(三)中对SINS的机械编排进行了初步可行性的介绍,并未对机械编排进行原理性介绍。那么在详细介绍机械编排之前,需要先对SINS的微分方程进行详细的推导。

无论是机械编排,还是后面误差方程的建立,SINS的微分方程都是其重要的基础内容。那么本文在基于严恭敏《惯性导航》的基础上,对SINS中常见的微分方程进行推导。

(二)中对INS常用的坐标系统及转换进行了介绍,同时介绍了姿态的三种表示方法,以及三种方法之间的相互转换。

1. 姿态的三种表示方法

  • 欧拉角法
    欧拉角法对应于载体坐标系的三个旋转角(roll, pitch, yaw)
  • 方向余弦矩阵法
    方向余弦矩阵(DCM)又被称为“坐标变换矩阵”,用于将矢量投影从一个坐标系变换到另一个坐标系中。
  • 四元素法
    四元数法是指有一个实数单位1和三个虚数单位i,j,k组成并具有如下形式实元的数。

下面对姿态微分方程的推导是也是基于这三种方法进行推导。

2. 姿态微分方程推导

欧拉角微分方程

欧拉角的旋转方式有很多种,常用的是ZYX旋转。这里的旋转指的是欧拉角的定义方式上的旋转。如下图所示,即为ZYX旋转。

上面三次旋转都对应一个坐标转换矩阵,这里分别为RψR_\psiRψ​、RθR_\thetaRθ​、RϕR_\phiRϕ​。其具体形式不在这里给出,感兴趣的可以自行搜索。

