捷联惯导与组合导航
磊磊哈哈
这个作者很懒,什么都没留下…
展开
-
捷联惯导系统学习7.5(低成本组合导航系统模型)
低成本组合导航系统模型低精度MEMS惯性/卫星/地磁组合导航系统中,选择惯导系统的姿态失准角ϕ\phiϕ、速度误差δvn\delta v^nδvn、定位误差δpn\delta p^nδpn、陀螺仪相关漂移ξrb\xi^b_rξrb、加速度计相关偏值▽rb\bigtriangledown_r^b▽rb、安装偏差角γ\gammaγ、磁倾角δηx\delta\eta_xδηx、磁偏角δηz\delta\eta_zδηz,作为状态(20维数据),如下:βs=diag(1/τsx,1/τsy,1/τsz原创 2020-11-03 15:47:56 · 881 阅读 · 0 评论 -
捷联惯导系统学习7.5(地磁场测量及误差方程 )
地磁北向与地理北向一般不重合,它们之间的夹角称为磁偏角,在我国一般为2~3度,最大可为10度。地磁场为矢量场,强度大小为:0.5∼0.6Gs(1Gs=10−4T(特斯拉))0.5\sim 0.6Gs(1Gs=10^{-4}T(特斯拉))0.5∼0.6Gs(1Gs=10−4T(特斯拉)),顺着地磁方向为正。...原创 2020-11-01 19:03:14 · 1135 阅读 · 0 评论 -
捷联惯导系统学习7.5(简化的捷联惯导算法及误差方程 )
即MEMS惯性器件的校准方法,只在几分钟内的精度有效。简化的捷联惯导算法及误差方程在MEMS中,陀螺仪精度为0.1。/s0.1^。/s0.1。/s量级,加速度计为5mg5mg5mg量级,由于陀螺仪精度过低无法,获得地球自转信息,需要对陀螺仪捷联惯导更新算法进行简化:简化的姿态更新算法为:。:四元数乘法P。Q=[p0−p1−p2−p3p1p0−p3−p2p2p3p0−p1p3−p2p1−p0][q0q1q2q3]=MPQ。:四元数乘法\\P。Q=\left[\begin{matrix}p_0&原创 2020-10-31 20:49:30 · 959 阅读 · 1 评论 -
捷联惯导系统学习7.4(车载惯性/里程仪组合导航 )
航位推算算法(Dead Reckoning,DR)利用位姿、航向、行驶里程信息推算载车相对于起始点的位置。里程仪(odometer):输出一般是载车在一小段内行驶的路程增量,为了方便分析,假设里程仪输出的是瞬时速度。轮式车辆往往分为转向轮和非转向轮,非转向轮始终与车体正前方一致,这里假设里程仪测量的是非转向轮的信号。理想情况下:载车正常形式,前进取正,倒车取负,且车轮紧贴地面无打滑、滑行、弹跳。设车体坐标系为m系,oym:在和载车车轮相接处的地平面内,ozm:垂直与地平面内向上为正;0xm指向右方oy原创 2020-10-30 20:31:36 · 2166 阅读 · 0 评论 -
捷联惯导系统学习7.3(惯性/卫星组合导航 )
全球卫星组合导航系统:GPS(美国全球定位系统)、GLONASS(俄罗斯格洛纳斯)、BDS(中国北斗)、GALILEO(欧盟伽利略)。系统构成:卫星、地面测控站、用户设备卫星信号微弱,极易受到干扰,但提供的位置误差不会随时间积累,可以与惯导系统互补,发挥两种系统优点。空间杆臂误差卫星与惯导存在误差惯导(IMU)是以传感器几何中心作为导航定位和测速的基准的;卫星导航是以接收天线的相位中心作为参考点的。两者之间存在的偏差称为空间杆臂误差...原创 2020-10-27 21:52:26 · 2338 阅读 · 0 评论 -
捷联惯导系统学习7.2(捷联惯导精对准 )
