CN101099076A - 基于运动学模型的组合惯性导航系统 - Google Patents

Abstract

本发明涉及改善与可模型化的运动学运动分量一起运动的载体(1)的惯性导航参数(1)的确定性的方法，该方法包括下列步骤：(a)通过惯性测量(20)的综合(11)假定给出预定值，考虑载体(1)的运动学模型(13)，选择至少一个运动分量，(b)按照选择的分量综合(11)惯性测量(20)，(c)基于分量，确定(14)步骤(b)得到的综合(11)和步骤(a)得到的预定值之间的变量，(d)以变量为基础，估计从与上述的与可模型化的分量相联系的误差得到的总体惯性误差，并估计运动学模型(13)的可变参数的将被更新的值，(e)修正基于确定的总体惯性误差的惯性导航。本发明同样涉及执行上述方法的惯性导航系统。

Description

基于运动学模型的组合惯性导航系统

技术领域

总体来讲，本发明涉及安装在载体上的惯性导航系统(INS)。

背景技术

更确切的说，本发明涉及一种为确定与模拟运动学运动分量一起运动的载体的惯性导航参数的方法，该方法包括可以包含误差的惯性测量步骤，该误差称作惯性误差，其导致不能准确确定上述参数。

这种类型的方法是已知的。

为了得到安装了惯性导航系统的载体的位置而特别使用这些方法。

在这点上，这些系统通常能够得到足够精确的性能水平。

例如，通过1Nm/h级别的纯惯性就可以得到定位准确度。但是，为了得到更高的准确度(例如十米级，或米级)，就需要使用外部数据。

为此目的，我们通过进行惯性测量来估计载体的位置，然后，为了修正该估计中的任何误差，我们使用上述的外部信息，后面这一部分功能由另一个系统提供。

这样的导航系统通常称为“组合系统”。

通过一个实施例的方式，我们讲述这个类型的系统，它通过从代表外部信息的全球定位系统(GPS)得到的信息来实现上述的修正。

该外部信息以一个预定的坐标系统直接提供载体的坐标是一个优点。

然而，一个众所周知的问题是全球定位系统对可能的干扰攻击并非无懈可击。

既然如此，惯性导航系统不再能够依靠GPS数据而使其返回正确位置。

此外，在载体的轨迹上的一些特定区域接收GPS信号在实施上有困难。

再一次，惯性系统不再拥有返回它正确位置的方式，或者换句话说，不在能修正随时间累积的惯性探测器级别的位置误差。

纯惯性的性能作为一个障碍限制了使用GPS的导航系统的性能。

自然，我们熟悉可以克服这个缺点的解决办法。

例如，在载体是机动车辆的情况下，外部信息可以通过它所连接的里程表得到。

我们使用车载的可靠的距离测量装置，来修正惯性测量推导出的位置。

虽然这种类型的系统在某种程度上解决了产生的问题，特别是对于机动车辆，但是这种系统的综合也并非完全没有问题。

首先，这种运载工具系统的改装经常会出现问题，特别是关于如何良好的接收里程表发出的信号。例如，考虑到信号可能具备的大范围的波形变化，高质量的接收需要在电子电路层次的相当高的设计水平。