欧拉角微分方程的推导就对应着上面三次旋转。
1)第一次旋转
绕原始坐标系Z轴旋转产生ψ\psiψ角,产生的旋转角速度在旋转后的临时坐标系1中的表示是绕Z轴方向,因此在1系中的表示为:ω^1=[00ψ˙]\hat \omega_1=\begin{bmatrix} 0 \\ 0 \\ \dot \psi\end{bmatrix}ω^1​=⎣⎡​00ψ˙​​⎦⎤​
2)第二次旋转
绕中间坐标系1系Y轴旋转θ\thetaθ角,产生的旋转角速度在旋转后的临时坐标系2中的表示也是绕Y轴方向, 因此在2系中很好表示,但是旋转也改变了第一次旋转角速度的表示。因此前两次旋转在2系中的表示为:ω^2=[0θ˙0]+Rθω^1=[−ψ˙sinθθ˙ψ˙cosθ]\hat \omega_2=\begin{bmatrix} 0 \\ \dot \theta \\ 0\end{bmatrix}+R_\theta \hat \omega_1=\begin{bmatrix} -\dot \psi sin \theta \\ \dot \theta \\ \dot \psi cos \theta\end{bmatrix}ω^2​=⎣⎡​0θ˙0​⎦⎤​+Rθ​ω^1​=⎣⎡​−ψ˙​sinθθ˙ψ˙​cosθ​⎦⎤​
3)第三次旋转
绕中间坐标系2系的X轴旋转ϕ\phiϕ角,产生的旋转角速度在旋转后的最终坐标系中的表示也是绕X轴方向,但是同样改变了前两次旋转角速度的表示,三次旋转在最终坐标系中的表示为:ω^b=[ϕ˙00]+Rϕω^2=[10−sinθ0cosϕsinϕcosθ0−sinϕcosϕcosθ][ϕ˙θ˙ψ˙]\hat \omega_b=\begin{bmatrix} \dot \phi \\ 0 \\ 0\end{bmatrix}+R_\phi \hat \omega_2=\begin{bmatrix} 1&0&-sin\theta \\ 0&cos\phi&sin\phi cos\theta \\ 0 & -sin\phi & cos\phi cos\theta \end{bmatrix}\begin{bmatrix} \dot \phi \\ \dot \theta \\ \dot \psi\end{bmatrix}ω^b​=⎣⎡​ϕ˙​00​⎦⎤​+Rϕ​ω^2​=⎣⎡​100​0cosϕ−sinϕ​−sinθsinϕcosθcosϕcosθ​⎦⎤​⎣⎡​ϕ˙​θ˙ψ˙​​⎦⎤​
即ω^b=[10−sinθ0cosϕsinϕcosθ0−sinϕcosϕcosθ][ϕ˙θ˙ψ˙]\hat \omega_b=\begin{bmatrix} 1&0&-sin\theta \\ 0&cos\phi&sin\phi cos\theta \\ 0 & -sin\phi & cos\phi cos\theta \end{bmatrix}\begin{bmatrix} \dot \phi \\ \dot \theta \\ \dot \psi\end{bmatrix}ω^b​=⎣⎡​100​0cosϕ−sinϕ​−sinθsinϕcosθcosϕcosθ​⎦⎤​⎣⎡​ϕ˙​θ˙ψ˙​​⎦⎤​
其中ω^b=[ωnb,xbωnb,ybωnb,zb]\hat \omega_b =\begin{bmatrix}\omega^b_{nb,x} \\ \omega^b_{nb,y} \\ \omega^b_{nb,z} \end{bmatrix} ω^b​=⎣⎡​ωnb,xb​ωnb,yb​ωnb,zb​​⎦⎤​
对矩阵求逆即可得到欧拉角微分方程。欧拉角微分方程在惯导和组合导航中用的不多。
方向余弦矩阵微分方程
欧拉角和DCM之间是可以相互转换的。上述欧拉角三次旋转是对应的旋转矩阵相乘就是DCM。即Rnb=Rψ⋅Rθ⋅Rϕ=[cosθcosψ−cosϕsinψ+sinϕsinθcosψsinϕsinψ+cosϕsinθcosψcosθsinψcosψcosϕ+sinψsinθsinϕ−cosψsinϕ+sinψsinθcosϕ−sinθsinϕcosθcosθcosϕ]R^b_n=R_\psi \sdot R_\theta \sdot R_\phi=\begin{bmatrix} cos\theta cos\psi & -cos\phi sin\psi+sin\phi sin\theta cos\psi & sin\phi sin\psi+cos\phi sin\theta cos\psi \\ cos\theta sin\psi & cos\psi cos\phi + sin\psi sin\theta sin\phi & -cos\psi sin\phi + sin\psi sin\theta cos\phi \\ -sin\theta & sin\phi cos\theta & cos\theta cos\phi \end{bmatrix} Rnb​=Rψ​⋅Rθ​⋅Rϕ​=⎣⎡​cosθcosψcosθsinψ−sinθ​−cosϕsinψ+sinϕsinθcosψcosψcosϕ+sinψsinθsinϕsinϕcosθ​sinϕsinψ+cosϕsinθcosψ−cosψsinϕ+sinψsinθcosϕcosθcosϕ​⎦⎤​
当三个欧拉角为小角度的时候,由极限知识可得:Ryx=[1−ψxyθxyψxy1−ϕxy−θxyϕxy1]=I+(v×),v=[ϕxyθxyψxy]R^x_y=\begin{bmatrix} 1 & -\psi_{xy} & \theta_{xy} \\ \psi_{xy} & 1 & -\phi_{xy} \\ -\theta_{xy} & \phi_{xy} & 1\end{bmatrix}= I +(v \times), v=\begin{bmatrix} \phi_{xy} \\ \theta_{xy} \\ \psi_{xy} \end{bmatrix}Ryx​=⎣⎡​1ψxy​−θxy​​−ψxy​1ϕxy​​θxy​−ϕxy​1​⎦⎤​=I+(v×),v=⎣⎡​ϕxy​θxy​ψxy​​⎦⎤​
另外,需要注意的是转置存在如下关系:
Cb(tk)b(tj)=I−(Δθb(tk)b(tj)×),Cb(tj)b(tk)=I+(Δθb(tk)b(tj)×)C^{b(t_j)}_{b(t_k)}=I-(\Delta \theta_{b(t_k)b(t_j)} \times), C^{b(t_k)}_{b(t_j)}=I+(\Delta \theta_{b(t_k)b(t_j)}\times)Cb(tk​)b(tj​)​=I−(Δθb(tk​)b(tj​)​×),Cb(tj​)b(tk​)​=I+(Δθb(tk​)b(tj​)​×)
