基於運動學模型的組合慣性導航系統的製作方法

2023-07-12 01:21:31

專利名稱：基於運動學模型的組合慣性導航系統的製作方法
技術領域：
總體來講，本發明涉及安裝在載體上的慣性導航系統(INS)。

背景技術：
更確切的說，本發明涉及一種為確定與模擬運動學運動分量一起運動的載體的慣性導航參數的方法，該方法包括可以包含誤差的慣性測量步驟，該誤差稱作慣性誤差，其導致不能準確確定上述參數。
這種類型的方法是已知的。
為了得到安裝了慣性導航系統的載體的位置而特別使用這些方法。
在這點上，這些系統通常能夠得到足夠精確的性能水平。
例如，通過1Nm/h級別的純慣性就可以得到定位準確度。但是，為了得到更高的準確度(例如十米級，或米級)，就需要使用外部數據。
為此目的，我們通過進行慣性測量來估計載體的位置，然後，為了修正該估計中的任何誤差，我們使用上述的外部信息，後面這一部分功能由另一個系統提供。
這樣的導航系統通常稱為「組合系統」。
通過一個實施例的方式，我們講述這個類型的系統，它通過從代表外部信息的全球定位系統(GPS)得到的信息來實現上述的修正。
該外部信息以一個預定的坐標系統直接提供載體的坐標是一個優點。
然而，一個眾所周知的問題是全球定位系統對可能的幹擾攻擊並非無懈可擊。
既然如此，慣性導航系統不再能夠依靠GPS數據而使其返回正確位置。
此外，在載體的軌跡上的一些特定區域接收GPS信號在實施上有困難。
再一次，慣性系統不再擁有返回它正確位置的方式，或者換句話說，不在能修正隨時間累積的慣性探測器級別的位置誤差。
純慣性的性能作為一個障礙限制了使用GPS的導航系統的性能。
自然，我們熟悉可以克服這個缺點的解決辦法。
例如，在載體是機動車輛的情況下，外部信息可以通過它所連接的裡程表得到。
我們使用車載的可靠的距離測量裝置，來修正慣性測量推導出的位置。
雖然這種類型的系統在某種程度上解決了產生的問題，特別是對於機動車輛，但是這種系統的綜合也並非完全沒有問題。
首先，這種運載工具系統的改裝經常會出現問題，特別是關於如何良好的接收裡程表發出的信號。例如，考慮到信號可能具備的大範圍的波形變化，高質量的接收需要在電子電路層次的相當高的設計水平。
其次，由於環境的約束(地形的變化，上坡，下坡等)，載體被迫改變空間的方向。
例如，如果我們考慮一個運動分量平行於運載工具行進的方向，運載工具會隨這個分量(懸架運動等)改變，並且這會減小裡程表測量與內置慣性測量相比較的聯繫。
因此也存在著另外一種解決方案，在不使用全球定位系統和裡程表的情況下得到良好的定位表現。
例如，另一種解決方案，已經以縮寫「ZUPT」(Zero Update(零更新))聞名，它包括周期性的停止載體，從而在空間中沿軸上速度變為零，然後使用此信息。
這種解決方案常被稱作「零速組合(zero-speed hybridisation)」。
通過選擇這種解決方案，慣性導航系統就可以計算由探測器產生的誤差，從而改善特別是關於定位的性能。
不過這種解決方案也有其限制。
具有典型性的是，這些周期性停止(視性能所需要每4到10分鐘)有時帶來強烈的限制。
例如，在坦克、直升機或其它飛行器中的軍用載體上，停止以實現零速組合是很不方便的。
我們知道對於載體中的慣性導航系統在某種程度上可以無需外部數據[2]。
為此目的，系統執行一種減少單位的慣性誤差的方法。
更確切的說，方法包括一個步驟，其中我們沿車輛的橫向和垂直軸的方向選擇兩個速度分量。
這兩個分量假定為零，並且作為卡爾曼濾波器(Kalman filter)的觀測量使用。
這種方法的一個問題是只有在特定的運行條件下(載體速度恆定，特別是地形平整)，它才可以得到更高的精確度。
這樣，對於非限制性的實施例，方法從載體轉向、爬升和/或下降的時刻不再精確。


發明內容
本發明的一個目的是在某種程度上解決上述提到的各種問題。
特別是，本發明的一個目的是能夠得到定位上比使用純慣性更好的性能，無論環境條件特別是運動條件如何。