捷联惯导的粗对准误差可达(’)数级,方位失准角为(。^。。)数级。若在进行粗对准以后进入纯惯导导航,导航误差将迅速发散,需要进一步精对准,减小失角误差。捷联惯导系统精对准令wenb=0w^b_{en}=0wenb=0Cbn:导航系与载体系的转换矩阵wibb:陀螺仪输出,载体系相对于惯性系的角速度wieb:地球自转引起的导航系的旋转C^n_b:导航系与载体系的转换矩阵\\w^b_{ib}:陀螺仪输出,载体系相对于惯性系的角速度\\w^b_{ie}:地球自转引起的导航系的旋转Cbn:导航系与原创 2020-10-26 16:27:29 · 1089 阅读 · 0 评论 -
捷联惯导系统学习7.1(捷联惯导粗对准 )
初始对准:确定导航参数姿态、方位、速度、位置的初始值,方位的初始化是最难的。单独的惯导难以长时间维持高精度定位导航,需要与其他方式综合。捷联惯导粗对准初始对准具体就是确定导航参考坐标系的一个过程,寻找导航坐标系(一般为东北天坐标系)与载体坐标系之间的对应关系。双矢量定姿方法一已知两个不共线的矢量V1,V2V_1,V_2V1,V2,在坐标r(导航坐标系)系投影为V1r,V2rV^r_1,V_2^rV1r,V2r,b系(载体坐标系)下的投影为V1b,V2bV_1^b,V^b_2V1b,原创 2020-10-24 21:32:34 · 1555 阅读 · 0 评论 -
捷联惯导系统学习6.13(状态估计的误差分配与可观测度分析 )
实际上,现实系统的工作时间总是有限的,通常不会出现绝对稳定的情况,在有限的时间内滤波结果或多或少会受到初值的影响。对于高维数的时变随机系统,不可能从理论上用解析方法分析滤波器的稳定性和状态估计效果...原创 2020-10-22 20:55:14 · 648 阅读 · 0 评论 -
捷联惯导系统学习6.12(随机系统的可控性、可观性与滤波器的稳定性分析 )
随机系统模型为{Xk=Φk/k−1Xk−1+Γk/k−1Wk−1Zk=HkXk+Vk\begin{cases} X_k=\Phi_{k/k-1}X_{k-1}+\Gamma_{k/k-1}W_{k-1}\\Z_k=H_kX_k+V_k\\\end{cases}{Xk=Φk/k−1Xk−1+Γk/k−1Wk−1Zk=HkXk+Vk随机可控性如果对于时刻j,存在正整数N,使得:Λ(j,j+N):随机可控性格莱姆矩阵\Lambda(j,j+N):随机可控性格莱姆矩阵Λ(j,j+N原创 2020-10-21 13:33:59 · 595 阅读 · 1 评论 -
捷联惯导系统学习6.10(间接滤波与滤波矫正 )
非线性系统的拆分已知非线性随机系统模型:{Xk=g(Xk−1,Wk−1)Zk=j(Xk,Vk)\begin{cases}X_k=g(X_{k-1},W_{k-1})\\Z_k=j(X_k,V_k)\\\end{cases}{Xk=g(Xk−1,Wk−1)Zk=j(Xk,Vk)g()和j()g()和j()g()和j()均是非线性的向量函数,将原始系统式分解为两部分:{Xk=Xkn+ΔXkZk=h(ΔXk)+Vk\begin{cases}X_k=X^n_k+\Delta X_k\\原创 2020-10-20 14:46:48 · 374 阅读 · 0 评论 -
捷联惯导系统学习6.9(非线性滤波方法 )
对于非线性系统,先进行泰勒级数展开,略去高阶项近似为线性系统,再做线性kalman估计。向量的泰勒级数展开某一个含n个自变量,m维向量函数f(x)f(x)f(x)如下:Y=f(x),X=[x1x2...xn]T,Y=[y1y2...yn]TY=f(x),X=\left[\begin{matrix}x_1&x_2&...&x_n \end{matrix}\right]^T,Y=\left[\begin{matrix}y_1&y_2&...&y_n \en原创 2020-10-19 15:47:51 · 174 阅读 · 0 评论 -
捷联惯导系统学习6.8(最优平滑算法 )
1111原创 2020-10-16 15:07:17 · 1665 阅读 · 0 评论 -
