[发明专利]一种冗余惯性测量单元数据融合最优权重估计方法

说明书

本发明涉及一种冗余惯性测量单元数据融合最优权重估计方法。将惯性测量单元先后六个面朝上放置于大理石平台上，采集各个位置陀螺仪和加速度计数据。利用加权最小二乘法对陀螺仪和加速度计数据进行数据融合将其转换为惯性测量单元坐标系下等效三轴的测量信息，并根据大理石平台天向角速率和加速度恒定的特点，构建关于加权最小二乘权重的非线性方程组。设计约束型果蝇优化算法估计非线性方程组的最小二范数，得到陀螺仪和加速度计加权最小二乘的最优权重。该发明可对冗余惯性测量单元数据融合最优权重进行估计，利用此权重进行数据融合可有效提高冗余惯性测量单元测量精度。本发明属于惯性导航技术领域，可应用于冗余惯性测量单元数据融合。

技术领域

本发明涉及一种冗余惯性测量单元数据融合最优权重估计方法，适用于冗余惯性测量单元数据融合的场合。

技术背景

惯性导航是各类运载体实现自主导航的核心技术，因此惯性导航系统的导航精度和可靠性直接影响了运载体的导航性能。在惯性导航技术发展初期，人们就意识到对惯性传感器进行冗余配置的重要性。然而，早期惯性导航冗余的目的主要是提高系统的可靠性。随着冗余惯性测量单元(Redundant Inertial Measurement Unit,RIMU)研究的不断深入以及数据处理技术的发展，越来越多的研究人员试图利用惯性器件的冗余信息进行数据融合以提升其导航精度。

RIMU数据融合在工程上一般采用最简单的最小二乘法，其算法简单且稳定可靠。然而，最小二乘法不分优劣地使用了所有传感器地测量值，因此其测量精度并不高。为了进一步提高RIMU的测量精度，研究人员普遍采用加权最小二乘法进行冗余传感器的数据融合，因此，加权最小二乘法权重的选择成为了新的研究方向。最常用的加权最小二乘法是马尔可夫估计(也称最优加权最小二乘)，马尔可夫估计采用量程噪声方差阵的逆矩阵作为权重矩阵，对于理想的高斯白噪声而言，该权重确实是最优的权重，然而实际噪声往往不是理想的高斯白噪声。此外，对于权重选择的研究，有基于零偏稳定性配置权重的，也有基于有限时间噪声方差配置权重的，但研究对象都为测量噪声。实际上，惯性传感器对测量精度的影响不仅仅是测量噪声，还包括零偏重复性、标度因数重复性等多种因素。

因此，如何在考虑多种影响因素的情况下配置合理的加权最小二乘权重成为进一步提高RIMU测量精度的新途径。

发明内容

本发明解决的技术问题是：针对RIMU在利用加权最小二乘法进行数据融合时如何配置最优权重的问题，提出了一种RIMU数据融合最优权重估计方法。本发明方法通过采集不同位置RIMU数据，并根据静止位置天向角速率和加速度恒定的特点，构建关于加权最小二乘权重的非线性方程组；设计约束型果蝇优化算法估计非线性方程组的最小二范数，以此获得RIMU数据融合的最优权重。该发明不单独考虑某个因素对测量精度的影响，而是基于不同位置激活影响测量精度的各种因素，然后根据实际测量数据估计最优权重。估计出的权重充分考虑了各种影响因素，可有效提高RIMU数据融合的测量精度。

本发明的技术解决方案：

将RIMU先后六个面朝上放置于大理石平台上，采集各个位置陀螺仪和加速度计数据，利用加权最小二乘法对陀螺仪和加速度计数据进行数据融合将其转换为RIMU坐标系下等效三轴的测量信息，并根据大理石平台天向角速率和加速度恒定的特点，构建关于加权最小二乘权重的非线性方程组。具体包括以下步骤：

(1)分别将RIMUx轴朝上、x轴朝下、y轴朝上、y轴朝下、z轴朝上和z轴朝下依次放置于大理石平台上，定义为位置1～6，在每个位置每1秒采集1组陀螺仪和加速度计数据，持续采集1分钟，分别对陀螺仪和加速度计构建各位置单组数据的非线性方程如下：