為了實現這個目標，本發明提出了一種旨在確定沿模擬的運動學運動分量運動的載體的慣性導航參數的方法，該方法包括可以包含誤差的慣性測量步驟，該誤差通常稱為慣性誤差，其導致確定參數不準確，方法的特徵在於他包括如下步驟 (a)假設有一個載體的運動學模型，選擇至少一個運動分量，根據該分量假定慣性測量的綜合以給出預測值， (b)按照所選一個或多個分量來綜合測量， (c)按照這些分量，確定步驟(b)的綜合效果與步驟(a)的預測值之間的差值， (d)作為得到的差值的函數，估計和上述可模型化分量相聯繫的慣性誤差造成的整體慣性誤差，並估計將被更新的運動學模型的可變參數的值， (e)作為如此確定的整體慣性誤差的函數，修正慣性導航參數。
按照本發明的方法的優選但非限制性條件如下所述 -通過濾波器的方式實現步驟(d)中的估計； -濾波器為卡爾曼濾波器 -運動學模型中的一個可變參數是載體運行道路的一個軸和載體的至少一個軸之間的夾角α； -夾角α被建模為至少包括一個參數的函數，該參數反映載體的操作狀態； -運動學模型的一個可變參數是道路的軸與載體的軸之間的距離坐標。
令外，本發明提出了一種安裝在和模擬的運動學運動分量一起運動的載體上的慣性導航系統，它包括 -慣性測量裝置， -選擇裝置，在載體的運動學模型上，選擇至少一個運動分量，按照該運動分量假設慣性測量的綜合以給出預測值， -綜合裝置，按照選定的一個或多個分量來綜合測量， -確定裝置，關於上述分量，確定綜合與預測值之間的差值， -估計裝置，作為得到的一個或多個差值的函數，估計與上述可模型化分量相聯繫的慣性誤差造成的整體慣性誤差， -修正裝置，作為確定的整體慣性誤差函數修正上述慣性導航參數， 特徵在於，它同樣包括按照上述的差值，來估計用以更新(13)運動學模型的可變參數值的裝置。
按照本發明的系統同樣能夠執行上述按照優選的方面提供的方法，獨立實現或者組合實現。
這樣在本發明中，可以方便的規避對外部信息的需要。
通過運動學模型靈巧的產生的內部信息，成為修正慣性誤差的附加信息，該運動學模型是作為選定分量函數的載體行為的模型，特別是在運動方面。



其他方面，本發明的目標和優點將由下面的說明書講述的更加清晰，說明書附圖如下 -圖1顯示載體在三維坐標系中在水平路上直線運動， -圖2是按照本發明的導航系統操作的原理圖， -圖3顯示載體，例如車輛，在傾斜路面上直線運動， -圖4顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Xb軸的位置誤差與時間的函數，它沒有修正的效果，所研究系統為圖3所示系統， -圖5顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Zb軸的幅度誤差與時間的函數，它沒有修正的效果，所研究系統為圖3所示系統， -圖6顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統的角度α誤差與時間的函數，它沒有修正的效果，所研究系統為圖3所示系統， -圖7顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Xb軸的速度誤差與時間的函數，它沒有修正的效果，所研究系統為圖3所示系統， -圖8顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Zb軸的速度誤差與時間的函數，它沒有修正的效果，所研究為圖3所示相應系統， -圖9顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統加速計偏置(accelerometer