[应用相关] STM32与惯性导航及补偿的解析

[复制链接]
8000|50
 楼主| Diyer2015 发表于 2018-11-22 10:36 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:36 | 显示全部楼层
    导航计算单元是组合导航数据融合过程中主要计算单元,其承担的任务包括
各个导航传感器数据的读取与解析、对传感器的确定性误差进行标定和随机误差
的滤波、四元数导航算法的解算、组合导航Kalman滤波算法的解算等计算过程。
在解算过程中需要处理大量的矩阵运算,因此这就要求处理器在满足性价比的情
况下,计算能力尽可能高;同时还要配备丰富的外设接口,以采集不同的传感器
信号;导航模块的主要功能是输出导航数据提供给操控者,以实现导航功能,这
就要求处理器要配备丰富的通信接口与外部控制系统进行通信。
    本系统选用的导航数据处理芯片是ST公司设计的STM32F I 03主控制器,它
是一款基于ARM Cortex-M3内核的32位微控制器,最高工作频率为72MHz,配
备64K的SRAM和S I 2K的内部Flash闪存。STM32F103以其极高的性价比成为
众多嵌入式设备的首选,它的价格低,并配备了FSMC, TIMER, SPI. IIC. USB.
CAN, IIS, SDIO. ADC. DAC, RTC, DMA等众多外设及功能,具有极高的集
成度。开发难度小,成本低。STM32F 103最小系统的电路原理图如图4-2所示。
 楼主| Diyer2015 发表于 2018-11-22 10:36 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:37 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:38 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:38 | 显示全部楼层
    电子罗盘主要是通过感知地球的磁场来计算北极的方位,地球的磁场比较微
弱,电子罗盘所处环境的其他物品的存在会干扰测量的准确性,因此需要在电子
罗盘的使用场对其进行校准,以消除外部环境的影响。电子罗盘的校准方法有平
面校准方法,8字立体校准法和10面校准法。本文采用平面校准法对电子罗盘进
行校准。
196665bf616a3cc1c5.png
 楼主| Diyer2015 发表于 2018-11-22 10:39 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:39 | 显示全部楼层
8585bf616e057fd0.png
    第一步:根据三轴加速度计各个轴向的分量可以确定初始俯仰角和滚转角,
根据磁力计的输出可以确定初始偏航角,这一过程也称为初始对准,然后根据初
始姿态角计算出初始姿态四元数,并进行规范化处理;
    第二步:读取陀螺仪,加速度和磁力计的输出,并分别将三维矢量进行单位
化处理;
    第三步:利用第二步获取的传感器数据求解四元数微分方程,更新姿态四元
数;
    第四步:将更新的姿态四元数作规范化处理,作为下一次的更新基准,并利
用更新的四元数跟新方向余弦矩阵,求解姿态角;
    第五步:利用更新的方向余弦矩阵将载体坐标系下的加速度矢量转换到导航
坐标系下,并进行积分进行导航速度和位置的解算;
    跳转至第二步,不断循环,输出姿态角和导航速度和位置。
 楼主| Diyer2015 发表于 2018-11-22 10:40 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:40 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:41 | 显示全部楼层
    陀螺仪输出数据的精度主要影响姿态角的精度,为了减小陀螺仪输出数据的
误差的影响。本文对陀螺仪进行了标定与误差处理。如图5-2所示为误差处理前后
陀螺仪各个轴向的输出,本文对陀螺仪进行了静态测试,因此陀螺仪各个轴向的
输出期望值均为00/s,因此在静态条件下,陀螺仪的实际输出就是其误差的大小。

830735bf61740aa4c4.png
 楼主| Diyer2015 发表于 2018-11-22 10:41 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:41 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:41 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:42 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:42 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:43 | 显示全部楼层
96495bf617b686da9.png
    从图5-8(a)(b)的训练过程可以看出,BP神经网络经过560个样本数据的训练
后,红色曲线可以很好的模拟误差模型;从预测结果可以看出,在用561-700这一
部分测试数据进行预测时,其预测结果只是反映了误差的变化趋势,和期望的曲
线之间存在较大的误差,因此并不能很好地逼近误差变化曲线。
 楼主| Diyer2015 发表于 2018-11-22 10:44 | 显示全部楼层

    从图S-9可以看出,Elman神经网络训练过程和BP神经网络一样,在训练过
程中对SINS系统误差模型均能较好的模拟;但在预测结果上,Elman神经网络的
预测明显优于BP神经网络,尤其在对561-650s的GPS信号短暂缺失的时间段里,
经度误差和纬度误差预测曲线几乎与期望的误差曲线重合,表明由于Elman神经
网络的连接层的作用,使得网络对历史数据敏感,其预测阶段利用了过去一段时
间内的变化趋势,因此预测结果更加精确。
534405bf617f41ecce.png
 楼主| Diyer2015 发表于 2018-11-22 10:44 | 显示全部楼层
 楼主| Diyer2015 发表于 2018-11-22 10:44 | 显示全部楼层
您需要登录后才可以回帖 登录 | 注册

本版积分规则

快速回复 在线客服 返回列表 返回顶部