其次，由于环境的约束(地形的变化，上坡，下坡等)，载体被迫改变空间的方向。

例如，如果我们考虑一个运动分量平行于运载工具行进的方向，运载工具会随这个分量(悬架运动等)改变，并且这会减小里程表测量与内置惯性测量相比较的联系。

因此也存在着另外一种解决方案，在不使用全球定位系统和里程表的情况下得到良好的定位表现。

例如，另一种解决方案，已经以缩写“ZUPT”(Zero Update(零更新))闻名，它包括周期性的停止载体，从而在空间中沿轴上速度变为零，然后使用此信息。

这种解决方案常被称作“零速组合(zero-speed hybridisation)”。

通过选择这种解决方案，惯性导航系统就可以计算由探测器产生的误差，从而改善特别是关于定位的性能。

不过这种解决方案也有其限制。

具有典型性的是，这些周期性停止(视性能所需要每4到10分钟)有时带来强烈的限制。

例如，在坦克、直升机或其它飞行器中的军用载体上，停止以实现零速组合是很不方便的。

我们知道对于载体中的惯性导航系统在某种程度上可以无需外部数据[2]。

为此目的，系统执行一种减少单位的惯性误差的方法。

更确切的说，方法包括一个步骤，其中我们沿车辆的横向和垂直轴的方向选择两个速度分量。

这两个分量假定为零，并且作为卡尔曼滤波器(Kalman filter)的观测量使用。

这种方法的一个问题是只有在特定的运行条件下(载体速度恒定，特别是地形平整)，它才可以得到更高的精确度。

这样，对于非限制性的实施例，方法从载体转向、爬升和/或下降的时刻不再精确。

发明内容

本发明的一个目的是在某种程度上解决上述提到的各种问题。

特别是，本发明的一个目的是能够得到定位上比使用纯惯性更好的性能，无论环境条件特别是运动条件如何。

为了实现这个目标，本发明提出了一种旨在确定沿模拟的运动学运动分量运动的载体的惯性导航参数的方法，该方法包括可以包含误差的惯性测量步骤，该误差通常称为惯性误差，其导致确定参数不准确，方法的特征在于他包括如下步骤：

(a)假设有一个载体的运动学模型，选择至少一个运动分量，根据该分量假定惯性测量的综合以给出预测值，

(b)按照所选一个或多个分量来综合测量，

(c)按照这些分量，确定步骤(b)的综合效果与步骤(a)的预测值之间的差值，

(d)作为得到的差值的函数，估计和上述可模型化分量相联系的惯性误差造成的整体惯性误差，并估计将被更新的运动学模型的可变参数的值，

(e)作为如此确定的整体惯性误差的函数，修正惯性导航参数。

按照本发明的方法的优选但非限制性条件如下所述：

-通过滤波器的方式实现步骤(d)中的估计；

-滤波器为卡尔曼滤波器

-运动学模型中的一个可变参数是载体运行道路的一个轴和载体的至少一个轴之间的夹角α；

-夹角α被建模为至少包括一个参数的函数，该参数反映载体的操作状态；

-运动学模型的一个可变参数是道路的轴与载体的轴之间的距离坐标。

令外，本发明提出了一种安装在和模拟的运动学运动分量一起运动的载体上的惯性导航系统，它包括

-惯性测量装置，

-选择装置，在载体的运动学模型上，选择至少一个运动分量，按照该运动分量假设惯性测量的综合以给出预测值，

-综合装置，按照选定的一个或多个分量来综合测量，

-确定装置，关于上述分量，确定综合与预测值之间的差值，

-估计装置，作为得到的一个或多个差值的函数，估计与上述可模型化分量相联系的惯性误差造成的整体惯性误差，

-修正装置，作为确定的整体惯性误差函数修正上述惯性导航参数，

特征在于，它同样包括按照上述的差值，来估计用以更新(13)运动学模型的可变参数值的装置。

按照本发明的系统同样能够执行上述按照优选的方面提供的方法，独立实现或者组合实现。

这样在本发明中，可以方便的规避对外部信息的需要。

通过运动学模型灵巧的产生的内部信息，成为修正惯性误差的附加信息，该运动学模型是作为选定分量函数的载体行为的模型，特别是在运动方面。

附图说明

其他方面，本发明的目标和优点将由下面的说明书讲述的更加清晰，说明书附图如下：

-图1显示载体在三维坐标系中在水平路上直线运动，

-图2是按照本发明的导航系统操作的原理图，

-图3显示载体，例如车辆，在倾斜路面上直线运动，

-图4显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Xb轴的位置误差与时间的函数，它没有修正的效果，所研究系统为图3所示系统，

-图5显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Zb轴的幅度误差与时间的函数，它没有修正的效果，所研究系统为图3所示系统，

-图6显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统的角度α误差与时间的函数，它没有修正的效果，所研究系统为图3所示系统，

-图7显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Xb轴的速度误差与时间的函数，它没有修正的效果，所研究系统为图3所示系统，

-图8显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Zb轴的速度误差与时间的函数，它没有修正的效果，所研究为图3所示相应系统，

-图9显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统加速计偏置(accelerometer bias)误差Z与时间的函数，它没有修正的效果，所研究系统为图3所示系统，

-图10显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Xb轴的速度误差与时间的函数，它没有修正的效果，所研究系统为图3所示系统，

-图11显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Xb轴的位置误差与时间的函数，它影响纯惯性修正，但是基于载体幅度在选定点无剧烈变化的假设，所研究系统为图3所示系统，

