基于减空间搜索算法的IMU动态系数标定设计

doi:10.16182/j.issn1004731x.joss.19-FZ0338

系统仿真学报 ›› 2019, Vol. 31 ›› Issue (11): 2485-2491.doi: 10.16182/j.issn1004731x.joss.19-FZ0338

基于减空间搜索算法的IMU动态系数标定设计

闫宏雁, 张宇, 朱伟华, 史明, 张业鑫

上海机电工程研究所,上海 201100

收稿日期:2019-05-29 修回日期:2019-07-18 出版日期:2019-11-10 发布日期:2019-12-13
作者简介:闫宏雁(1992-),男,黑龙江,硕士生,研究方向为仿真控制;张宇(1985-),男,黑龙江,硕士生,高工,研究方向为仿真控制;朱伟华(1972-),男,上海,本科生,研究员,研究方向为仿真控制。

Design of IMU Dynamic Coefficient Calibration Based on Reduced Space Search Algorithm

Yan Hongyan, Zhang Yu, Zhu Weihua, Shi Ming, Zhang Yexin

Shanghai Institute of Mechanical and Electrical Engineering, Shanghai 201100, China

Received:2019-05-29 Revised:2019-07-18 Online:2019-11-10 Published:2019-12-13

摘要/Abstract

摘要： 为提高标定捷联惯组动态误差系数的速度,提出在惯性导航系统中建立动力学误差模型,利用卡尔曼滤波反映误差项的观测度,确定最优算法的目标函数。针对减空间搜索算法的罚函数采用遗传算法进行分析改进,在末端时,既摆脱了局部伪最优解对结果的干扰,又在接近最优解时提高辨识速度。与共轭梯度法的求解时长进行比较,验证了改进减空间搜索算法对动态系数标识的高效性,有效解决捷联惯组动态误差无法快速补偿的问题。

关键词: 捷联式惯性导航系统, 共轭梯度算法, 减空间搜索法, 动态误差标定

Abstract: In order to improve the dynamic error coefficient speed of the calibration strapdown inertial group, a dynamic error model is established in the inertial navigation system. The Kalman filter is used to reflect the observation degree of the error term to determine the objective function of the optimal algorithm. The penalty function for the reduced space search algorithm is improved by genetic algorithm. At the end, it not only gets rid of the interference of the local pseudo-optimal solution, but also improves the recognition speed when it is close to the optimal solution. Compared with the solution length of the conjugate gradient method, the efficiency of the improved reduced space search algorithm for dynamic coefficient identification is verified, and the problem that the dynamic error of the strapdown inertial group cannot be quickly compensated is effectively solved.

Key words: stapdown inertial navigation systems, conjugate gradient algorithm, subtractive space search algorithm, dynamic error calibration

中图分类号:

TP391.9

闫宏雁, 张宇, 朱伟华, 史明, 张业鑫. 基于减空间搜索算法的IMU动态系数标定设计[J]. 系统仿真学报, 2019, 31(11): 2485-2491.

Yan Hongyan, Zhang Yu, Zhu Weihua, Shi Ming, Zhang Yexin. Design of IMU Dynamic Coefficient Calibration Based on Reduced Space Search Algorithm[J]. Journal of System Simulation, 2019, 31(11): 2485-2491.

