不可交换误差
产生原因:imu在非定轴旋转时,其姿态运动的数学模型是线性时变的,其在实际应用时使用离散量求解时,并不能还原原来的姿态。
直观理解:
相对你自己取du一个坐标系,向zhi右为x,向前为y,向上为z
你的右手,先绕z转动90度,然后绕y转90度,记下你手掌的朝向
然后把右手回到初始时候,先绕y转动90度,然后绕z转90度,发现和刚才的结果不一样
解决:现代高精度陀螺仪使用角增量信号输出,构造旋转矩阵补偿和降低不可交换误差
反对称矩阵(V是实向量)
叉程在在为3维空间上的物理意义:求两个向量所构成平面的垂直向量
V
=
[
V
x
V
y
V
z
]
V =\left[ \begin{matrix} V_x & V_y& V_z \\ \end{matrix} \right]
V=[VxVyVz]
V
×
=
[
0
−
V
z
V
y
V
z
0
−
V
z
−
V
y
V
z
0
]
V \times=\left[ \begin{matrix} 0 & -V_z& V_y \\ V_z & 0 &-V_z\\ -V_y & V_z &0\\ \end{matrix} \right]
V×=⎣⎡0Vz−Vy−Vz0VzVy−Vz0⎦⎤
推导
V
1
=
[
V
x
1
V
y
1
V
z
1
]
V_1 =\left[ \begin{matrix} V_{x1} & V_{y1}& V_{z1} \\ \end{matrix} \right]
V1=[Vx1Vy1Vz1]
V
2
=
[
V
x
2
V
y
2
V
z
2
]
V_2 =\left[ \begin{matrix} V_{x2} & V_{y2}& V_{z2} \\ \end{matrix} \right]
V2=[Vx2Vy2Vz2]
求
V
1
×
V
2
=
[
i
j
k
V
x
1
V
y
1
V
z
1
V
x
2
V
y
2
V
z
2
]
=
[
V
y
1
∗
V
z
2
−
V
y
2
∗
V
z
1
V
x
2
∗
V
z
1
−
V
x
1
∗
V
z
2
V
x
1
∗
V
y
2
−
V
x
2
∗
V
y
1
]
[
i
j
k
]
V_1 \times V_2=\left[\begin{matrix} i&j&k\\ V_{x1}&V_{y1}&V_{z1}\\ V_{x2}&V_{y2}&V_{z2}\\ \end{matrix}\right]=\left[\begin{matrix} V_{y1}*V_{z2}-V_{y2}*V_{z1}\\ V_{x2}*V_{z1}-V_{x1}*V_{z2}\\ V_{x1}*V_{y2}-V_{x2}*V_{y1}\\ \end{matrix}\right]\left[\begin{matrix} i\\j\\k\\ \end{matrix}\right]
V1×V2=⎣⎡iVx1Vx2jVy1Vy2kVz1Vz2⎦⎤=⎣⎡Vy1∗Vz2−Vy2∗Vz1Vx2∗Vz1−Vx1∗Vz2Vx1∗Vy2−Vx2∗Vy1⎦⎤⎣⎡ijk⎦⎤
=
[
0
−
V
z
1
V
y
1
V
z
1
0
−
V
x
1
−
V
y
1
V
x
1
0
]
[
V
x
2
V
y
2
V
z
2
]
=
(
V
1
×
)
∗
V
2
=\left[ \begin{matrix} 0 & -V_{z1}& V_{y1} \\ V_{z1} & 0 &-V_{x1}\\ -V_{y1} & V_{x1}&0\\ \end{matrix} \right]\left[\begin{matrix} V_{x2}\\V_{y2}\\V_{z2}\\ \end{matrix}\right]=(V_1\times)*V_2
=⎣⎡0Vz1−Vy1−Vz10Vx1Vy1−Vx10⎦⎤⎣⎡Vx2Vy2Vz2⎦⎤=(V1×)∗V2
反对称矩阵特点
1 转置
V
×
=
−
(
V
×
T
)
V\times=-(V\times^T)
V×=−(V×T)
V
T
(
V
×
)
=
0
V^T(V\times)=0
VT(V×)=0
2 Hermite转置(共轭转置实部不变,虚部转换符号)
V
×
=
−
(
V
×
)
(
V
×
)
H
V\times=-(V\times)(V\times)^H
V×=−(V×)(V×)H
3 正规矩阵
(
V
×
)
(
V
×
)
H
=
(
V
×
)
H
(
V
×
)
(V\times)(V\times)^H=(V\times)^H(V\times)