捷联惯导系统学习6.6(Sage-Husa自适应滤波 )
原理作用只有准确的获得系统的结构参数和噪声统计特性参数,才能获得最优值的状态估计,实际中往往是不够准确的可以使用量测输出(输出隐含了系统模型的某些信息)对系统系统模型进行重新估计。 量测噪声方差阵自适应算法系统状态空间Xk:n维状态向量X_k:n维状态向量Xk:n维状态向量Zk:m维测量向量Z_k:m维测量向量Zk:m维测量向量Φk/k−1:已知的系统结构参数\Phi_{k/k-1}:已知的系统结构参数Φk/k−1:已知的系统结构参数Γk/k−1:已知的系统结构参数,分别为n×l阶系.原创 2020-10-14 13:44:49 · 3803 阅读 · 0 评论 -
捷联惯导系统学习6.5(遗忘滤波 )
原理作用当系统建模存在偏差时,滤波器往往出现过度拟合,不能反映系统真实状态,均方误差阵PkP_kPk并不能反映状态估计精度。解决办法是修改系统噪声Qk,Q_k,Qk,和量测噪声RkR_kRk的权重,从而减少历史信息的权重,相对提高了新信息的权重,减小系统惯性,在建模不准情况下改善滤波性能。系统状态空间Xk:n维状态向量X_k:n维状态向量Xk:n维状态向量Zk:m维测量向量Z_k:m维测量向量Zk:m维测量向量Φk/k−1:已知的系统结构参数\Phi_{k/k-1}:已知的系统结构参.原创 2020-10-14 09:59:09 · 400 阅读 · 0 评论 -
捷联惯导系统学习6.4(UD分解滤波 )
UD(unit upper traingular& diagonal factorization)分解滤波UD(unit upper traingular& diagonal factorization)分解P:n阶正定的对称矩阵P:n阶正定的对称矩阵P:n阶正定的对称矩阵对矩阵P进行上三角-对角分解:U:上三角阵U:上三角阵U:上三角阵D:对角阵D:对角阵D:对角阵P=UDUTP=[P11P12...P1nP21P22...P2n............Pn1Pn2...Pnn原创 2020-10-13 13:58:33 · 1605 阅读 · 1 评论 -
捷联惯导系统学习6.4(奇异值分解滤波 )
奇异值(singular Value Decomposition,SVD)分解滤波将三角阵的求逆变为对角阵(plotter平方根滤波)的求逆,大大降低计算量已知kalman滤波均方误差阵更新公式如下:Pk/k−1=Φk/k−1Pk−1Φk/k−1T+Γk−1Qk−1Γk−1TPk−1=Pk/k−1−1+HkTRk−1HkP_{k/k-1}=\Phi_{k/k-1}P_{k-1}\Phi^T_{k/k-1}+\Gamma_{k-1}Q_{k-1}\Gamma_{k-1}^T \\P_k^{-1}=P_原创 2020-10-12 11:23:35 · 667 阅读 · 0 评论 -
捷联惯导系统学习6.4(平方根滤波 )
平方根滤波针对经典Kalman滤波中,状态误差阵PkP_kPk是状态估计的平方,可能占有更多位数,所以使用状态误差阵PkP_kPk的平方根进行更新,减少数值位数和计算误差(在早期计算机中比较有校)。Potter平方根滤波将均方误差阵PkP_kPk分解为下三角阵,再求平方根Cholesky分解P:n阶正定对称矩阵P:n阶正定对称矩阵P:n阶正定对称矩阵总可以得到:P=[P11P12...P1nP21P22...P2n............Pn1Pn2...Pnn],Δ=[δ11δ12..原创 2020-10-10 14:06:16 · 1356 阅读 · 1 评论 -
捷联惯导系统学习6.3(信息滤波与信息融合 )