(1)设r为空间向量,由哥氏定理:
drdt∣n=drdt∣b+ωnb×r\frac{dr}{dt}|_n=\frac{dr}{dt}|_b+\omega_{nb}\times rdtdr​∣n​=dtdr​∣b​+ωnb​×r
(2)上式向b系投影:
drdt∣nb=drdt∣bb+(ωnb×r)b\frac{dr}{dt}|^b_n=\frac{dr}{dt}|^b_b+(\omega_{nb}\times r)^bdtdr​∣nb​=dtdr​∣bb​+(ωnb​×r)b
(3)由于:
drdt∣bb=r˙b\frac{dr}{dt}|^b_b=\dot r^bdtdr​∣bb​=r˙b
(ωnb×r)b=ωnbb×rb(\omega_{nb} \times r)^b=\omega^b_{nb}\times r^b(ωnb​×r)b=ωnbb​×rb
(4)代入到(2)式得:
r˙b=drdt∣nb−ωnbb×rb\dot r^b=\frac{dr}{dt}|^b_n-\omega^b_{nb}\times r^br˙b=dtdr​∣nb​−ωnbb​×rb
(5)由于rb=Cnbrnr^b=C^b_nr^nrb=Cnb​rn,对其两边求导:
r˙b=C˙nbrn+cnbr˙n=C˙nbrn+Cnbdrdt∣nn\dot r^b=\dot C^b_n r^n+c^b_n \dot r^n=\dot C^b_n r^n+C^b_n\frac{dr}{dt}|^n_nr˙b=C˙nb​rn+cnb​r˙n=C˙nb​rn+Cnb​dtdr​∣nn​
(6)上式中Cnbdrdt∣nnC^b_n\frac{dr}{dt}|^n_nCnb​dtdr​∣nn​即位drdt∣nb\frac{dr}{dt}|^b_ndtdr​∣nb​,所以上式变为:
r˙b=C˙nbrn+drdt∣nb\dot r^b=\dot C^b_n r^n+\frac{dr}{dt}|^b_nr˙b=C˙nb​rn+dtdr​∣nb​
(7)式与(4)式对比可得:
C˙nb=−ωnbb×rb=−ωnbb×Cnbrn=−ωnbbkCnbrn\dot C^b_n=-\omega^b_{nb}\times r^b=-\omega^b_{nb}\times C^b_n r^n=-\omega^{bk}_{nb}C^b_nr^nC˙nb​=−ωnbb​×rb=−ωnbb​×Cnb​rn=−ωnbbk​Cnb​rn
(8)最终得:
C˙nb=−ωnbbkCnb\dot C^b_n=-\omega^{bk}_{nb}C^b_nC˙nb​=−ωnbbk​Cnb​
转置得:
C˙bn=Cbnωnbbk\dot C^n_b=C^n_b\omega^{bk}_{nb}C˙bn​=Cbn​ωnbbk​
其中,ωnbbk\omega^{bk}_{nb}ωnbbk​为旋转欧拉角向量的反对称矩阵。
四元素微分方程
(1)定义b系到n系的四元素为Q,则用欧拉角表示为
Q=cosθ2+μRsinθ2Q=cos\frac{\theta}{2}+\mu^Rsin\frac{\theta}{2}Q=cos2θ​+μRsin2θ​
(2)对上式两边求导:
dQdt=−θ˙2sinθ2+μRθ˙2cosθ2+sinθ2dμRdt\frac{dQ}{dt}=-\frac{\dot \theta}{2}sin \frac{\theta}{2}+\mu^R\frac{\dot \theta}{2}cos\frac{\theta}{2}+sin\frac{\theta}{2}\frac{d\mu^R}{dt}dtdQ​=−2θ˙​sin2θ​+μR2θ˙​cos2θ​+sin2θ​dtdμR​
(3)由哥氏定理:
dμRdt=CbRdμbdt+ωRbR×μR\frac{d\mu^R}{dt}=C^R_b\frac{d\mu^b}{dt}+\omega^R_{Rb}\times \mu^RdtdμR​=CbR​dtdμb​+ωRbR​×μR
(4)其中:dμbdt=0\frac{d\mu^b}{dt}=0dtdμb​=0,且ωRbR=θ˙μR\omega^R_{Rb}=\dot \theta \mu^RωRbR​=θ˙μR,故dμRdt=0\frac{d\mu^R}{dt}=0dtdμR​=0
(5)则(2)式变为:
dQdt=−θ˙2sinθ2+μRθ˙2cosθ2\frac{dQ}{dt}=-\frac{\dot \theta}{2}sin \frac{\theta}{2}+\mu^R\frac{\dot \theta}{2}cos\frac{\theta}{2}dtdQ​=−2θ˙​sin2θ​+μR2θ˙​cos2θ​
(6)对(1)式两边乘θ˙2μR\frac{\dot \theta}{2}\mu^R2θ˙​μR得:
θ˙2μR⊗Q=θ˙2μR⊗(cosθ2+μRsinθ2)=θ˙2μRcosθ2+μR⊗μRsinθ2=θ˙2μRcosθ2−sinθ2\frac{\dot\theta}{2}\mu^R\otimes Q=\frac{\dot\theta}{2}\mu^R\otimes( cos\frac{\theta}{2}+\mu^Rsin\frac{\theta}{2})=\frac{\dot\theta}{2}\mu^R cos\frac{\theta}{2}+\mu^R \otimes \mu^R sin\frac{\theta}{2}=\frac{\dot \theta}{2} \mu^Rcos\frac{\theta}{2}-sin\frac{\theta}{2}2θ˙​μR⊗Q=2θ˙​μR⊗(cos2θ​+μRsin2θ​)=2θ˙​μRcos2θ​+μR⊗μRsin2θ​=2θ˙​μRcos2θ​−sin2θ​
(7) 则(5)与(6)相比即有:
dQdt=θ˙2μR⊗Q=12ωRbR⊗Q=12Q⊗ωRbb=12WQ\frac{dQ}{dt}=\frac{\dot \theta}{2} \mu^R \otimes Q=\frac{1}{2}\omega^R_{Rb}\otimes Q=\frac{1}{2}Q\otimes \omega^b_{Rb}=\frac{1}{2}WQdtdQ​=2θ˙​μR⊗Q=21​ωRbR​⊗Q=21​Q⊗ωRbb​=21​WQ
上式即为四元素微分方程。其中w为欧拉角向量的反对称矩阵。
速度微分方程