-图12显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Zb轴的位置误差与时间的函数，它影响纯惯性修正，但是基于载体幅度在选定点无剧烈变化的假设，所研究系统为图3所示系统，

-图13显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Xb轴的速度误差与时间的函数，它影响纯惯性修正，但是基于载体幅度在选定点无剧烈变化的假设，所研究系统为图3所示系统，

-图14显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Zb轴的速度误差与时间的函数，它影响纯惯性修正，但是基于载体幅度在选定点无剧烈变化的假设，所研究系统为图3所示系统，

-图15显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统加速计偏置误差Z与时间的函数，它影响纯惯性修正，但是基于载体幅度在选定点无剧烈变化的假设，所研究系统为图3所示系统，

-图16显示，通过仿真符合现有技术的纯惯性类型的综合系统，得到该系统沿Xb轴的偏置误差与时间的函数，它影响纯惯性修正，但是基于载体幅度在选定点无剧烈变化的假设，所研究系统为图3所示系统，

-图17显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统沿Xb轴的位置误差与时间的函数，所研究系统为图3所示系统，

-图18显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统沿Zb轴的幅度误差与时间的函数，所研究系统为图3所示系统，

-图19显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统角度(α)误差与时间的函数，所研究系统为图3所示系统，

-图20显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统沿Xb轴的速度误差与时间的函数，所研究系统为图3所示系统，

-图21显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统沿Zb轴的速度误差与时间的函数，所研究系统为图3所示系统，

-图22显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统沿Zb轴的运动误差与时间的函数，所研究系统为图3所示系统，

-图23显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统加速计偏置误差(Z)与时间的函数，所研究系统为图3所示系统，

-图24显示，通过仿真符合本发明的纯惯性类型的综合系统，得到该系统加速计偏置误差(X)与时间的函数，所研究系统为图3所示系统。

具体实施方式

作为非限制性说明，现在将描述一个对路上车辆应用本发明的实行方法。

非常明显，本发明不可能仅限于这样的车辆。

这里将提出，在这一点上按照载体的运动学行为模式，运动学模型使用的运动分量可以与这里描述的有很大区别。

第一实施例

在第一实施例中，作为非限制性实施例，我们在图1中表现载体1，或者在此实施例中更精确的说，车辆1在水平路上直线前进。

车辆1装备有按照本发明的惯性导航系统，它能够测量在可模型化的运动学分量方面的运动。

在这样的车辆的情况下，将运动学分量与此车辆的运动轴联系起来是一个优点。

在这点上，图1显示了运动的三个轴X、Y、Z，其中X轴平行运行方向，其它两个轴(Y，Z)横截或充分横截X轴。

这里需要提出的是，三个轴不需要组成标准化正交坐标轴。

为了精确的确定沿X轴的运动，本发明无需使用例如从轮式车辆的里程表得到的外部数据。

按照本发明，基于沿Y轴和Z轴的惯性测量，通过运动学模型确定的外部数据用来确定沿X轴的运动，仅有很小的误差(与纯惯性确定性相比)。

在这一点上，运动学模型并非偶然选择Y轴和Z轴。

选择它们是由于，如果分别沿其各自方向进行惯性测量，我们会理想的得到一个一旦这些测量被综合起来运动学模型就已经能够得到的结果。

例如，当车辆理想的沿平行X轴方向的直线运动，模型设置沿Y轴和Z轴的运动的惯性测量一定为零。

实际上，在轨迹上的一些特定方位上，特别是车辆并未改变方向的标记了4，5的方位上，车辆1特别执行了沿Y和Z轴的实时运动，但是在包含上述轨迹中方位4、5所需的时间中，由于车辆总是回到沿Y轴和Z轴的平衡位置上，运动的平均值为零。

当然，由于按照沿Y方向测量为零的模型(特别是沿此轴的加速和速度的测量)的预测在转向时不再准确，当对车辆运动1的两个观测中的一个，例如后一个在其时刻通过左转或者右转改变方向时上述结果不再适用。

这样，发明提出了增加例如运动学模型的复杂性。

为了带来系统向此预测的收敛，为了最佳的推导出按照在三维空间寻找出的分量的运动，通过将上述后一个观测的转向条件(例如，特别是通过陀螺仪的方法来分析转动测量)告知模型来顺应沿选定轴运动的预测，该模型持续分析关于车辆行为的测量。