信息滤波在kalman滤波中定义:Pk=E[(Xk−E^[Xk])(Xk−E^[Xk])T]P_k=E[(X_k-\hat E[X_k])(X_k-\hat E[X_k])^T]Pk=E[(Xk−E^[Xk])(Xk−E^[Xk])T]当Pk→0P_k \rightarrow 0Pk→0,X^k\hat X_kX^k接近于真实值。在信息滤波中定义:Ik:信息矩阵I_k:信息矩阵Ik:信息矩阵Ik=Pk−1=E[(Xk−E^[Xk])(Xk−E^[Xk])T]−1I_k=P_k^{原创 2020-10-09 11:16:18 · 345 阅读 · 0 评论 -
捷联惯导系统学习6.2(序贯滤波 )
序贯滤波(sequential Kalman filtering)一种将高维数据原创 2020-10-08 22:13:08 · 2710 阅读 · 0 评论 -
捷联惯导系统学习6.1(一些卡尔曼滤波处理技术 )
狄拉克冲击函数系统的离散化 实际应用中随机系统的建模往往往往时时间连续的,为了进行计算机仿真和kalman估计,需要对量需时间系统离散化系统的离散化 F(t),G(t):时间参数t的确定性时变矩阵F(t),G(t):时间参数t的确定性时变矩阵F(t),G(t):时间参数t的确定性时变矩阵X˙(t)=F(t)X(t)+G(t)w(t)\dot X(t)=F(t)X(t)+G(t)w(t)X˙(t)=F(t)X(t)+G(t)w(t)...原创 2020-09-30 13:44:07 · 549 阅读 · 0 评论 -
捷联惯导系统学习5.3(kalman 滤波方程推导 )
什么是状态空间 什么是状态空间 状态是指在系统中可决定系统状态、最小数目变量的有序集合。 而所谓状态空间则是指该系统全部可能状态的集合。状态空间表示法 即为一种将物理系统表示为一组输入、输出及状态的数学模式,而输入、输出及状态之间的关系可用许多一阶微分方程来描述。为了使数学模式不受输入、输出及状态的个数所影响,输入、输出及状态都会以向量的形式表示,而微分方程(若是线性非时变系统,可将微分方程转变为代数方程)则会以矩阵的形式来来表示。状态转移矩阵 (转移概率矩阵)状态转移是指客观事物由一种状态转原创 2020-09-28 15:16:56 · 477 阅读 · 0 评论 -
捷联惯导系统学习5.2(递归最小二乘法 )
采用递推方式求解最小二乘法(Recursive Least Square RLS)可以有效减小数据存储量。测量方程Z‾k=H‾kX+V‾k\overline Z_k=\overline H_kX+\overline V_kZk=HkX+VkZ‾k=[Z1Z2Z3...Zi],H‾k=[H1H2H3...Hi],V‾k=[V1V2V3...Vi]E[V‾i]=0,E[V‾iV‾iT]=R‾i=diag(R1,R2,R3,...)\overline Z_k=\left[\begin{matrix}Z原创 2020-09-27 10:37:03 · 357 阅读 · 0 评论 -
捷联惯导系统学习5.1(贝叶斯估计、维纳滤波)
贝叶斯估计贝叶斯风险为最小值时的值为最优值损失函数X~:损失值\tilde X:损失值X~:损失值∣∣.∣∣:范数||.||:范数∣∣.∣∣:范数L(X~)=L(X−X~(Z))L(\tilde X)=L(X-\tilde X(Z))L(X~)=L(X−X~(Z))必须满足:非负性:∣∣X~1∣∣>∣∣X~2∣∣||\tilde X_1||>||\tilde X_2||∣∣X~1∣∣>∣∣X~2∣∣时,有L(X~1)≥L(X~2)≥0L(\tilde X_1)\geq原创 2020-09-26 21:29:17 · 204 阅读 · 0 评论 -
捷联惯导系统学习5.1(极大似然估计、极大验后估计\加权最小二乘估计)