  • 地速:drdt∣e=ve\frac{dr}{dt}|_e=vedtdr​∣e​=ve
  • 哥氏方程:drdt∣a=drdtb+ωab×r\frac{dr}{dt}|_a=\frac{dr}{dt}_b+\omega_{ab}\times rdtdr​∣a​=dtdr​b​+ωab​×r
  • 导航方程:d2rdt2∣i=f+g\frac{d^2r}{d t^2}|_i=f+gdt2d2r​∣i​=f+g

(1)由哥氏方程和地速定义(i 系):
drdt∣i=drdt∣e+ωie×r=ve+ωie×r\frac{dr}{dt}|_i=\frac{dr}{dt}|_e+\omega_{ie}\times r=v_e+\omega_{ie}\times rdtdr​∣i​=dtdr​∣e​+ωie​×r=ve​+ωie​×r
(2)在i系下求导:
d2rdt2=dvedt∣i+ddt(ωie×r)∣i\frac{d^2 r}{dt^2}=\frac{dv_e}{dt}|_i+\frac{d}{dt}(\omega_{ie}\times r)|_idt2d2r​=dtdve​​∣i​+dtd​(ωie​×r)∣i​
(3)利用导航方程整理可得:
dvedt∣i=f+g−dωiedt∣i×r−ωie×drdt∣i=f+g−ωie×(ve+ωie×r)=f−ωie×ve+(g−ωie×(ωie×r))=f−ωie×ve+gl\frac{dv_e}{dt}|_i=f+g-\frac{d\omega_{ie}}{dt}|_i\times r-\omega_{ie}\times \frac{dr}{dt}|_i=f+g-\omega_{ie}\times(v_e+\omega_{ie}\times r)=f-\omega_{ie}\times v_e+(g-\omega_{ie}\times(\omega_{ie}\times r))=f-\omega_{ie}\times v_e+g_ldtdve​​∣i​=f+g−dtdωie​​∣i​×r−ωie​×dtdr​∣i​=f+g−ωie​×(ve​+ωie​×r)=f−ωie​×ve​+(g−ωie​×(ωie​×r))=f−ωie​×ve​+gl​
投影到i系:
=Cbifb−ωiei×vei+gli=C^i_bf^b-\omega^i_{ie}\times v^i_e + g^i_l=Cbi​fb−ωiei​×vei​+gli​
上式即为速度微分方程。
位置微分方程
在INS中位置是由速度确定,因此其微分方方程也较为简单,在各种书籍论文中常用的位置微分方程如下所示:
r˙n=[ϕ˙λ˙h˙]=[1RM+h0001(RN+h)cosϕ000−1][vNvEvD]=D−1vn\dot r^n=\begin{bmatrix} \dot \phi \\ \dot \lambda \\ \dot h\end{bmatrix}=\begin{bmatrix} \frac{1}{R_M+h} & 0 & 0 \\ 0 & \frac{1}{(R_N+h)cos\phi}&0 \\ 0 & 0 & -1\end{bmatrix}\begin{bmatrix}v_N \\ v_E \\ v_D\end{bmatrix}=D^{-1}v^nr˙n=⎣⎡​ϕ˙​λ˙h˙​⎦⎤​=⎣⎡​RM​+h1​00​0(RN​+h)cosϕ1​0​00−1​⎦⎤​⎣⎡​vN​vE​vD​​⎦⎤​=D−1vn

