，故误差模型一般在AR(1)、AR(2)、AR(3)、ARMA(1，1)和ARMA(2，1)中选择。经检验，数据预处理后的序列已达到平稳、正态、零均值的要求。图4为MEMS陀螺Y轴输出数据预处理后的信号。

根据数据预处理后的数据建立不同的AR或ARMA模型，然后比较不同模型的AIC值，从中选取最理想的随机漂移误差模型，结果如表1所示。

	AR(1)	AR(2)	AR(3)	ARMA(1，1)	ARMA(2，1)
						a1	0.4150	0.5412	0.6114	-0.1531	-0.1515
a2	0	0.3016	0.4270	0	0.0141
						a3	0	0	0.2303	0	0
b1	0	0	0	-0.9418	-0.9472
						AIC	-7.8186	-7.9151	-7.9702	-8.1547	-8.1551

表1MEMS陀螺随机漂移模型参数及AIC值

通过表1可以看出AIC值最小模型，为ARMA(2，1)模型，因此选取ARMA(2，1)模型为MEMS陀螺随机漂移的数学模型。该模型数学表达式为：

x_k＝0.1515x_k-1-0.0141x_k-2+e_k-0.9472e_k-1         (1)

其中e_t(t＝1，...n，n+1，...)是相互独立的白噪声，x_k(k＝1，...n，n+1，..)是状态变量。

3.2.2时间序列数学模型的状态空间实现

因为接下来要利用UKF实现对MEMS陀螺随机漂移的一步预测，因此这里状态空间的系统变量数目设置为2，这里将时间序列转化成状态空间的模型。

设此时间序列模型为：

状态空间模型为：

X_k＝AX_k-1+BW_k             (3)

Z_k＝HX_k+V_k                (4)

 此处，X_k＝[X_k X_k-1]^T，W_k＝e_k(系统噪声变量)，V_k为标量(量测噪声)，Z_k为标量(量测值)，其中

此状态空间模型是直接将时间序列的自回归滑动平均参数带入状态空间的，没有做任何中间运算并且模型满足可观性(系统满足可观性可将预测的随机漂移输出，这是实际中利用一步预测的随机漂移做实时补偿必须的)。

将(1)中的参数带入此状态空间模型得状态空间模型如下：

$\left[\begin{array}{c}{X}_k\\ X_{K-1}\end{array}\right]=\left[\begin{array}{cc}0.1515& 1\\ -0.0141& 0\end{array}\right]\left[\begin{array}{c}{X}_{k-1}\\ X_{k-2}\end{array}\right]+\left[\begin{array}{c}1\\ -0.9472\end{array}\right]W_k$ (6)

$Z_k=\left[\begin{array}{cc}1& 0\end{array}\right]\left[\begin{array}{c}{X}_k\\ X_{k-1}\end{array}\right]+V_k$

其中V_k(k＝1，2，n，...)，为量测噪声可根据实际情况设置，W_k为过程噪声，可通过求x_k的样本标准差近似得出。

3.2.3UKF滤波方法进行误差补偿

(1)UKF滤波方程

考虑如下的非线性离散系统

$\left\{\begin{array}{c}{x}_{k+1}=f(x_k,u_k)+\mathrm{\Γ}{w}_k\\ z_k=h\left(x_k\right)+v_k\end{array}\right.---\left(7\right)$

其中，x_i为n维状态向量，z_i为量测向量，u_i为已知的外部输入；w_i为零均值系统过程噪声，是方差为R的高斯白噪声；v_i为零均值量测噪声，是方差为Q的高斯白噪声。滤波过程如下：

1)初始化

状态向量x为n维随机变量，其均值为

则：

(8)

2)Sigma点采样

$x_0=\stackrel{\‾}{x}$

$x_1=\stackrel{\‾}{x}+{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_1,i=1,...n---\left(9\right)$

$x_1=\stackrel{\‾}{x}-{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_1,i=n+1,...2n$

对应于的权值：

其中λ＝α²(n+k)-n是一个比例因子，α决定

周围Sigma点分布状态；k是一个标量，用于控制每个点到均值的距离；调节参数β可以提高方差的精度，

是矩阵

的第i列。

3)时间更新

由状态方程对各个Sigma点进行非线性变换：

$x_{i,k|k-1}=f(x_{i,k-1},u_{k-1})---\left(11\right)$

状态的一步预测值：

${\hat{x}}_k^{-}=\underset{i\→0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^m{x}_{i,k|k-1}---\left(12\right)$

