基于模糊自适应控制技术的捷联惯导非线性对准方法技术

本发明专利技术公开了一种基于模糊自适应控制技术的捷联惯导非线性对准方法，本发明专利技术利用模糊逻辑善于表达界限不清晰的定性知识与经验、推理解决常规方法难于解决的规则型模糊信息问题特点，通过在滤波时间更新和滤波量测更新之间添加一个专门用于动态优化弱化因子矩阵的模糊逻辑控制模块实现次优渐消因子的自适应调整。本发明专利技术具有在大失准角和运动基座条件下，模糊逻辑控制器利用残差所包含的AUV的运动信息，通过线选取次优渐消因子，调整滤波器增益，保持对舰载设备运动状态的强跟踪能力，满足复杂水下环境的AUV高精度对准要求。

【技术实现步骤摘要】
基于模糊自适应控制技术的捷联惯导非线性对准方法
本专利技术主要涉及舰载导航
，尤其涉及一种基于模糊自适应控制技术的捷联惯导非线性对准方法。
技术介绍
惯导系统在进入导航工作状态以前都要进行初始对准，捷联惯导系统SINS将惯性传感器与载体直接固联，采用计算的数学平台代替物理平台，因此SINS的初始对准就是确定初始时刻的姿态矩阵。初始对准误差是SINS的主要误差源，对准精度直接影响SINS的工作性能；自主水下航行器(AUV)是一种依靠自身的自治能力来管理和控制自己的智能化无人航行器，精确的导航定位的支持是AUV可靠、持续工作的保证，从AUV所处的自然环境和应用环境出发，其所配置的SINS只能采取动基座对准，因此SINS动基座对准技术成为SINS的关键技术之一。海洋环境下，AUV受到阵风、洋流和海浪等各种因素干扰，特别是在大失准角和剧烈晃动条件下，使得建立在线性小失准角模型基础上的经典Kalman滤波方法受到制约；而传统的EKF、UKF等非线性滤波方法具有高维条件下对准精度低，应对不确定因素能力差等缺点，又由于GPS在水下无法使用，因此，专利技术具有高精度，有效应对复杂环境的多普勒测速仪DVL辅助SINS动基座对准的非线性智能滤波方法具有重要的意义。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种提高舰载捷联惯导系统对准精度的基于模糊自适应控制技术的捷联惯导非线性对准方法。技术方案：为解决上述技术问题，本专利技术提供的一种基于模糊自适应控制技术的捷联惯导非线性对准方法，其步骤包括如下：步骤1：建立DVL辅助SINS动基座对准模型，所述对准模型包括SINS的非线性误差模型、非线性滤波状态模型和非线性滤波量测模型；所述SINS非线性误差模型建立过程如下：步骤1.1：记AUV航行的右-前-上方建立的右手坐标系为载体坐标系b，记东-北-天当地地理坐标系为导航坐标系n，则AUV在n系下的真实姿态为真实速度为AUV真实的地理坐标为p[LλH]T，SINS实际解算出的姿态为速度为地理坐标为记SINS解算的地理位置建立的坐标系为计算导航坐标系n′，定义SINS姿态误差和速度误差分别为则φ、δvn的微分方程如下：其中，φ＝[φnφnφu]T为纵摇角、横摇角和航向角误差，δvn[δveδvnδvn]T为东向速度、北向速度和天向速度误差，为b系下三轴陀螺的常值误差，为b系下三轴陀螺的随机误差，为b系下三轴加速度计的常值误差，为b系下三轴加速度计的随机误差，为加速度计的实际输出，为SINS解算的速度，为计算的导航坐标系的旋转角速度；为计算的地球旋转角速度，导航坐标系相对地球的旋转角速度，为对应于的计算误差，是n系依次旋转角度φu、φe、φn得到n′系所形成的方向余弦矩阵，为b系到n′系的转移矩阵，即计算的姿态矩阵，为欧拉角微分方程的系数矩阵，其具体为：上标T表示转置；所述非线性滤波状态模型建立过程如下：步骤1.2：选取SINS的欧拉平台误差角φc、φn、、φu，速度误差δve、δvn，b系下三轴陀螺常值误差b系下三轴加速度计常值误差组成状态量则非线性滤波状态方程为：其中，取前两维状态，并将该非线性滤波状态