北航惯性导航综合实验五实验报告Word文档下载推荐.doc
《北航惯性导航综合实验五实验报告Word文档下载推荐.doc》由会员分享，可在线阅读，更多相关《北航惯性导航综合实验五实验报告Word文档下载推荐.doc（18页珍藏版）》请在冰豆网上搜索。
GPS接收机一套；
④实验车一辆；
⑤车载大理石平台；
⑥车载电源系统。
四、实验内容
1）实验准备
①将IMU紧固在车载大理石减振平台上，确认IMU的安装基准面紧靠实验平台；
②将IMU与导航计算机、导航计算机与车载电源、导航计算机与监控计算机、GPS接收机与导航计算机、GPS天线与GPS接收机、GPS接收机与GPS电池之间的连接线正确连接；
③打开GPS接收机电源，确认可以接收到4颗以上卫星；
④打开电源，启动实验系统。
2）捷联惯导/GPS组合导航实验
①进入捷联惯导初始对准状态，记录IMU的原始输出，注意5分钟内严禁移动实验车和IMU；
②实验系统经过5分钟初始对准之后，进入导航状态；
③移动实验车，按设计实验路线行驶；
④利用监控计算机中的导航软件进行导航解算，并显示导航结果。
五、实验结果及分析
（一）理论推导捷联惯导短时段（1分钟）位置误差，并用1分钟惯导实验数据验证。
1、一分钟惯导位置误差理论推导：
短时段内（t<
5min），忽略地球自转，运动轨迹近似为平面，此时的位置误差分析可简化为：
（1）加速度计零偏引起的位置误差：
m
（2）失准角引起的误差：
（3）陀螺漂移引起的误差：
可得1min后的位置误差值
2、一分钟惯导实验数据验证结果：
（1）纯惯导解算1min的位置及位置误差图：
（2）纯惯导解算1min的速度及速度误差图：
实验结果分析：
纯惯导解算短时间内精度很高，1min的惯导解算的北向最大位移误差-2.668m，东向最大位移误差-8.231m，可见实验数据所得位置误差与理论推导的位置误差在同一数量级，结果不完全相同是因为理论推导时做了大量简化，而且实验时视GPS为真实值也会带来误差；
另外，可见1min内纯惯导解算的东向速度最大误差-0.2754m/s，北向速度最大误差-0.08027m/s。
（二）选取IMU前5分钟数据进行对准实验。
将初始对准结果作为初值完成1小时捷联惯导和组合导航解算，对比1小时捷联惯导和组合导航结果。
1、5minIMU数据的解析粗对准结果：
2、5minIMU数据的Kalman滤波精对准结果：
3、一小时IMU/GPS数据的组合导航结果图及估计方差P阵图：
4、一小时IMU数据的捷联惯导解算结果与组合滤波、GPS输出对比图：
5、结果分析：
由滤波结果图可以看出：
（1）由组合后的速度、位置的P阵可以看出滤波之后载体的速度和位置比GPS输出的精度高。
（2）短时间内SINS的精度较高，初始阶段的导航结果基本和GPS、组合导航结果重合，1小时后的捷联惯导解算结果很差，纬度、经度、高度均发散。
（3）INS/GPS组合滤波的结果和GPS的输出结果十分近似，因为1小时的导航GPS的精度比SINS导航的精度高很多，Kalman滤波器中GPS信号的权重更大。
（4）总体看来，SINS/GPS组合滤波的结果优于单独用SINS或GPS导航的结果，起到了协调、超越、冗余的作用，使导航系统更可靠。
六、SINS/GPS组合导航程序
%%%%%%%%%%%%%%%%%%%%%%%INS/GPS组合导航跑车1h实验%%%%%%%%%%%%%%%%%%%%%%%%%%
%该程序为15维状态量，6维观测量的kalman滤波程序，惯性/卫星组合松耦合的数学模型
clear
clc
closeall
%%初始量定义
wie=0.000072921151467;
Re =6378135.072;
g=9.7803267714;
e=1.0/298.25;
T=0.01;
%IMU频率100hz,此程序中GPS频率100hz
datanumber=360000;
%数据时间3600s
a=load（'
imu_1h.dat'
）;
w=a（:
3:
5）'
*pi/180/3600;
%陀螺仪输出的角速率信息单位由°
/h化为rad/s
f=a（:
6:
8）'
;
%三轴比力输出，单位g
gps_1h_new.dat'
gps_pos=a（:
5）;
%GPS输出的纬度、经度、高度信息
gps_pos（:
1:
2）=gps_pos（:
2）*pi/180;
%纬经单位化为弧度
gps_v=a（:
8）;
%GPS输出的东北天速度信息
%捷联解算及卡尔曼相关
v=zeros（datanumber,3）;
%组合后的速度信息
atti=zeros（datanumber,3）;
%组合后的姿态信息
pos=zeros（datanumber,3）;
%组合后的位置信息