例如，按照最近一次旋转测量，模型可以确定系统一定收敛于的预测的运动速度，等于一个在转向时选择的沿Y轴方向的精确的非零值。

这里需要引起注意的事实是，惯性测量和选择模型参考的轴是随时间而频繁发生的。

由于更新频率可以在整个轨迹中用来研究运动，这样的更新频率使载体的运动的确定更为精确。

现在涉及图2，我们将更精细的描述本发明系统的操作。

按照在上一时刻测量的运动的条件(直线，转向，爬坡等)，运动学模型参考待研究的载体的运动分量做出选择。

一旦这些分量被选定，通过合理安装在载体1上的惯性探测器10，比如陀螺仪/陀螺测试仪和/或特别是加速计，将沿这些分量得到惯性测量值20。

回到车辆的实施例上，按照图1表现的直线运动，由于模型预测在这些轴上的运动为零，沿Y轴和/或Z轴方向得到惯性测量值20。

这里需要注意的是，为了增加对于任何未来变化的独立性，按照本发明的方法也有控制/监视这些探测器10的位置和方向的可能性。

在下面将介绍的单元13中，综合11这些惯性测量值20以确定惯性幅度、速度以及定位数据。

可能应用零速组合16的情况，是可以实施车辆暂停的情况(通常是自然停止)，这些测量值20用来分析15车辆1的运动，来探测停止，从而估计误差，通常特别是沿主轴X方向的漂移和偏置误差。

但非常明显，如同本发明的目的，这些停止无论如何不是必须的。

一旦得到惯性测量值20的综合11，我们使用能使我们在矩阵(X)中估计参数值的状态模型或者表格12。

状态模型代表性的基于下列方程：

$\frac{\mathrm{dX}}{\mathrm{dt}}=f(X,t)$ $\mathrm{or}\frac{\mathrm{dX}}{\mathrm{dt}}=F.X---\left(1\right)$

其中f是一个非线性函数，F(t)是它的线性化的状态矩阵，X是一个状态矢量，t是时间。

按照本发明的一个更好的方面，将使用卡尔曼滤波器(Kalmanfilter)，但非常明显，也可以根据不同的案例，使用其他类型已知的专业的工程上的滤波器。

关于这样的卡尔曼滤波器的设计，可以参考许多文章，比如“应用最优估计(Applied Optimal Estimation)[1]”。

需要注意的是，在矩阵X的参数中，是速度、加速度、旋转角度或幅度参数。

另外，按照本发明的另外一个方面，运动学模型13应当是可以设置的(通过可变参数)，结果是矩阵X同样包括此模型13的参数。

同时提供矩阵X的参数的估计值21，首先对单元14，然后对车辆1的运动学模型13。

运动学模型13包括所有的车辆l的有用的运动学特征，并且特别是可以用其连接估计运动21，它沿上述选定的沿既定分量(例如沿X轴)运动的分量运动。

另外，从这些估计21，模型对单元14提供上述的预测值23。

例如，如上文所述，在车辆向前直线运动的情况下，沿运动分量Y的速度的估计值一定是零。

估计21的后续分析，运动学模型13推导出车辆实际向前直线运动，然后向单元14提供上述预测的零值23。

同样需要注意的是，运动学模型13同样从综合系统11和状态模型12，提供通过前一次叠代确定的参数值。

非常明显，同样如上文提到，在转向运动的情况下，运动学模型13，使用估计21(例如，从陀螺仪或陀螺测试仪的测量值获得的)，来提供一个预测值23以适应这种新情况。

然后单元14确定一个估计值与通过运动学模型13提供的预测值23的差，关于预测值23与估计值涉及同样的参数。

在我们的实施例中，单元14专门比较沿Y的速度的估计与上述沿Y的速度的预测值23。

这个比较的结果I(I在这里是一个误差矩阵，通常称作创新矩阵)提供给单元22，通过循环的方式用以修正状态模型12(估计偏置、漂移等)的参数。

例如，用单元14中观测到的沿Y的速度的惯性误差，修正状态模型12的参数，并用循环叠代修正沿平行Y的速度的估计的误差。

另外，如箭头24表示，状态模型12的参数的修正也允许初始综合的测量20的误差的修正，这样，更进一步改善了上述对估计的误差的修正(在这里的实施例中，特别是考虑到沿Y的速度的估计)。