极大似然估计(Maximum Likelihood,ML)已知:条件概率密度函数:L(x)=p(z∣x)(st:X=x)条件概率密度函数:L(x)=p(z|x) (st:X=x)条件概率密度函数:L(x)=p(z∣x)(st:X=x)此时L(x1)L(x1)L(x1)表示:在X=x1X=x1X=x1处,出现观测点的可能性,L(x1)L(x1)L(x1)可能吸纳越高。定义:在:条件概率密度函数:L(x)=p(z∣x)(st:X=x)条件概率密度函数:L(x)=p(z|x) (st:X=x)条件概原创 2020-09-25 17:39:01 · 307 阅读 · 0 评论 -
捷联惯导系统学习5.1(最小方差估计和线性最小方差估计)
最小方差估计(最小均方误差MMSE,也称条件期望估计)使方差最小即:X:系统状态量X:系统状态量X:系统状态量V:干扰噪声V:干扰噪声V:干扰噪声X~:估计值与系统状态误差\tilde{X}:估计值与系统状态误差X~:估计值与系统状态误差EX:数学期望E_X:数学期望EX:数学期望MMSE[X^]=MSE[X^]min=tr(E[X~X~T])minMMSE[\hat X]=MSE[\hat X]_{min}=tr(E[\tilde{X}\tilde{X}^T])_{min}MMSE[X^]=原创 2020-09-25 12:01:46 · 1815 阅读 · 0 评论 -
捷联惯导系统学习5.1(几种最优估计方法)
随机向量的概率密度函数需要掌握概念:随机变量、联合密度函数、边缘分布函数、条件概率密度函数随机变量定义:对任意实数x,{ω:X(ω)<=x}∈F(理解)X(w):(1)实值函数 (2)X(w)是可测的离散型随机变量的X的取值的期望:散型随机变量baiX的取值和为X对应取值的概率为:X1、X2、X3……Xn,p(X1)、p(X2)、p(X3)……p(Xn)、可则:期望为连续型随机变量的X的取值的期望:f(x):为概率密度函数f(x):为概率密度函数f(x):为概率密度函数联合概率密原创 2020-09-24 20:08:20 · 1033 阅读 · 0 评论 -
捷联惯导系统学习4.3(静基座误差)
捷联惯导的动态误差传播本身是一个复杂的时变系统,与特定航行轨迹密切相关,很难去求解。但在静基座条件下,误差传播退化成一个线性定常系统,通过获得其解析,解获得惯导误差传播特性。静基座误差方程静基座条件:vn=0;p=[Lλh]T(固定已知);(roll,yaw,pitch,不变)v^n=0;p=\left[\begin{matrix} L&\lambda&h\end{matrix}\right]^T(固定已知);(roll,yaw,pitch,不变)vn=0;p=[Lλh]T(固定原创 2020-09-23 10:48:41 · 1169 阅读 · 0 评论 -
捷联惯导系统学习4.2(捷联惯导误差方程)
惯性传感器测量误差(静态误差)三轴陀螺仪与加速度计测量误差模型一样,只介绍陀螺仪的。静态误差主要包含:陀螺刻度系数误差、失准角误差、不正交误差。w:真实值;w=[wxwywz]w:真实值;w=\left[\begin{matrix} w_x\\w_y\\w_z \end{matrix}\right]w:真实值;w=⎣⎡wxwywz⎦⎤wg:测量值wg=[wgxwgywgz]w_g:测量值w_g=\left[\begin{matrix} w_{gx}\\w_{gy}\\w_{gz} \en原创 2020-09-21 13:05:28 · 1629 阅读 · 0 评论 -
捷联惯导系统学习4.1(惯导数值更新算法)