方程简记为且w(t)＝[wgwa01×301×2]T为零均值高斯白噪声过程；所述非线性量测模型的建立过程如下：步骤1.3：记AUV在b系下的真实速度为DVL测得AUV在b系下的实际速度为利用SINS解算的姿态矩阵将变换为以和中的东向速度和北向速度分量作为匹配信息源，则非线性滤波量测方程为：其中，取z前两维为观测值，v为零均值高斯白噪声过程，并将该非线性滤波量测方程简记为z(t)＝h(x,t)+v(t)；步骤2：以DVL的输出周期Tdvl作为滤波周期，并以Tdvl为步长对非线性滤波模型和z(t)＝h(x，t)+v(t)进行离散化，依据得到的离散化模型在平方根容积卡尔曼滤波的框架下进行时间更新；所述非线性滤波模型的离散化过程为：步骤2.1：离散化为xk＝xk-1+[f(xk-1，tk-1)+w(tk-1)]Tdvl并简记为xk＝f(xk-1)+wk-1，z(t)＝h(x，t)+v(t)离散化为zk＝h(xk，tk)+v(tk)并简记为zk＝h(xk)+vk；步骤3：利用当前SINS和DVL输出计算的量测值减去相同时刻的量测预测值得到当前时刻的残差εk，并计算一段时间内的残差序列第1个分量和第2个分量的统计值；所述第1个残差分量计算和统计：步骤3.1.1：计算残差εk的第1个分量ε1k，即其中z1k/k-1为zk/k-1的第1个分量；步骤3.1.2：计算包括当前时刻残差在内的前20个时刻的残差第1个分量绝对值的平均值μ1k和标准差σ1k：其中，εi，1k表示i时刻的第1个残差分量，k代表当前时刻，r＝20；所述第2个残差分量计算和统计：步骤3.2.1：计算残差εk的第2个分量ε2k，即其中z2k/k-1为zk/k-1的第2个分量；步骤3.2.2：计算包括当前时刻残差在内的前20个时刻的残差第2个分量绝对值的平均值μ2k和标准差σ2k：其中，εi，2k表示i时刻的第2个残差分量，r＝20；步骤4：将μ1k和σ1k作为模糊逻辑控制器1的输入量，μ2k和σ2k作为模糊逻辑控制器2的输入量，经过模糊逻辑运算，输出精确量弱化因子l1k和l2k，并将其组成弱化因子对角阵lk＝diag[l1kl2k]；所述模糊逻辑控制器1的模糊逻辑运算过程为：步骤4.1.1：确定μ1k、σ1k和l1k的论域集并划分论域，建立μ1k、σ1k和l1k的三角形隶属度函数MF(μ1)、MF(σ1)和MF(l1)；步骤4.1.2：分别将μ1k和σ1k带入MF(μ1)和MF(σ1)计算得到对应的输入模糊集μ1k_set和σ1k_set；步骤4.1.3：建立Sugeno型模糊推理规则，对μ1k_set和σ1k_set进行模糊关系合成和模糊推理合成得到输出模糊集l1k_set；步骤4.1.4：依据MF(l1)采用重心法进行解模糊化得到输出精确值l1k，其中重心法计算式如下：其中，vk是模糊集合元素，μv(vk)是元素vk的隶属度，v0是精确值所述模糊逻辑控制器2的模糊逻辑运算过程为：步骤4.2.1：确定μ2k、σ2k和l2k的论域集并划分论域，建立μ2k、σ2k和l2k的三角形隶属度函数MF(μ2)、MF(σ2)和MF(l2)；步骤4.2.2：分别将μ2k和σ2k带入MF(μ2)和MF(σ2)计算得到对应的输入模糊集μ2k_set和σ2k_set；步骤4.2.3：建立Sugeno型模糊推理规则，对μ2k_set和σ2k_set进行模糊关系合成和模糊推理合成得到输出模糊集l2k_set；步骤4.2.4：依据MF(l2)采用步骤4.1.4所用重心法进行解模糊化得到输出精确值l2k。