为了持续的减小惯性误差，从而改善对位置、速度和幅度的估计，上述描述的步骤发动单元11、12、13、14和17，在循环中重复执行。

同样需要注意的是，修正的频率最好小于测量20从惯性探测器10中得到的。

最后，如图2所示，载体最后的惯性导航参数的估计可以通过例如显示屏的方式提供18给用户。

这些估计也可以提供给另一个系统，如果后者可以使用它的话。

如同前文提到的，按照本发明的导航系统可以方便的由其它已知系统完成。

例如，可以增加一个零速组合系统，后者只有在外部条件允许的情况(如自然停顿等)下才被启动。

在这一点上，图2用虚线箭头描述了这个可能性。

与使用零速组合相关的单元16与本发明的运动学模型13的单元一起共同运作，估计21在此情况下提供给单元13和16。

从这里可以看出，这样使矩阵H的维数增加。

第二实施例

下面描述说明本发明的第二非限制性实施例，涉及图3到24。

图3描述车辆1在道路2上沿直线爬升。

道路2的纵向轴Xr和垂直轴Zr倾斜，与水平轴Xh间有夹角β(图3)。

此外，车辆的轴Xb和Zb和道路的轴Xr和Zr有夹角α。

由于与个体相联系的轴可以与车辆1的轴Xb和Yb不同，个体与车辆的轴一致。

下面将看出，角α组成卡尔曼滤波器做出估计的状态变量的一部分。

下面同样将看出，每一个坐标系统都具有第三个坐标轴Yb，Yr，并组成正交坐标系统。

在这一点上，可以特别在Yb轴上实现惯性测量。

在此非限制性实施例中，运动学模型设置沿Zr轴的运动为零(另一个非限制性实施例将认为是沿Yb或Yr轴的非零运动)。

按照本发明，在Zr轴上从角α进行了观测，同样对沿Zb轴上的运动进行了测量。

为了修正系统的参数，然后通过比较上述的观测量和运动学模型预测的零值，确定创新矩阵I。

下面提供涉及简化的系统方程作为说明，假定地面是平的。

-使Vxb，Vzb分别为车辆1沿Xb和Zb轴的速度，

-使xx，zz分别为车辆1沿Xb和Zb轴的位置，

-使φy为沿Yb轴的垂直误差，

-使Dy为陀螺仪沿Yr轴的漂移，

-使bx为x上的加速计偏置，

-使bz为z上的加速计偏置，

-使α为角α，

-使depZ为沿Zr轴的运动，

-使g为重力的模型，

卡尔曼滤波器可以采取特别是如下所述的形式(下面将看出，符号δ表示一个计算误差)，解决关于误差围绕最佳解决方案线性化的问题：

$\mathrm{\δ}\stackrel{\·}{\mathrm{\φ}}=\mathrm{\δDy},$

$\mathrm{\δ}\stackrel{\·}{V}\mathrm{xb}=\mathrm{gx\δ\φy}+\mathrm{\δbx},$

$\mathrm{\δ}\stackrel{\·}{x}x=\mathrm{\δVxb},$

$\mathrm{\δ}\stackrel{\·}{z}z=\mathrm{\δVzb}+\mathrm{Vxb}\×\mathrm{\δ\φy}+\mathrm{\δVxb}\×\mathrm{\φy},$

$\mathrm{\δ}\stackrel{\·}{V}\mathrm{zb}=\mathrm{\δbx},$

$\mathrm{\δd}\stackrel{\·}{e}\mathrm{pZ}=\mathrm{\δVzb}+\mathrm{Vxbx\δ\α}+\mathrm{\δVxbx\α},$