bias)誤差Z與時間的函數，它沒有修正的效果，所研究系統為圖3所示系統， -圖10顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Xb軸的速度誤差與時間的函數，它沒有修正的效果，所研究系統為圖3所示系統， -圖11顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Xb軸的位置誤差與時間的函數，它影響純慣性修正，但是基於載體幅度在選定點無劇烈變化的假設，所研究系統為圖3所示系統， -圖12顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Zb軸的位置誤差與時間的函數，它影響純慣性修正，但是基於載體幅度在選定點無劇烈變化的假設，所研究系統為圖3所示系統， -圖13顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Xb軸的速度誤差與時間的函數，它影響純慣性修正，但是基於載體幅度在選定點無劇烈變化的假設，所研究系統為圖3所示系統， -圖14顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Zb軸的速度誤差與時間的函數，它影響純慣性修正，但是基於載體幅度在選定點無劇烈變化的假設，所研究系統為圖3所示系統， -圖15顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統加速計偏置誤差Z與時間的函數，它影響純慣性修正，但是基於載體幅度在選定點無劇烈變化的假設，所研究系統為圖3所示系統， -圖16顯示，通過仿真符合現有技術的純慣性類型的綜合系統，得到該系統沿Xb軸的偏置誤差與時間的函數，它影響純慣性修正，但是基於載體幅度在選定點無劇烈變化的假設，所研究系統為圖3所示系統， -圖17顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統沿Xb軸的位置誤差與時間的函數，所研究系統為圖3所示系統， -圖18顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統沿Zb軸的幅度誤差與時間的函數，所研究系統為圖3所示系統， -圖19顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統角度(α)誤差與時間的函數，所研究系統為圖3所示系統， -圖20顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統沿Xb軸的速度誤差與時間的函數，所研究系統為圖3所示系統， -圖21顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統沿Zb軸的速度誤差與時間的函數，所研究系統為圖3所示系統， -圖22顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統沿Zb軸的運動誤差與時間的函數，所研究系統為圖3所示系統， -圖23顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統加速計偏置誤差(Z)與時間的函數，所研究系統為圖3所示系統， -圖24顯示，通過仿真符合本發明的純慣性類型的綜合系統，得到該系統加速計偏置誤差(X)與時間的函數，所研究系統為圖3所示系統。

具體實施例方式 作為非限制性說明，現在將描述一個對路上車輛應用本發明的實行方法。
非常明顯，本發明不可能僅限於這樣的車輛。
這裡將提出，在這一點上按照載體的運動學行為模式，運動學模型使用的運動分量可以與這裡描述的有很大區別。
第一實施例 在第一實施例中，作為非限制性實施例，我們在圖1中表現載體1，或者在此實施例中更精確的說，車輛1在水平路上直線前進。
車輛1裝備有按照本發明的慣性導航系統，它能夠測量在可模型化的運動學分量方面的運動。
在這樣的車輛的情況下，將運動學分量與此車輛的運動軸聯繫起來是一個優點。
在這點上，圖1顯示了運動的三個軸X、Y、Z，其中X軸平行運行方向，其它兩個軸(Y，Z)橫截或充分橫截X軸。
這裡需要提出的是，三個軸不需要組成標準化正交坐標軸。
為了精確的確定沿X軸的運動，本發明無需使用例如從輪式車輛的裡程表得到的外部數據。
按照本發明，基於沿Y軸和Z軸的慣性測量，通過運動學模型確定的外部數據用來確定沿X軸的運動，僅有很小的誤差(與純慣性確定性相比)。
在這一點上，運動學模型並非偶然選擇Y軸和Z軸。