参考文献

[1] 王磊, 胡学东, 关英, 等. 低成本微惯性组件的复合标定与智能滤波方法[J]. 弹箭与制导学报, 2018, 38(2): 85-89.
Wang Lei, Hu Xuedong, Guan Ying, et al.Composite calibration and intelligent filtering method for low-cost micro-inertial components[J]. Journal of Projectiles, Archery and Guidance, 2018, 38(2): 85-89.
[2] 于治远. 高动态环境下微惯性组件的复合标定与对准方法研究[D]. 沈阳: 沈阳理工大学, 2018.
Yu Zhiyuan.Research on composite calibration and alignment method of micro-inertial components in high dynamic environment [D]. Shenyang: Shenyang Ligong University, 2018.
[3] 田源, 宋蔚阳, 方海红, 等. 全捷联导引头的惯性视线角速度解耦方法及精度分析[J]. 测试技术学报, 2019, 33(1): 15-19.
Tian Yuan, Song Weiyang, Fang Haihong, et al.Inertial line-of-sight angular velocity decoupling method and accuracy analysis of full strapdown seeker[J]. Journal of Test and Measurement Technology, 2019, 33(1): 15-19.
[4] 张怀, 许林英. 空间有限条件下博弈搜索算法的优化[J]. 电子测量技术, 2007, 30(8): 26-29.
Zhang Huai, Xu Linying.Optimization of Game Search Algorithm under Space Finite Condition[J]. Electronic Measurement Technology, 2007, 30(8): 26-29.
[5] 杨斌, 聂在平, 夏耀先, 等. 基于改进共轭梯度法的前馈网络快速监督学习算法[J]. 电子学报, 2002, 30(12): 1845-1847.
Yang Bin, Nie Zaiping, Xia Yaoxian, et al.Fast Supervised Learning Algorithm for Feedforward Networks Based on Improved Conjugate Gradient Method[J]. Chinese Journal of Electronics, 2002, 30(12): 1845-1847.
[6] 张世铮. 基于位移Hermite分裂的图像恢复算法[J]. 吉林大学学报(理学版), 2019, 57(1): 103-110.
Zhang Shizhen.Image Restoration Algorithm Based on Displacement Hermite Splitting[J]. Journal of Jilin University(Science Edition), 2019, 57(1): 103-110.
[7] 刘勇, 陈本军, 程跃兵, 等. 基于IMU模块的行人航向角误差修正算法[J]. 电子设计工程, 2019, 27(2): 86-90.
Liu Yong, Chen Benjun, Cheng Yuebing, et al.Pedestrian heading angle error correction algorithm based on IMU module[J]. Electronic Design Engineering, 2019, 27(2): 86-90.
[8] 谢瑞煜, 赵建军, 蒋涛. 基于蒙特卡洛法的武器系统标定误差分析[J]. 兵器装备工程学报, 2019, 40(1): 136-140.
Xie Ruiyu, Zhao Jianjun, Jiang Tao.Calibration error analysis of weapon system based on Monte Carlo method[J]. Journal of Ordnance Equipment Engineering, 2019, 40(1): 136-140.

[1]	李智杰, 石昊琦, 李昌华, 张颉. 基于改进遗传算法的影像中心布局优化方法[J]. 系统仿真学报, 2022, 34(6): 1173-1184.
[2]	陈斌, 刘悦, 杨亚磊. 基于STN的机场航班过站保障时间协同规划建模[J]. 系统仿真学报, 2022, 34(6): 1196-1207.
[3]	杨凯, 陈纯毅, 胡小娟, 于海洋. 蒙卡渲染画面多特征非局部均值滤波降噪算法[J]. 系统仿真学报, 2022, 34(6): 1259-1266.
[4]	陈麒, 崔昊杨. 基于改进鸽群层级的无人机集群视觉巡检模型[J]. 系统仿真学报, 2022, 34(6): 1275-1285.
[5]	王沐晴, 张磊, 范秀敏, 骆晓萌, 朱文敏. VR外设驱动的虚拟人姿态优化仿真方法[J]. 系统仿真学报, 2022, 34(6): 1296-1303.
[6]	陆承, 靳学胜. 基于Steam VR的交互仿真水枪灭火训练系统设计[J]. 系统仿真学报, 2022, 34(6): 1312-1319.
[7]	高宏鼐, 付丽疆, 夏倩, 郭亚. 可观测度在光合作用模型性能评估中的应用[J]. 系统仿真学报, 2022, 34(6): 1330-1342.
[8]	倪凌佳, 黄晓霞, 李红旮, 张子博. 基于协作式深度强化学习的火灾应急疏散仿真研究[J]. 系统仿真学报, 2022, 34(6): 1353-1366.
[9]	蒙盾, 胡卓, 张华军. 基于改进A^*算法的多层邮轮疏散系统仿真[J]. 系统仿真学报, 2022, 34(6): 1375-1382.
[10]	郭宇飞, 赵康, 海永清. 面向有限元分析的三角网格布尔运算方法[J]. 系统仿真学报, 2022, 34(5): 1003-1014.
[11]	吴桐, 王清辉, 徐志佳. 三周期极小曲面多孔材料渗透率尺度特性研究[J]. 系统仿真学报, 2022, 34(5): 1015-1024.
[12]	蒋阳升, 王思琛, 高宽, 刘梦, 姚志洪. 混入智能网联车队的混合交通流元胞自动机模型[J]. 系统仿真学报, 2022, 34(5): 1025-1032.
[13]	梁江涛, 王慧琴. 基于改进蚁群算法的建筑火灾疏散路径规划研究[J]. 系统仿真学报, 2022, 34(5): 1044-1053.
[14]	张其文, 张斌. 基于教学优化算法求解置换流水车间调度问题[J]. 系统仿真学报, 2022, 34(5): 1054-1063.
[15]	邢根上, 鲁芳, 李书山, 罗定提. 基于产品体验性的供应链交货模型与仿真研究[J]. 系统仿真学报, 2022, 34(5): 1064-1075.

基于减空间搜索算法的IMU动态系数标定设计

Design of IMU Dynamic Coefficient Calibration Based on Reduced Space Search Algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价