论文部分内容阅读
随着微机械惯性传感器技术的迅速发展,使得基于MEMS惯性传感器的航姿系统在民用领域得到了广泛的应用,在基于MEMS惯性传感器的惯性导航技术中,传感器的精度是决定整个导航系统精度的主要因素之一,而在所有影响传感器精度的因素当中,陀螺仪的温度误差是陀螺仪误差的主要部分。因此,准确建立MEMS陀螺仪的温度误差模型来提高传感器的精度,对于航姿参考系统来说至关重要。本文研究一种基于MEMS惯性传感器与定点数字信号处理器(DSP)的微小型航姿参考系统,并用三种方法来建立该系统中所使用的MEMS陀螺仪的温度误差模型,最后对系统实现时用定点处理器来模拟浮点运算的方法进行了研究。本论文首先介绍了航姿参考系统的基本理论和工作原理,包括惯导系统中的常用坐标系的定义、载体的姿态表示与坐标变换、惯性导航系统的基本方程以及姿态方程,并对捷联航姿参考系统的组成以及工作原理做了初步阐述,同时也介绍了本论文使用到的微小型航姿参考系统中微机械惯性传感器的工作原理及其工作特性。其次,本论文给出了整个基于MEMS惯性传感器的航姿参考系统的总体设计方案。此系统由航姿数据采集模块,微处理器及其外围电路和电源模块三大部分组成。航姿数据采集模块由AD公司的MEMS陀螺仪ADXRS620和MEMS加速度计ADXL204以及Honeywell公司的HMC1053磁强计组成,传感器采集的模拟信号经由TI公司的模数转换器ADS1158进行模数转换送入到DSP中进行处理;微处理器采用AD公司的ADSP-BF506F定点DSP;电源模块采用单5V电源供电,经过多个电源转换模块由5V电源分别产生各个功能模块所需的电源。然后,本论文研究了用三种方法,包括最小二乘建模、BP神经网络以及小波包分析方法分别建立微惯性陀螺仪的零点温度模型和比例因子的温度模型。介绍了这三种方法的基本原理,然后用实验数据进行仿真,并对仿真结果进行了分析。结果表明用小波分析建模的误差最小,BP神经网络效果次之,误差最大的为最小二乘法建模,然而由于小波分析建模后的温度误差模型在算法实现时比较复杂,而最小二乘法的误差较大,因此,在目前处理器主频足够高的情况下,使用BP神经网络来建立MEMS陀螺仪的温度误差模型是一个行之有效的方法。最后,本文还对系统实现时需要考虑到的定点处理器模拟浮点运算的方法进行了研究,在保证实时性的前提下,提高了数据处理的精度。详细介绍定点DSP模拟浮点运算的原理和试验方法并对该方法进行了仿真分析。