選擇它們是由於，如果分別沿其各自方向進行慣性測量，我們會理想的得到一個一旦這些測量被綜合起來運動學模型就已經能夠得到的結果。
例如，當車輛理想的沿平行X軸方向的直線運動，模型設置沿Y軸和Z軸的運動的慣性測量一定為零。
實際上，在軌跡上的一些特定方位上，特別是車輛並未改變方向的標記了4，5的方位上，車輛1特別執行了沿Y和Z軸的實時運動，但是在包含上述軌跡中方位4、5所需的時間中，由於車輛總是回到沿Y軸和Z軸的平衡位置上，運動的平均值為零。
當然，由於按照沿Y方向測量為零的模型(特別是沿此軸的加速和速度的測量)的預測在轉向時不再準確，當對車輛運動1的兩個觀測中的一個，例如後一個在其時刻通過左轉或者右轉改變方向時上述結果不再適用。
這樣，發明提出了增加例如運動學模型的複雜性。
為了帶來系統向此預測的收斂，為了最佳的推導出按照在三維空間尋找出的分量的運動，通過將上述後一個觀測的轉向條件(例如，特別是通過陀螺儀的方法來分析轉動測量)告知模型來順應沿選定軸運動的預測，該模型持續分析關於車輛行為的測量。
例如，按照最近一次旋轉測量，模型可以確定系統一定收斂於的預測的運動速度，等於一個在轉向時選擇的沿Y軸方向的精確的非零值。
這裡需要引起注意的事實是，慣性測量和選擇模型參考的軸是隨時間而頻繁發生的。
由於更新頻率可以在整個軌跡中用來研究運動，這樣的更新頻率使載體的運動的確定更為精確。
現在涉及圖2，我們將更精細的描述本發明系統的操作。
按照在上一時刻測量的運動的條件(直線，轉向，爬坡等)，運動學模型參考待研究的載體的運動分量做出選擇。
一旦這些分量被選定，通過合理安裝在載體1上的慣性探測器10，比如陀螺儀/陀螺測試儀和/或特別是加速計，將沿這些分量得到慣性測量值20。
回到車輛的實施例上，按照圖1表現的直線運動，由於模型預測在這些軸上的運動為零，沿Y軸和/或Z軸方向得到慣性測量值20。
這裡需要注意的是，為了增加對於任何未來變化的獨立性，按照本發明的方法也有控制/監視這些探測器10的位置和方向的可能性。
在下面將介紹的單元13中，綜合11這些慣性測量值20以確定慣性幅度、速度以及定位數據。
可能應用零速組合16的情況，是可以實施車輛暫停的情況(通常是自然停止)，這些測量值20用來分析15車輛1的運動，來探測停止，從而估計誤差，通常特別是沿主軸X方向的漂移和偏置誤差。
但非常明顯，如同本發明的目的，這些停止無論如何不是必須的。
一旦得到慣性測量值20的綜合11，我們使用能使我們在矩陣(X)中估計參數值的狀態模型或者表格12。
狀態模型代表性的基於下列方程 其中f是一個非線性函數，F(t)是它的線性化的狀態矩陣，X是一個狀態矢量，t是時間。
按照本發明的一個更好的方面，將使用卡爾曼濾波器(Kalmanfilter)，但非常明顯，也可以根據不同的案例，使用其他類型已知的專業的工程上的濾波器。
關於這樣的卡爾曼濾波器的設計，可以參考許多文章，比如「應用最優估計(Applied Optimal Estimation)[1]」。
需要注意的是，在矩陣X的參數中，是速度、加速度、旋轉角度或幅度參數。
另外，按照本發明的另外一個方面，運動學模型13應當是可以設置的(通過可變參數)，結果是矩陣X同樣包括此模型13的參數。
同時提供矩陣X的參數的估計值21，首先對單元14，然後對車輛1的運動學模型13。
運動學模型13包括所有的車輛l的有用的運動學特徵，並且特別是可以用其連接估計運動21，它沿上述選定的沿既定分量(例如沿X軸)運動的分量運動。
另外，從這些估計21，模型對單元14提供上述的預測值23。
例如，如上文所述，在車輛向前直線運動的情況下，沿運動分量Y的速度的估計值一定是零。
估計21的後續分析，運動學模型13推導出車輛實際向前直線運動，然後向單元14提供上述預測的零值23。
同樣需要注意的是，運動學模型13同樣從綜合系統11和狀態模型12，提供通過前一次疊代確定的參數值。
非常明顯，同樣如上文提到，在轉向運動的情況下，運動學模型13，使用估計21(例如，從陀螺儀或陀螺測試儀的測量值獲得的)，來提供一個預測值23以適應這種新情況。