$\mathrm{\δ}\stackrel{\·}{b}x=0,$

$\mathrm{\δ}\stackrel{\·}{b}z=0,$

$\mathrm{\δ}\stackrel{\·}{D}y=0,$

$\mathrm{\δ}\stackrel{\·}{\mathrm{\α}}=0.$

这样我们得到下面的状态矩阵F：

F(δφy，δdy)=1，

F(δVxb，δφy)=g，

F(δφy，δbx)=1，

F(δxx，δVxb)=1，

F(δzz，δVzb)=1，

F(δzz，δφy)=Vxb，

F(δzz，δVxb)=φy，

F(δVzb，δbz)=1，

F(δdepZ，6Vzb)=1，

F(δdepZ，δα)=Vxb，

F(δdepZ，δVxb)=α，

卡尔曼滤波器的观测直接就是沿Zr轴的运动，即：

H(δdepZ)=1

其中H是观测矩阵，

上述的创新I如下计算：

I=0-depZ，

已知depZ是载体在通过角α估计的道路上竖直方向的估计速度的投影的积分，所以：

$\mathrm{depZ}={\∫}_0^t(\mathrm{Vzb}*\cos \left(\mathrm{\α}\right)+\mathrm{Vxb}*\sin \left(\mathrm{\α}\right))\mathrm{dt}$

我们现在提出一些仿真的结果，来比较使用本发明的系统和使用现有技术的结果的表现。

这里需要注意的是，一开始就假设地面是平的而得到下列结果，所以通过下列设置来简化计算：

轨迹

载体沿轴Xr的速度=20m/s

α=34mrad．

β=17mrad，

仿真单位(在实施例中)的误差

Dy=0.01°/h

Bx=10μg

bz=50μg

仿真结果分成三组在图4到24中显示，

第一组(图4-10)涉及使用现有技术的纯惯性系统可能得到的结果，它没有应用惯性误差的修正。

第二组(图11-16)涉及使用现有技术组合系统可能得到的结果，系统主要基于载体幅度在选定点无剧烈变化的假设而执行惯性误差的修正。

第三组(图17-24)涉及使用本发明实施例的组合系统可能得到的结果。

在图4-24的每一幅中，对称的虚线表示按照图中量级的3σ协方差值。

例如在图5中，曲线50符合幅度上沿Zb轴的组合的误差，曲线51、52表现这个误差在滤波器中的3σ协方差值。

首先参考第一组图，特别是图10显示加速计偏置Z作为时间的函数，通过协方差曲线51、52不会互相接近的事实，可以观测到没有修正的情况。

作为对比，在第二和第三组中，特别是图15和23，每个都代表加速记偏置Z作为时间的函数，由于协方差曲线的收敛，可以特别观测到修正的效果。

即便没有详细分析图4-24中的每一幅，也可以非常简单和概要的观测出按照本发明的组合系统得到的结果最佳。

特别是按本发明的导航30分钟后得到的幅度误差是15米(图18)，相反，较早的组合系统的幅度误差是750米以上，未显示修正效果(图5)。

关于基于幅度保持恒定(图2)假设的较早混合系统，可以从图12看出，关于幅度的误差曲线120发散，在点A与上协方差曲线121相交(图12)，这说明在现在这个例子中使用这种类型的混合类型有很大风险。

这是由于当车辆在道路2上爬升的时候幅度被认为是恒定的，所以假设因此不成立。

现在比较图4，11和17，可以看出按本发明的组合系统优点在于沿Xb轴的位置误差更小。

通过实施例的方式，在t＝1800s时曲线40和110达到大约750米，而关于本发明的曲线170到达大约500米。

这个差别说明了按照本发明使用运动学模型13的优点，特别是沿一条选定轴的惯性测量，在某种程度上帮助确定沿另一条轴的运动。

按照在这个第二实施例中表现的执行方式的变量，可以通过提高运动学模型的复杂性来进一步提高导航系统的表现。

例如，在模型中角α可以考虑至少一个确定车辆操作状态的参数(特别是考虑沿Xr轴的加速)，和/或考虑至少一个此车辆的技术特征(特别是质心的位置，关系到单元的位置，或者车辆的硬度)。

在这一点上，本发明更好的模型的角α可以表示成如下形式：

α＝α_c+k*y_xr

其中参数α_c、k和y_xr分别符合常数分量，一个比例因子反映车辆的强度，后一部分的加速度沿Xr轴测量。

按照本发明，可以确定参数α_c和k，特别是通过卡尔曼滤波器。

另外，为了改善在车辆运动中导航系统的表现，可以按照本发明的另一方面应用例如第二实施例来考虑Zr轴，可以回想起在上述条件下沿Zr轴的在空间中改变位置的运动假定为零，特别是作为车辆的运动学函数。