(V×)(V×)H=(V×)H(V×)
4 特征值
f
(
λ
)
=
∣
λ
V
z
−
V
y
−
V
z
λ
V
x
V
y
−
V
x
λ
∣
=
λ
(
λ
2
+
V
x
2
+
V
y
2
+
V
z
2
)
f(\lambda)=\left|\begin{matrix} \lambda & V_{z}& -V_{y} \\ -V_{z} & \lambda &V_{x}\\ V_{y} & -V_{x}&\lambda\\ \end{matrix} \right|=\lambda(\lambda^2+V_x^2+V_y^2+V_z^2)
f(λ)=∣∣∣∣∣∣λ−VzVyVzλ−Vx−VyVxλ∣∣∣∣∣∣=λ(λ2+Vx2+Vy2+Vz2)
{
λ
1
=
0
λ
2
,
λ
3
=
±
V
x
2
+
V
y
2
+
V
z
2
∗
j
\begin{cases} \lambda_1=0\\ \lambda_2,\lambda_3=\pm\sqrt{V_x^2+V_y^2+V_z^2}*j\\ \end{cases}
{λ1=0λ2,λ3=±Vx2+Vy2+Vz2∗j
特征向量
A
x
=
λ
x
;
令
V
x
2
+
V
y
2
+
V
z
2
=
v
Ax=\lambda x;令\sqrt{V_x^2+V_y^2+V_z^2}=v
Ax=λx;令Vx2+Vy2+Vz2=v
{
u
1
=
1
v
[
V
x
V
y
V
z
]
u
2
,
u
3
=
1
v
2
(
V
x
2
+
V
y
2
)
[
−
V
x
V
z
∓
j
v
V
y
−
V
y
V
z
±
j
v
V
x
V
x
2
+
V
y
2
]
\begin{cases} u_1={\frac{1}{v}}\left[\begin{matrix} V_{x} \\ V_{y} \\ V_{z}\\ \end{matrix} \right]\\ u_2,u_3={\frac{1}{v\sqrt{2(V_x^2+V_y^2)}}}\left[\begin{matrix} -V_{x}V_{z}\mp jvV_y \\ -V_{y}V_z\pm jvV_x \\ V_{x}^2+V_{y}^2\\ \end{matrix} \right]\\\\ \end{cases}
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧u1=v1⎣⎡VxVyVz⎦⎤u2,u3=v2(Vx2+Vy2)1⎣⎡−VxVz∓jvVy−VyVz±jvVxVx2+Vy2⎦⎤
5 幂
V
×
=
{
(
−
1
)
i
−
2
2
v
i
−
1
(
V
×
)
,
(
i
=
1
,
3
,
5
,
.
.
.
)
(
−
1
)
i
−
2
2
v
i
−
2
(
V
×
)
,
(
i
=
2
,
4
,
6
,
.
.
.
)
V\times=\begin{cases} (-1)^{\frac{i-2}{2}}v^{i-1}(V\times),(i=1,3,5,...)\\ (-1)^{\frac{i-2}{2}}v^{i-2}(V\times),(i=2,4,6,...)\\ \end{cases}
V×={(−1)2i−2vi−1(V×),(i=1,3,5,...)(−1)2i−2vi−2(V×),(i=2,4,6,...)
6 指数
根据哈密顿-凯莱定义(Hamiltion-Cayley):指数函数可以展开为指数项的有项级数
e
(
V
×
)
=
∑
i
=
0
n
(
V
×
)
i
i
!
=
k
0
I
+
k
1
(
V
×
)
+
k
2
(
V
×
)
2
e^{(V\times)}=\sum_{i=0}^n\frac{(V\times)^i}{i!}=k_0I+k_1(V\times)+k_2(V\times)^2
e(V×)=i=0∑ni!(V×)i=k0I+k1(V×)+k2(V×)2
=
I
+
s
i
n
v
v
V
×
+
1
−
c
o
s
v
v
2
(
V
×
)
2
=I+\frac{sinv}{v}V\times+\frac{1-cosv}{v^2}(V\times)^2
=I+vsinvV×+v21−cosv(V×)2
反对称矩阵维单位正交矩阵
e
−
V
×
∗
[
e
−
V
×
]
T
=
1
e^{-V\times}*[e^{-V\times}]^T=1
e−V×∗[e−V×]T=1