INS/GNSS组合导航(七)-SINS的微分方程的推导相关推荐

  1. INS/GNSS组合导航(三)松耦合、紧耦合、深度耦合

    0 INS/GNSS组合导航概述 所谓INS/GNSS组合导航,就是利用INS和GNSS两者信息进行融合,从而综合利用两者的优点,实现优势互补,求解实现pose的解算,得到PVA(位置.速度.姿态)的 ...

  2. INS/GNSS组合导航(六)-惯性器件的主要误差

    在SINS的各种误差源中,影响最大的是惯性传感器误差,这其中又包括加速度计和陀螺仪的误差.从误差的性质上可以分为系统误差和随机误差,而从误差源上又可以分为零偏误差.尺度因子误差.安装误差.非线性误差以 ...

  3. INS/GNSS组合导航(二)-INS常用的坐标系统及转换

    一.常用坐标系 由于INS是一种完全自主的导航系统,不与外界发生联系.但是我们又想知道物体的的位置,尤其是其与GNSS组合时需要知道其与GNSS在同一坐标系下的位置信息,这就牵扯到了INS的几个导航系 ...

  4. INS/GNSS组合导航(十二)如何读懂MEMS惯性器件精度?

    系列1跟大家解释了惯性器件中几种不同的陀螺零偏指标以及如何正确地对比器件性能.本系列我们以一款典型MEMS IMU模块为例来带着大家过一遍MEMS的常见精度指标,希望能对大家正确理解和选用MEMS惯性 ...