状态的一步预测方程：

$p_k^{-}=\underset{i\→0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^l(x_{i,k|k-1}-{\hat{x}}_k^{-}){(x_{i,k|k-1}-{\hat{x}}_k^{-})}^T---\left(13\right)$

由观测方程对各个Sigma点进行非线性变换：

z_i，k|k-1＝h(x_i，k|k-1)                  (14)

系统的预测输出值：

${\hat{z}}_k^{-}=\underset{i\→0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^m{z}_{i,k|k-1}---\left(15\right)$

4)量测更新

计算系统输出的理论方差阵：

$P_{z_1{z}_1}=\underset{i\→0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^l(z_{i,k|k-1}-{\hat{z}}_k^{-}){(z_{i,k|k-1}-{\hat{z}}_k^{-})}^T---\left(16\right)$

计算协方差：

$P_{x_1{z}_1}=\underset{i\→0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^l(x_{i,k|k-1}-{\hat{x}}_k^{-}){(z_{i,k|k-1}-{\hat{z}}_k^{-})}^T---\left(17\right)$

计算滤波增益阵：

$k=P_{x_1{z}_1}{P}_{z_1{z}_1}^{-1}---\left(18\right)$

状态更新后的滤波值：

${\hat{x}}_1={\hat{x}}_1^{-}+k(z_1-{\hat{x}}_1^{-})---\left(19\right)$

求解状态后验方差阵：

$P_k=P_k^{-}-k{P}_{z_1{z}_1}{k}^T---\left(20\right)$

3.2.4MEMS陀螺静态随机误差补偿

静态随机误差的补偿过程如图5所示，补偿结果如图6所示，红色是补偿前的噪声，蓝色是补偿后的数据，显然补偿后的数据的标准差比补偿前小很多，可得UKF对静态随机噪声的补偿效果非常好。

3.2.5MEMS陀螺动态随机误差补偿

动态随机误差补偿过程如图7所示，它与静态噪声补偿方式不同在于对数据进行差分，将差分前的数据和K倍滤波后的数据相减来实现噪声的降低，其原理是：在系统的数据产生中认为K时刻的数据和K-1时刻应该相等，如果不等则认为是误差(此误差被认为是噪声)，对误差进行滤波修正后，将差分前的数据减去K倍的滤波后的数据从而去除噪声。

1)将陀螺仪以5°/s的角速度转动，将输入数据乘以比例系数，进行图7所示的动态噪声补偿的方式，通过调试恰当的k值得图8，有图8可得表明匀速转动的MEMS陀螺的噪声补偿效果比较好。

2)考虑一种极端情况，将陀螺分别取速率10°、20°、30°、50°、75°、90°、100°/s的转速正、反转，对输出数据进行如图7所示的处理，噪声补偿后如图9所示，图10是其局部放大图。由图9，10可看出补偿后误差得到较大减小。

综上所述MEMS陀螺随机误差补偿的精度达到要求。

总之，旋转载体用IMU采用的高性能微小型惯性仪表方案和UKF滤波算法能够实现对旋转弹的飞行姿态、位置和速度的精确测量。

Claims (2)

1.旋转载体用的惯性组合(IMU)精确测量弹体飞行过程中的飞行姿态、位置和速度，包括以下步骤：

第一步，在载体高速旋转的情况下，设计高性能微小型惯性仪表方案既四个MEMS陀螺(其中主轴两个)和三个高动态加速度计及温度传感器输出信号，信号调理电路对信号的零偏，耦合进行调理，以及对信号进行放大等。

第二步，设置采样频率，采用16位A/D对调理过的信号进行采集。

第三步，利用主控计算机(ARM)对信号进行处理，包括设计UKF算法对MEMS陀螺随机漂移误差的补偿(包括温度补偿)，以及补偿温度引起的加速度计测量的误差等，处理后的数据为旋转弹的真实飞行姿态、位置和速度。

第四步，输出旋转弹的真实飞行姿态、位置和速度。

2.根据权利要求书1所述惯性组合(IMU)测量弹体飞行过程中的飞行姿态、位置和速度的步骤其特殊之处如下：

(1)步骤一提出高性能微小型惯性仪表方案，此方案设计了三组MEMS正交陀螺、三个正交的石英数字加速度计，其中主轴(对应载体的旋转轴)采用两个MEMS陀螺以提高精度，此外它还有结构本体、二次电源、信号处理及通讯接口等部分组成。

(2)步骤三利用主控计算机(ARM)对信号进行处理，其特殊之处在于设计UKF卡尔曼算法对MEMS陀螺的随机漂移误差进行补偿。

Images