然後單元14確定一個估計值與通過運動學模型13提供的預測值23的差，關於預測值23與估計值涉及同樣的參數。
在我們的實施例中，單元14專門比較沿Y的速度的估計與上述沿Y的速度的預測值23。
這個比較的結果I(I在這裡是一個誤差矩陣，通常稱作創新矩陣)提供給單元22，通過循環的方式用以修正狀態模型12(估計偏置、漂移等)的參數。
例如，用單元14中觀測到的沿Y的速度的慣性誤差，修正狀態模型12的參數，並用循環疊代修正沿平行Y的速度的估計的誤差。
另外，如箭頭24表示，狀態模型12的參數的修正也允許初始綜合的測量20的誤差的修正，這樣，更進一步改善了上述對估計的誤差的修正(在這裡的實施例中，特別是考慮到沿Y的速度的估計)。
為了持續的減小慣性誤差，從而改善對位置、速度和幅度的估計，上述描述的步驟發動單元11、12、13、14和17，在循環中重複執行。
同樣需要注意的是，修正的頻率最好小於測量20從慣性探測器10中得到的。
最後，如圖2所示，載體最後的慣性導航參數的估計可以通過例如顯示屏的方式提供18給用戶。
這些估計也可以提供給另一個系統，如果後者可以使用它的話。
如同前文提到的，按照本發明的導航系統可以方便的由其它已知系統完成。
例如，可以增加一個零速組合系統，後者只有在外部條件允許的情況(如自然停頓等)下才被啟動。
在這一點上，圖2用虛線箭頭描述了這個可能性。
與使用零速組合相關的單元16與本發明的運動學模型13的單元一起共同運作，估計21在此情況下提供給單元13和16。
從這裡可以看出，這樣使矩陣H的維數增加。
第二實施例 下面描述說明本發明的第二非限制性實施例，涉及圖3到24。
圖3描述車輛1在道路2上沿直線爬升。
道路2的縱向軸Xr和垂直軸Zr傾斜，與水平軸Xh間有夾角β(圖3)。
此外，車輛的軸Xb和Zb和道路的軸Xr和Zr有夾角α。
由於與個體相聯繫的軸可以與車輛1的軸Xb和Yb不同，個體與車輛的軸一致。
下面將看出，角α組成卡爾曼濾波器做出估計的狀態變量的一部分。
下面同樣將看出，每一個坐標系統都具有第三個坐標軸Yb，Yr，並組成正交坐標系統。
在這一點上，可以特別在Yb軸上實現慣性測量。
在此非限制性實施例中，運動學模型設置沿Zr軸的運動為零(另一個非限制性實施例將認為是沿Yb或Yr軸的非零運動)。
按照本發明，在Zr軸上從角α進行了觀測，同樣對沿Zb軸上的運動進行了測量。
為了修正系統的參數，然後通過比較上述的觀測量和運動學模型預測的零值，確定創新矩陣I。
下面提供涉及簡化的系統方程作為說明，假定地面是平的。
-使Vxb，Vzb分別為車輛1沿Xb和Zb軸的速度， -使xx，zz分別為車輛1沿Xb和Zb軸的位置， -使φy為沿Yb軸的垂直誤差， -使Dy為陀螺儀沿Yr軸的漂移， -使bx為x上的加速計偏置， -使bz為z上的加速計偏置， -使α為角α， -使depZ為沿Zr軸的運動， -使g為重力的模型， 卡爾曼濾波器可以採取特別是如下所述的形式(下面將看出，符號δ表示一個計算誤差)，解決關於誤差圍繞最佳解決方案線性化的問題 這樣我們得到下面的狀態矩陣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， 卡爾曼濾波器的觀測直接就是沿Zr軸的運動，即 H(δdepZ)=1 其中H是觀測矩陣， 上述的創新I如下計算 I=0-depZ， 已知depZ是載體在通過角α估計的道路上豎直方向的估計速度的投影的積分，所以 我們現在提出一些仿真的結果，來比較使用本發明的系統和使用現有技術的結果的表現。
這裡需要注意的是，一開始就假設地面是平的而得到下列結果，所以通過下列設置來簡化計算 軌跡 載體沿軸Xr的速度=20m/s α=34mrad． β=17mrad， 仿真單位(在實施例中)的誤差 Dy=0.01°/h Bx=10μg bz=50μg 仿真結果分成三組在圖4到24中顯示， 第一組(圖4-10)涉及使用現有技術的純慣性系統可能得到的結果，它沒有應用慣性誤差的修正。
第二組(圖11-16)涉及使用現有技術組合系統可能得到的結果，系統主要基於載體幅度在選定點無劇烈變化的假設而執行慣性誤差的修正。
