惯性导航算法(二)-欧拉角法(下)+方向余弦矩阵(上)

惯导机械编排算法

惯性导航姿态算法

欧拉角（续）

二维平面坐标变换

每次按照一个轴线进行旋转，也就是每次都是一个二维平面坐标变换，旋转顺序为，先绕Z轴(航向角)、再Y轴(俯仰角)，最后X轴(横滚角)

上面的二维可以写成三维形式：

用欧拉角表示坐标转换矩阵

由二维形式，按照绕Z轴、Y轴和X轴的顺序分别进行旋转，最后，可以得到从n系到b系的一个投影关系；按照这个矩阵形式得到的是Cbn,但是我们在惯导算法里面用到最多的是Cnb，因此需要对Cbn求逆，但又由于Cbn为正交阵，因此，它的逆矩阵就等于它的转置

欧拉角法

微分方程

欧拉角法的特点
优点：形象直观；由欧拉角得到的姿态矩阵永远是正交阵。
缺点：当俯仰角为±90度时，方程式出现“奇点”，不能用于
全姿态导航。
欧拉角组不能直接相加来表示转动的叠加，欧拉角不能内插。
注：由于上述缺点，因此我们在姿态更新时不使用，它只用于姿态结果的理解与显示

方向余弦矩阵

1.两个向量的方向余弦等于两个向量点乘(对应位置向量相乘）除以两个向量模的乘积
2.以单位向量i,j,k为基础，就可以表达出空间任意的向量；单位向量(三维向量)的方向就是所在轴的方向，模为1
下图为方便理解，给出向量在一个坐标系中的投影：

3.姿态投影阵就是方向余弦矩阵，就能实现把一个向量从一个坐标系转换到另一个坐标系

上图红框部分，其实就实现了把一个向量从一个坐标系投影到另一个坐标系了

上图我们可以看到，矩阵的红色部分，其实都是两个坐标系对应的单位向量的两两配对，每一个都是两个向量点乘得到的方向余弦(因为模都为1，因此点乘之后就是两向量的方向余弦)，一共9个，组成了3×3的方向余弦阵
1.理解方向余弦矩阵中“方向余弦”的含义（坐标轴夹角的余弦）
2.方向余弦矩阵（Direction Cosine Matrix，DCM）又被称为“坐标转换矩阵”, 常用于将矢量的投影从一个坐标系变换到另一坐标系中。

方向余弦矩阵的特性

上图中，从上到下，表示的是，横滚角、俯仰角和航向角