1 常用坐标系的定义(1)地心惯性坐标系(i 系,inertial frame)用oixiyizio_ix_iy_iz_ioixiyizi表示,原点以地球为中心,原点oio_ioi在地球中心oixio_ix_ioixi在地球平面内,指向春分点oizio_iz_ioizi为地球自转轴,指向北极oiyio_iy_ioiyi轴在地球平面内,垂直于oixio_ix_ioixi和oizio_iz_ioizi(2)地球坐标系(e 系,earth frame)(地心固坐标系)原创 2020-09-17 18:05:03 · 1106 阅读 · 1 评论 -
捷联惯导系统学习3.3(重力位函数和重力计算)
重力位函数(1)定义引力位函数为:www为地球自转速度Q=w22(x2+y2)=w22r2sin2θQ=\frac{w^2}{2}(x^2+y^2)=\frac{w^2}{2}r^2sin^2\thetaQ=2w2(x2+y2)=2w2r2sin2θ引力位函数的梯度函数:gradQ=[∂Q∂x∂Q∂y∂Q∂z]gradQ=\left[\begin{matrix}\frac{\partial Q}{\partial x}&\frac{\partial Q}{\partial y}&原创 2020-09-16 11:14:24 · 1080 阅读 · 0 评论 -
捷联惯导系统学习3.3(引力位函数)
参数说明:M:地球总质量M:地球总质量M:地球总质量dm:地球上的质量微元dm:地球上的质量微元dm:地球上的质量微元m′:地球外部空间上的一个质点m':地球外部空间上的一个质点m′:地球外部空间上的一个质点p:m与dm之间的距离p:m与dm之间的距离p:m与dm之间的距离万有引力大小为:f=Gdm∗m′p2f=\frac{Gdm*m'}{p^2}f=p2Gdm∗m′引力位函数若外有引力做工(从无穷远移动到半径p处)为:A=∫∞p−Gdm∗mp2=Gdm∗m′p若外有引力做工(从无穷远移.原创 2020-09-15 15:50:52 · 1754 阅读 · 0 评论 -
捷联惯导系统学习3.3(球谐函数的基本概念)
拉普拉斯方程如果三元函数u(x,y,z)u(x,y,z)u(x,y,z)在空间Ω\OmegaΩ的偏微分满足如下条件:则u为球谐函数/调和函数∇u=∂2u∂x2+∂2u∂y2+∂2u∂z2=0(拉普拉斯方程)\nabla u=\frac{\partial^2 u}{\partial x^2}+\frac{\partial^2 u}{\partial y^2}+\frac{\partial^2 u}{\partial z^2}=0(拉普拉斯方程)∇u=∂x2∂2u+∂y2∂2u+∂z2∂2u=0(拉.原创 2020-09-11 16:50:32 · 1042 阅读 · 0 评论 -
捷联惯导系统学习3.2(地球的正常重力场)
11原创 2020-09-10 10:32:16 · 485 阅读 · 0 评论 -
捷联惯导系统学习3.1(地球形状描述)
地球的三种模型:(1)近似为圆,半径R=6371(2)近似为旋转椭球体,椭圆度约为1300\frac{1}{300}3001长短半轴相差21km(常用)(3)近似成三轴椭球体,赤道为椭圆,长短轴相差60m,椭圆度约为1100000\frac{1}{100000}1000001...原创 2020-09-09 10:02:08 · 1579 阅读 · 0 评论 -
捷联惯导系统学习2.7(多项式条件下的等效旋转矢量精确求解)
在使用角增量多样子式求解等效旋转时,原理是使用Bortz方程2阶近似性得到的(忽略高阶项),导致原理上不可避免的会差生误差,使用Bortz方程给出基于多项时迭代的等效旋转矢量,可以避免原理性近似误差。角运动的多项式描述:假设:角速度w(t)w(t)w(t)w(t)=W[tN−1tN−2...1]w(t)=W\left[\begin{matrix} t^{N-1}\\t^{N-2}\\...\\1\\\end{matrix}\right]w(t)=W⎣⎢⎢⎡tN−1tN−2...1⎦⎥⎥⎤原创 2020-09-07 17:09:00 · 315 阅读 · 0 评论 -