  5. SINS/GNSS组合导航:SINS误差模型

    SINS导航精度会受到多种误差所带来的影响,其中主要受到三个方面误差所造成的影响,其一是在系统的组装过程中会受到来自硬件精度,安装误差所带来的影响:其二是捷联解方法造成的算法误差,例如初始值误差,对中 ...

  6. INS/GNSS组合导航(三)-SINS的机械编排

    上节介绍了GNSS/INS组合时常用的几种坐标系及其之间的转换,这节就介绍一下SINS的机械编排.SINS即为捷联惯导系统,所谓的机械编排,即为从INS的加速度计和陀螺仪的真实输出值计算推导载体所在位 ...

  7. INS/GNSS组合导航(四)卡尔曼滤波比较之KF/EKF/UKF/PF

    1.摘要 卡尔曼滤波自1960年代发表至今,在各个时间序列估计领域尤其是位置估计.惯性导航等得到了广泛的应用,后续逐渐演化出EKF.UKF以及PF,本文重点对比KF.EKF与UKF及PF的差异及演化来 ...

  8. INS/GNSS组合导航(八)IMU倾斜安装求倾斜角

    1.倾斜安装示意图 将下图手机屏幕想象为车机屏幕,此时车机倾斜安装对应为IMU倾斜安装 2.求解倾斜安装角 定义垂直向下为正方向,与重力的方向一致,水平安装传感器IMU时,对应的三轴加速度测量值: R ...

  9. 基于PSINS工具箱的卡尔曼滤波与SINS/GNSS组合导航

    文章目录 卡尔曼滤波与SINS/GNSS组合导航 典型的SINS/GNSS组合滤波 POS处理 卡尔曼滤波与SINS/GNSS组合导航 用于Kalman滤波的函数有: psinstypedef(nnm ...

最新文章

  1. 泰坦尼克号数据集_机器学习(入门)--Kaggle项目之泰坦尼克号
  2. Android View系统解析(上)
  3. 我们常常意识不到问题的存在,直到有人解决了这些问题
  4. 计算机网络与网页制作教程,计算机网络与网页制作:Dreamweaver CS5案例教程/高等学校通识教育系列教材简介,目录书摘...
  5. hp laser103 属性没有配置项_(常见解决方法)UEditor报错“后端配置项没有正常加载,上传插件不能正常使用”...
  6. Java基本语法(10)--位运算符
  7. MFC中CString.Format的用法
  8. 详解公钥、私钥、数字证书的概念
  9. matlab 非线性方程组画图,使用matlab进行非线性方程组求解
  10. Cisco思科交换机路由器命令快速入门
  11. MapGIS10.3新功能
  12. 【遥感专题系列】微波遥感(二、合成孔径雷达SAR基础)
  13. android 照片同步到iphone,简明教程教你同步安卓设备照片到iCloud照片流
  14. 使用burp suite验证是否存在csrf漏洞
  15. 中国十大会计师事务所排名公布!刚刚,中注协正式通知!
  16. Gimp去除图片背景色方法
  17. 正睿csp七连day3
  18. chrome浏览器的性能测试--本文引用自 百度百科http://baike.baidu.com/view/1835504.htm
  19. 在vscode中使用iconfont阿里字体图标
  20. OneNav简约PHP导航源码

热门文章

  1. LeetCode T46 Permutations
  2. 2022-2028年中国草炭行业市场深度分析及发展趋向分析报告
  3. 单调有界定理适用于函数吗_实数系的连续性定理
  4. [mysql-cj-abandoned-connection-cleanup] org.apache.catalina.loader.WebappClassLoaderBase.checkStateF
  5. 区块链在工业互联网的应用前景
  6. GL_INVALID_OPERATION
  7. 媒体《中国经济新闻联播》采访吴海涛网红云商电商趋势
  8. 读《玺印篆刻赏析》有感
  9. php显示文件内容,php读取文件内容_PHP读取文件内容并输出显示
  10. 如何解决div里面的h4标题拖拽,并且实现div里面的文本能够选中和不能选中的问题