[發明專利]一種慣性器件數值模擬方法

有效

• 申請號: 201710825134.0
• 申請日: 2017-09-14
• 公開（公告）號: CN107764257B
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 賈瑞才;蔚保國;王青江;賈浩男;王博遠;智奇楠;劉鵬飛;馬國駒;李梟楠
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G01C21/10
• 分類號: G01C21/10;G01C25/00
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

本發明公開了一種慣性器件數值模擬方法，以Adis16480慣性器件為被模擬對象，結果顯示模擬值與被模擬值具有很高的逼真度，采用主要技術體現在：1.根據隨機噪聲頻率帶寬特點，對模擬的隨機噪聲序列進行帶通濾波，使得數值模擬更逼真；2.通過Allan方差圖辨識被模擬慣性器件的隨機噪聲功率譜參數，模擬更具針對性，使得模擬數值與被模擬對象數值特征更加逼真。該方法可逼真模擬任意型號的慣性器件，滿足不同性能慣導、組合導航算法研究需求。

技術領域

本發明涉及一種慣性器件數據模擬方法，屬于慣性導航領域。

背景技術

慣性器件指陀螺與加速度計，模擬數據普遍采用真值加誤差方式實現，慣性器件誤差包括系統誤差與隨機誤差，在慣導解算過程中，系統誤差可被標定與消除，而隨機誤差不能消除并且對慣導精度影響較大，本發明主要介紹慣性器件隨機誤差辨識與模擬方法。

1.隨機誤差類型

隨機誤差由不確定因素引起的隨機漂移，主要包括量化噪聲、f噪聲、角速度度/加速度隨機游走、角度/速度隨機游走、零偏不穩定性，速率斜坡等組成，除此之外還存在指數相關噪聲、正弦噪聲等。

量化噪聲是一切量化操作所固有的噪聲，只要進行數字化編碼采樣，傳感器輸出的理想值與量化值之間就必然會存在微小的差別，量化噪聲代表了傳感器檢測的最小分辨率水平。量化噪聲具有很寬的帶寬，屬于高頻噪聲，在實際應用中可進行低通濾波處理或大部分被導航姿態積分環節所消除，因此一般對長時間慣導精度影響不大。量化噪聲功率譜為τ₀Q²(2πf)²，其中τ₀為采樣周期，量化噪聲系數Δ為量化當量，f為頻率。

f噪聲是指與頻率f成正比的噪聲，f噪聲功率譜為F(2πf)，其中F為噪聲系數，f噪聲與量化噪聲在雙對數圖上斜率都為-1，應用Allan方差難以將兩者區分。

角度隨機游走是寬帶角速度白噪聲積分的結果，即陀螺從零時刻起累積的總角增量誤差表現為隨機游走，而每一時刻等效角速度誤差表現為白噪聲。角度隨機游走功率譜為常值N²，N為隨機游走系數。

角速率隨機游走是寬帶角加速率白噪聲積分的結果，即陀螺角加速率誤差表現為白噪聲，而角速率誤差表現為隨機游走。角速率隨機游走功率譜為K²/(2πf)²，K為角速率隨機游走系數。

零偏不穩定性噪聲又稱為閃變噪聲或1/f噪聲，其功率譜密度與頻率成反比，其具有低頻特性，在陀螺輸出中表現為零偏隨時間的緩慢波動。功率譜密度為B²/(2πf)，B為零偏不穩定性系數。

速率斜坡由系統誤差引起，比如環境溫度的緩慢變化，通過嚴格的環境控制或引入補償機制可以降低此類誤差，更像確定性誤差，而不是隨機誤差。

2.隨機誤差辨識方法

Allan方差是一種時域分析技術，被廣泛應用于慣性器件的隨機誤差分析，它能夠比較容易的對各種誤差源的統計特性進行細致表征和辨識。慣性器件隨機誤差的Allan標準差雙對數曲線，如圖7所示，不同誤差項對于不同斜率，不同誤差項周期不同。

除Allan方差方法外，還有其它方法可用于陀螺隨機漂移誤差分析，如哈達瑪方差、總方差、#1方差、小波方差等。

發明內容

本發明的目的是面向任意型號慣性器件逼真仿真問題，基于器件隨機誤差模型與頻率帶寬特點，提出了一種基于帶通濾波器的慣性器件數值模擬方法。

為實現上述目的，本發明采取以下技術方案：

一種慣性器件數值模擬方法，包括以下步驟：

(1)設置運動指令：設置初始位置、速度，運動類型，持續時間，角速度變化率和仿真步長；