捷联惯导系统学习2.6(圆锥误差补偿多子样算法)
若圆锥运动的四元数更新方程为:Q(tm)=Q(Tm−1)。Q(T)Q(t_m)=Q(T_{m-1})。Q(T)Q(tm)=Q(Tm−1)。Q(T)( 。。。四元数乘法)( Q(T)Q(T)Q(T)四元数周期内变化量)得到:(Ω\OmegaΩ震动频率;θ=∣ϕ∣\theta=|\phi|θ=∣ϕ∣)Q(T)=Q∗(tm−1)Q(Tm)=MQ∗(tm−1)Q(tm)Q(T)=Q^*(t_{m-1})Q(T_{m})=M_{Q^*(t_{m-1})}Q(t_m)Q(T)=Q∗(tm−1)Q(Tm原创 2020-09-07 11:54:13 · 1690 阅读 · 0 评论 -
捷联惯导系统学习2.6(圆锥运动的4种表达方式)
机械陀螺仪的基本特性(章动):当陀螺仪收到瞬时冲击力矩后,自转轴在原位置附近做微小的圆锥运动,期转子轴的大小方向不变。圆锥运动(震动环境中产生 ):刚体在受到环境影响或者本身具有角速度时,在两个正交轴方向存在频率相同但相角不同的震动速率,会造成刚体围绕第三个正交轴做近似圆锥运动参数说明:www相对角速度;Ω\OmegaΩ震动频率;a,b,ca,b,ca,b,c均为常数在进行圆锥运动下的陀螺仪角速度为w(t)=[aΩsin(Ωt)bΩcos(Ωt)c]w(t)=\left[\begin{matri原创 2020-09-04 14:19:36 · 1994 阅读 · 0 评论 -
捷联惯导系统学习2.5(等效旋转矢量微分方程的泰勒级数解)
在高精度的捷联惯导系统中,陀螺仪姿态的解算往往是通过采集一定时间内的角增量信息,计算角增量信息计算出等效旋转矢量,在通过等效旋转矢量递推余弦阵或者四元数,完成姿态更新。等效旋转矢量微分方程的泰勒级数解利用泰勒级,计算出数角增量的等效旋转矢量。二字样法:假设:0-T时间(4元数更新时间段)内陀螺仪为线性输出即:w(t)=a+2bt(t∈[0,T])w(t)=a+2bt( t\in[0,T])w(t)=a+2bt(t∈[0,T])Δθ(t)=∫0tw(t′)dt′=at+bt2\Delta \th原创 2020-09-03 10:56:22 · 702 阅读 · 0 评论 -
坐标系转动的4种数学表示方式
(1)(等效旋转矢量)ϕ=w+12ϕ×w+1θ2(1−θ2cotθ2)(ϕ)2w\phi=w+\frac{1}{2}\phi\times w+\frac{1}{\theta^2}(1-\frac{\theta}{2}cot\frac{\theta}{2})(\phi)^2wϕ=w+21ϕ×w+θ21(1−2θcot2θ)(ϕ)2w(2)(4元数)q=cosθ2+usinθ2q=cos\frac{\theta}{2}+usin\frac{\theta}{2}q=cos2θ+usin2θ(3).原创 2020-09-02 20:58:40 · 884 阅读 · 0 评论 -
捷联惯导系统学习2.5(等效旋转矢量微分方程)
已知三维旋转矢量关系如下:(证明略)参数说明:ViV_iVi表示三维空间矢量v=∣V∣=VVTv=|V|=\sqrt{VV^T}v=∣V∣=VVT表示矢量模值uuu为与V同方向的单位矢量即:∣u∣=1|u|=1∣u∣=1(1)Vv˙=V×V×V˙v+vV˙V\dot v=\frac{V\times V\times \dot V}{v}+v\dot VVv˙=vV×V×V˙+vV˙(2)u˙=−V×V×V˙v3\dot u=-\frac{V\times V\times \dot V}{v^3原创 2020-09-02 20:11:36 · 899 阅读 · 0 评论