第三組(圖17-24)涉及使用本發明實施例的組合系統可能得到的結果。
在圖4-24的每一幅中，對稱的虛線表示按照圖中量級的3σ協方差值。
例如在圖5中，曲線50符合幅度上沿Zb軸的組合的誤差，曲線51、52表現這個誤差在濾波器中的3σ協方差值。
首先參考第一組圖，特別是圖10顯示加速計偏置Z作為時間的函數，通過協方差曲線51、52不會互相接近的事實，可以觀測到沒有修正的情況。
作為對比，在第二和第三組中，特別是圖15和23，每個都代表加速記偏置Z作為時間的函數，由於協方差曲線的收斂，可以特別觀測到修正的效果。
即便沒有詳細分析圖4-24中的每一幅，也可以非常簡單和概要的觀測出按照本發明的組合系統得到的結果最佳。
特別是按本發明的導航30分鐘後得到的幅度誤差是15米(圖18)，相反，較早的組合系統的幅度誤差是750米以上，未顯示修正效果(圖5)。
關於基於幅度保持恆定(圖2)假設的較早混合系統，可以從圖12看出，關於幅度的誤差曲線120發散，在點A與上協方差曲線121相交(圖12)，這說明在現在這個例子中使用這種類型的混合類型有很大風險。
這是由於當車輛在道路2上爬升的時候幅度被認為是恆定的，所以假設因此不成立。
現在比較圖4，11和17，可以看出按本發明的組合系統優點在於沿Xb軸的位置誤差更小。
通過實施例的方式，在t＝1800s時曲線40和110達到大約750米，而關於本發明的曲線170到達大約500米。
這個差別說明了按照本發明使用運動學模型13的優點，特別是沿一條選定軸的慣性測量，在某種程度上幫助確定沿另一條軸的運動。
按照在這個第二實施例中表現的執行方式的變量，可以通過提高運動學模型的複雜性來進一步提高導航系統的表現。
例如，在模型中角α可以考慮至少一個確定車輛操作狀態的參數(特別是考慮沿Xr軸的加速)，和/或考慮至少一個此車輛的技術特徵(特別是質心的位置，關係到單元的位置，或者車輛的硬度)。
在這一點上，本發明更好的模型的角α可以表示成如下形式 α＝αc+k*yxr 其中參數αc、k和yxr分別符合常數分量，一個比例因子反映車輛的強度，後一部分的加速度沿Xr軸測量。
按照本發明，可以確定參數αc和k，特別是通過卡爾曼濾波器。
另外，為了改善在車輛運動中導航系統的表現，可以按照本發明的另一方面應用例如第二實施例來考慮Zr軸，可以回想起在上述條件下沿Zr軸的在空間中改變位置的運動假定為零，特別是作為車輛的運動學函數。
可以通過這種方式在本發明的模型中增加複雜性，特別是在一個或多個角速度上(例如在直線上的旋轉的速度)，按照運動的實時條件組建位置的模型。
例如，通過分別沿Xr和Yr軸的距離的坐標，建立Zr軸位置的模型。
其優勢在於，非常明顯這些由卡爾曼濾波器估計出的坐標與Zr軸的位置對應，而沿此軸車輛運動為零。
當然，本發明決不會限於上文描述的執行和圖中表現的形式。
實際上，大量的變量可以從本發明的主要概念中推導出。
特別是這裡涉及運動學模型13考慮的運動分量，由於這些特別依靠載體的類型和它的可模型化運動學行為模式。
這樣，多種的本發明包括使用運動學運動的角分量。
例如，這可以應用於安裝在勻速圓周運動的觀測設備上的系統(如雷達系統，衛星等)。
另外，專業工程師了解選擇軸的數量來減少其它軸上的數據，這依賴於發明採用的案例。
在這一點上，按照本發明的方法，根據載體的運動學模型，選擇至少一個運動學分量，慣性測量的綜合將給出預定值. 這樣一個分量也能夠改善通過純慣性操作的系統的表現。
不過，當然是外部數據變量越多，系統表現的改善就越大。
從而，使用兩個或者更多的分量(線性的或角度的或其組合)能夠給本發明的系統帶來更大的優勢。
最後，本發明的其它變量同樣涉及本發明的方法如圖2實現修正依靠參數的特性。
通過實施例的方法，本方法可以模擬運動分量和/或速度分量和/或加速度分量。
參考文獻Applied Optimal Estimation，The Analytic SciencesCorporation，Ed.Arthur Gelb，1974.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.