可以通过这种方式在本发明的模型中增加复杂性，特别是在一个或多个角速度上(例如在直线上的旋转的速度)，按照运动的实时条件组建位置的模型。

例如，通过分别沿Xr和Yr轴的距离的坐标，建立Zr轴位置的模型。

其优势在于，非常明显这些由卡尔曼滤波器估计出的坐标与Zr轴的位置对应，而沿此轴车辆运动为零。

当然，本发明决不会限于上文描述的执行和图中表现的形式。

实际上，大量的变量可以从本发明的主要概念中推导出。

特别是这里涉及运动学模型13考虑的运动分量，由于这些特别依靠载体的类型和它的可模型化运动学行为模式。

这样，多种的本发明包括使用运动学运动的角分量。

例如，这可以应用于安装在匀速圆周运动的观测设备上的系统(如雷达系统，卫星等)。

另外，专业工程师了解选择轴的数量来减少其它轴上的数据，这依赖于发明采用的案例。

在这一点上，按照本发明的方法，根据载体的运动学模型，选择至少一个运动学分量，惯性测量的综合将给出预定值.

这样一个分量也能够改善通过纯惯性操作的系统的表现。

不过，当然是外部数据变量越多，系统表现的改善就越大。

从而，使用两个或者更多的分量(线性的或角度的或其组合)能够给本发明的系统带来更大的优势。

最后，本发明的其它变量同样涉及本发明的方法如图2实现修正依靠参数的特性。

通过实施例的方法，本方法可以模拟运动分量和/或速度分量和/或加速度分量。

参考文献

[1]Applied Optimal Estimation，The Analytic SciencesCorporation，Ed.Arthur Gelb，1974.

[2]The Aiding of a Low-Cost strapdown Inertial MeasurementUnit Using Vehicle Model Constraints for Land VehicleApplications，Gamini Dissanayake，IEEE Transactions on Roboticsand Automation，Vol.17，No 5，October 2001.

Claims (8)

1.一种为确定与可模型化的运动学运动分量一起运动的载体(1)惯性导航参数(18)的方法，该方法包括一个可能包含误差，被称为惯性误差，的惯性测量(20)步骤，该步骤可能导致确定的参数(18)不准确，该方法特征为包括如下步骤：

a)选择：在载体(1)运动学模型(13)上选择至少一个运动学分量，惯性测量(20)的综合(11)假设会按该分量给出预测值，

b)综合(11)：按照选定的一个或多个参量的测量(20)的综合(11)，

c)确定(14)：按照这些分量，确定(14)步骤(b)中得到的综合(11)与步骤(a)中得到的预定值的区别，

d)估计：作为得到的一个或多个区别的函数，估计从上述可模型化的分量得到的总体惯性误差，并估计将被更新(13)的运动学模型的可变参数的值，

e)修正：作为确定的总体惯性误差的函数修正上述惯性导航参数。

2.如权利要求1所述的方法，其特征在于步骤(d)中的估计通过滤波器方式实现。

3.如权利要求2所述的方法，其特征在于滤波器为卡尔曼滤波器。

4.如上述权利要求任何一项所述的方法，其特征在于，载体所运行的道路的一个轴(Xr)和至少一个载体的轴(Xb)之间的夹角α是运动学模型的一个可变参数。

5.如权利要求4所述方法，其特征在于角α被模型化为至少反映载体一个操作状态参数的函数。

6.如权力要求4或5所述的方法，其特征在于运动学模型的一个可变参数是道路的轴与载体的轴之间的距离坐标。

7.一个装在载体(1)中的惯性导航系统，与可模型化的运动学运动分量(X；Y；Z)一起运动，并包括：

-惯性测量装置，

-选择装置，在载体运动学模型(13)上，选择至少一个运动学分量(X；Y；Z)，惯性测量的综合假定按该分量给出预定值，

-综合装置，按照所选定的一个或多个分量(X；Y；Z)综合测量，

-确定装置，按照上述分量确定综合与预定值之间的区别，

-估计装置，作为得到的一个或多个区别的函数，估计从上述可模型化的分量(X；Y；Z)所涉及的惯性误差中得到的整体误差，

-修正装置，作为确定的整体惯性误差的函数，修正上述惯性导航参数，

其特征在于它还包括估计装置，按照上述区别，估计即将被更新(13)的运动学模型的可变参数的值。

8.如权利要求7所述的系统，特征在于它还包括执行如权利要求2到6所述方法的装置。

Images