步骤5：依据强跟踪滤波原理计算次优渐消因子λk，然后利用λk修正滤波时间更新过程，最后完成滤波量测更新；步骤6：利用当前获得的欧拉平台误差角估计值和速度估计值修正SINS解算的姿态矩阵和速度将修正之后的值作为下一次捷联解算的初值，利用当前获得的陀螺的常值误差估计值和加速度计的常值误差估计值修正下一时刻的陀螺输出和加速度计输出具体修正公式按下式计算：若姿态精度达到要求，对准结束，否则继本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊自适应控制技术的捷联惯导非线性对准方法，其特征在于：其步骤包括如下：步骤1：建立DVL辅助SINS动基座对准模型，所述对准模型包括SINS的非线性误差模型、非线性滤波状态模型和非线性滤波量测模型；所述SINS非线性误差模型建立过程如下：步骤1.1：记AUV航行的右-前-上方建立的右手坐标系为载体坐标系b，记东-北-天当地地理坐标系为导航坐标系n，则AUV在n系下的真实姿态为真实速度为AUV真实的地理坐标为p＝[LλH]T，SINS实际解算出的姿态为速度为地理坐标为记SINS解算的地理位置建立的坐标系为计算导航坐标系n′，定义SINS姿态误差和速度误差分别为则φ、δvn的微分方程如下：其中，φ＝[φeφnφu]T为纵摇角、横摇角和航向角误差，δvn＝[δveδvnδvu]T为东向速度、北向速度和天向速度误差，为b系下三轴陀螺的常值误差，为b系下三轴陀螺的随机误差，为b系下三轴加速度计的常值误差，为b系下三轴加速度计的随机误差，为加速度计的实际输出，为SINS解算的速度，为计算的导航坐标系的旋转角速度；为计算的地球旋转角速度，导航坐标系相对地球的旋转角速度，为对应于的计算误差，是n系依次旋转角度φu、φe、φn得到n′系所形成的方向余弦矩阵，为b系到n′系的转移矩阵，即计算的姿态矩阵，为欧拉角微分方程的系数矩阵，其具体为：上标T表示转置；所述非线性滤波状态模型建立过程如下：步骤1.2：选取SINS的欧拉平台误差角φe、φn、φu，速度误差δve、δvn，b系下三轴陀螺常值误差b系下三轴加速度计常值误差组成状态量则非线性滤波状态方程为：其中，取前两维状态，并将该非线性滤波状态方程简记为且w(t)[wgwa01×301×2]T为零均值高斯白噪声过程；所述非线性量测模型的建立过程如下：步骤1.3：记AUV在b系下的真实速度为DVL测得AUV在b系下的实际速度为利用SINS解算的姿态矩阵将变换为以和中的东向速度和北向速度分量作为匹配信息源，则非线性滤波量测方程为：其中，取z前两维为观测值，v为零均值高斯白噪声过程，并将该非线性滤波量测方程简记为z(t)＝h(x，t)+v(t)；步骤2：以DVL的输出周期Tdvl作为滤波周期，并以Tdvl为步长对非线性滤波模型进行离散化，依据得到的离散化模型在平方根容积卡尔曼滤波的框架下进行时间更新；所述非线性滤波模型的离散化过程为：步骤2.1：离散化为xk＝xk-1+[f(xk-1，tk-1)+w(tk-1)]Tdvl并简记为xk＝f(xk-1)-wk-1，z(t)＝h(x，t)+v(t)离散化为zk＝h(xk，tk)+v(tk)并简记为zk＝h(xk)+vk；步骤3：利用当前SINS和DVL输出计算的量测值减去相同时刻的量测预测值得到当前时刻的残差εk，并计算一段时间内的残差序列第1个分量和第2个分量的统计值；所述第1个残差分量计算和统计：步骤3.1.1：计算残差εk的第1个分量ε1k，即其中z1k/k-1为zk/k-1的第1个分量；步骤3.1.2：计算包括当前时刻残差在内的前20个时刻的残差第1个分量绝对值的平均值μ1k和标准差σ1k：其中，εi，1k表示i时刻的第1个残差分量，k代表当前时刻，r＝20；所述第2个残差分量计算和统计：步骤3.2.1：计算残差εk的第2个分量ε2k，即其中z2k/k-1为zk/k-1的第2个分量；步骤3.2.2：计算包括当前时刻残差在内的前20个时刻的残差第2个分量绝对值的平均值μ2k和标准差σ2k：其中，εi，2k表示i时...

【专利技术属性】
技术研发人员：徐晓苏，邹海军，刘锡祥，刘义亭，潘永飞，吴亮，
申请(专利权)人：东南大学，
类型：发明
国别省市：