權利要求
1.一種為確定與可模型化的運動學運動分量一起運動的載體(1)慣性導航參數(18)的方法，該方法包括一個可能包含誤差，被稱為慣性誤差，的慣性測量(20)步驟，該步驟可能導致確定的參數(18)不準確，該方法特徵為包括如下步驟
a)選擇在載體(1)運動學模型(13)上選擇至少一個運動學分量，慣性測量(20)的綜合(11)假設會按該分量給出預測值，
b)綜合(11)按照選定的一個或多個參量的測量(20)的綜合(11)，
c)確定(14)按照這些分量，確定(14)步驟(b)中得到的綜合(11)與步驟(a)中得到的預定值的區別，
d)估計作為得到的一個或多個區別的函數，估計從上述可模型化的分量得到的總體慣性誤差，並估計將被更新(13)的運動學模型的可變參數的值，
e)修正作為確定的總體慣性誤差的函數修正上述慣性導航參數。
2.如權利要求1所述的方法，其特徵在於步驟(d)中的估計通過濾波器方式實現。
3.如權利要求2所述的方法，其特徵在於濾波器為卡爾曼濾波器。
4.如上述權利要求任何一項所述的方法，其特徵在於，載體所運行的道路的一個軸(Xr)和至少一個載體的軸(Xb)之間的夾角α是運動學模型的一個可變參數。
5.如權利要求4所述方法，其特徵在於角α被模型化為至少反映載體一個操作狀態參數的函數。
6.如權力要求4或5所述的方法，其特徵在於運動學模型的一個可變參數是道路的軸與載體的軸之間的距離坐標。
7.一個裝在載體(1)中的慣性導航系統，與可模型化的運動學運動分量(X；Y；Z)一起運動，並包括
-慣性測量裝置，
-選擇裝置，在載體運動學模型(13)上，選擇至少一個運動學分量(X；Y；Z)，慣性測量的綜合假定按該分量給出預定值，
-綜合裝置，按照所選定的一個或多個分量(X；Y；Z)綜合測量，
-確定裝置，按照上述分量確定綜合與預定值之間的區別，
-估計裝置，作為得到的一個或多個區別的函數，估計從上述可模型化的分量(X；Y；Z)所涉及的慣性誤差中得到的整體誤差，
-修正裝置，作為確定的整體慣性誤差的函數，修正上述慣性導航參數，
其特徵在於它還包括估計裝置，按照上述區別，估計即將被更新(13)的運動學模型的可變參數的值。
8.如權利要求7所述的系統，特徵在於它還包括執行如權利要求2到6所述方法的裝置。
全文摘要
本發明涉及改善與可模型化的運動學運動分量一起運動的載體(1)的慣性導航參數(1)的確定性的方法，該方法包括下列步驟(a)通過慣性測量(20)的綜合(11)假定給出預定值，考慮載體(1)的運動學模型(13)，選擇至少一個運動分量，(b)按照選擇的分量綜合(11)慣性測量(20)，(c)基於分量，確定(14)步驟(b)得到的綜合(11)和步驟(a)得到的預定值之間的變量，(d)以變量為基礎，估計從與上述的與可模型化的分量相聯繫的誤差得到的總體慣性誤差，並估計運動學模型(13)的可變參數的將被更新的值，(e)修正基於確定的總體慣性誤差的慣性導航。本發明同樣涉及執行上述方法的慣性導航系統。
文檔編號G01C25/00GK101099076SQ200580045995
公開日2008年1月2日 申請日期2005年12月7日 優先權日2004年12月7日
發明者F·德巴耶爾 申請人:薩基姆防務安全公司