gyro=zeros（3,1）;
acc=zeros（3,1）;
x_kf=zeros（datanumber,15）;
p_kf=zeros（datanumber,15）;
lat=40.0211142228246*pi/180;
%组合导航的初始位置、姿态、速度
lon=116.3703629769560*pi/180;
height=43.0674;
fai=219.9744642380873*pi/180;
theta=-0.895865732956914*pi/180;
gama=0.640089448357591*pi/180;
Vx=gps_v（1,1）;
Vy=gps_v（1,2）;
Vz=gps_v（1,3）;
X_o=zeros（15,1）;
%X的初值选为0
X=zeros（15,1）;
%Q=diag（[（50e-6*g）^2,（50e-6*g）^2,（50e-6*g）^2,（0.1*pi/180/3600）^2,（0.1*pi/180/3600）^2,（0.1*pi/180/3600）^2,0,0,0,0,0,0,0,0,0]）;
%随机
Q=diag（[（0.008*pi/180/3600）^2,（0.008*pi/180/3600）^2,（0.008*pi/180/3600）^2,（50e-6*g）^2,（50e-6*g）^2,（50e-6*g）^2,0,0,0,0,0,0,0,0,0]）;
R=diag（[（0.01）^2,（0.01）^2,（0.01）^2,（0.1）^2,（0.1）^2,（0.15）^2]）;
P=zeros（15）;
P_k=diag（[（0.00005*pi/180）^2,（0.00005*pi/180）^2,（0.00005*pi/180）^2,0.00005^2,0.00005^2,0.00005^2,2^2,2^2,2^2,（0.001*pi/180/3600）^2,（0.001*pi/180/3600）^2,（0.001*pi/180/3600）^2,（50e-6*g）^2,（50e-6*g）^2,（50e-6*g）^2]）;
%
K=zeros（15,6）;
Z=zeros（6,1）;
I=eye（15）;
Cnb=[cos（gama）*cos（fai）-sin（gama）*sin（theta）*sin（fai）,cos（gama）*sin（fai）+sin（gama）*sin（theta）*cos（fai）,-sin（gama）*cos（theta）;
-cos（theta）*sin（fai）,cos（theta）*cos（fai）,sin（theta）;
sin（gama）*cos（fai）+cos（gama）*sin（theta）*sin（fai）,sin（gama）*sin（fai）-cos（gama）*sin（theta）*cos（fai）,cos（gama）*cos（theta）];
q=[cos（fai/2）*cos（theta/2）*cos（gama/2）-sin（fai/2）*sin（theta/2）*sin（gama/2）;
cos（fai/2）*sin（theta/2）*cos（gama/2）-sin（fai/2）*cos（theta/2）*sin（gama/2）;
cos（fai/2）*cos（theta/2）*sin（gama/2）+sin（fai/2）*sin（theta/2）*cos（gama/2）;
cos（fai/2）*sin（theta/2）*sin（gama/2）+sin（fai/2）*cos（theta/2）*cos（gama/2）];
Cnb_s=Cnb;
q_s=q;
fori=1:
1:
datanumber
Rmh=Re*（1.0-2.0*e+3.0*e*sin（lat）*sin（lat））+height;
Rnh=Re*（1.0+e*sin（lat）*sin（lat））+height;
Wien=[0;
wie*cos（lat）;
wie*sin（lat）];
Wenn=[-Vy/Rmh;
Vx/Rnh;
Vx*tan（lat）/Rnh];
Winn=Wien+Wenn;
Winb=Cnb*Winn;
forj=1:
3
gyro（j,1）=w（j,i）;
acc（j,1）=f（j,i）*g;
%加速度信息，单位化为m/s^2
end
angle=（gyro-Winb）*T;
fn=Cnb'
*acc;
difVx=fn
（1）+（2.0*wie*sin（lat）+Vx*tan（lat）/Rnh）*Vy;
difVy=fn
（2）-（2.0*wie*sin（lat）+Vx*tan（lat）/Rnh）*Vx;
difVz=fn（3）+（2.0*wie*
升级会员 