0　引言

航姿系统是一种载体运行过程中航姿参数的信息处理系统，能为载体提供准确可靠的姿态与航行信息。传统的航姿系统基于框架式陀螺，体积偏大,成本偏高,故障率居高不下[1]。随着新型惯性传感器技术的发展，基于微机电技术(Micro Electro Mechanical System, MEMS)的硅微陀螺仪和加速度计以体积小、质量小、可靠性高、启动时间短和对线性过载不敏感的特点，逐渐在捷联式惯性导航系统中使用[2]。MEMS技术的成熟以及对低成本因素的考虑促使微机械陀螺、加速度计得到越来越多的应用[3-4]。以MEMS陀螺仪和加速度计为敏感元件的微型航姿系统已成为航空、航天、导弹及战车导航等诸多领域中重要的发展方向之一[5-6]。

MEMS陀螺器件精度较低，导致其捷联航姿算法解算的姿态精度不高[7]，实际应用中常采用磁传感器进行辅助。MEMS加速度计和磁传感器计算的航向角漂移小，但其动态情况下性能受限，且磁传感器易受干扰，从而影响航姿系统输出信息的精度和可靠性[8]。

因此，本文设计并实现了一种多源信息辅助下的综合航姿系统，提出了一种基于大气/卫星输出信息辅助的融合方案。根据系统的工作模式管理以及GPS的位置信息或大气数据传感器的空速信息，采用Kalman滤波方法实现对航姿系统输出数据的校正，从而保障航姿系统输出信息的性能。

1　多信息辅助的航姿系统构建

1.1　综合航姿系统组成和原理

多信息辅助的航姿系统由惯性测量部件、磁航向传感器和GPS接收机、天线组成。其中，惯性测量部件包含电源模块、导航解算模块、接口模块、3个单轴MEMS陀螺仪、3个单轴MEMS加速度计、大气数据传感器和大气数据解算模块，其系统工作原理框图如图1所示。

图1　系统工作原理框图 Fig.1　Block diagram of system working principle

由图1可知，多信息辅助的航姿系统通过陀螺和加速度计敏感载体的角速率和加速度，并将角速率和加速度信号发送给导航解算模块，通过捷联解算对外输出航向、姿态信息；磁航向传感器敏感地磁并将三轴磁场强度传输给导航解算模块用于解算磁航向；内置GPS接收机向导航解算模块提供位置信息，大气数据解算模块向导航解算模块提供空速和高度信息。在载体姿态更新的过程中由于惯性器件存在误差，严重影响了测量精度。因此，结合已知观测信息，采用Kalman滤波方法进行误差估计，并对航姿系统输出进行校正。

综合航姿系统具有多种工作运行模式，可以根据可用传感器实现多运行模式的自主切换，其模式管理及切换示意如图2所示。不同模式的优先级从高至低排列如下：

图2　综合航姿系统模式切换示意图 Fig.2　Schematic diagram of mode switching in integrated navigation and attitude system

1)GPS辅助航姿系统模式，根据GPS输出信息对航姿系统输出进行修正，从而得到载体的位姿信息。

2)大气数据辅助航姿系统模式，根据大气数据输出信息对航姿系统输出进行修正，从而得到载体的位姿信息。

罗扎诺夫在《落叶》(Павшие листья)中还表达了比另一种“瘙痒”更可怕的力量，比米哈伊洛夫斯基的镣铐更可怕的束缚。 可以拿作家的写作活动做例子来加以说明。 罗扎诺夫说：

3)纯航姿系统模式，根据MEMS惯性器件和磁传感器数据实现载体的位姿信息解算和输出。

我喜欢会安人的生活方式和乐观的精神。会安是一个小镇，周围是稻田和海滩，一整年都阳光普照，最低温度是20℃，这在我的老家诺曼底就是夏天的气温。而且越南的经济形势稳定，在这里开画廊比较容易。

1.2　航姿系统初始对准

式中，δVE、δVN为速度误差，φE、φN、φU为姿态失准角，δL、δλ为经纬度位置误差，εx、εy、εz为陀螺漂移误差，x、y为加速度计零偏误差。

图3　初始对准流程图 Fig.3　Flow chart of initial alignment

2　基于大气/卫星输出数据的航姿系统融合方案

在微型航姿参考系统中，常用的姿态解算算法是基于三轴加速度计和三轴磁传感器，利用重力场和地磁场在地理坐标系和载体坐标系之间的转换及方向余弦矩阵解算姿态角。该方法算法简单，计算量小，易于实现。但是由于加速度计对重力加速度和运动加速度均敏感，并且磁传感器易受铁磁性物质干扰，同时由于低成本MEMS加速度计精度不高，尤其在高机动情况下，直接采用加速度计/磁力计计算的姿态输出并不可靠[9]。为了解决上述问题，提高航姿系统输出的精度和可靠性，本文设计并提出了一种GPS信息和大气信息辅助修正的融合方案，根据传感器可用状态实现滤波器的无缝切换，有效利用多源传感器信息修正航姿系统输出误差。综合航姿系统优先选取GPS位置信息进行滤波修正，当GPS信息无效时，采用空速信息进行滤波修正。

2.1　组合导航系统滤波模型建立

根据航姿系统解算原理，建立其系统状态模型，状态量X(k)选取如下：

X(k)=[　　　δVE　δVN　φE　φN　φU　δL　δλ　 　　　εx　εy　εz　x　y]T

(1)

航姿系统在正常使用前，需要进行初始对准。其原理是根据陀螺和加速度计的输出直接求解俯仰角和横滚角，并结合磁航向传感器提供的航向角信息，建立姿态转移阵作为导航解算的初始姿态阵，同时可以对Kalman滤波器初始矩阵进行初始化。对准完成可以对初始的姿态角度进行判断，大于设定门限，则认为对准失败，对准流程如图3所示。

其速度误差、姿态误差、位置误差、陀螺漂移、加速度计漂移误差方程如下：

(1)速度误差方程

(2)

(1)GPS信息可用模式下的航姿精度分析

(3)

(3)位置误差方程

(4)

(4)陀螺漂移误差方程

采用1阶Markov过程描述陀螺漂移，τg=1800s，为时间常数。

3.幼虾放养。在5月上旬一次放养3cm左右规格整齐一致、体质健壮、活力强、附肢齐全、无病伤、体表光滑无附着物的人工培育幼虾6000尾/亩，混养鲢、鳙、草鱼春片100～150尾，用以调节水质、控制水草过度生长。将幼虾放入塑料盆内添加池水至盆内水温与池水接近，并按盆内水量加入3%～4%的食盐水浸浴5分钟左右消毒，防止把病原体带进池，将虾苗与水一并缓放入池，或倒在塘坡上让其自行爬入池中，有的长途贩运来的虾苗离水时间长，应在水盆中暂养20～30分钟再放养以提高成活率。放养时避免日光曝晒。

(5)

(5)加速度计零偏误差方程

由图2可知，所设计的系统和融合方案中，系统优先选用GPS的位置信息进行Kalman滤波修正，当GPS信息无效后，使用空速信息进行Kalman滤波修正，从而实现与航姿系统输出的无缝融合。

(6)

式中，ΩU=ωiesinL，ΩN=ωiecosL，ωie为地球自转角速率，L为载体纬度信息，RM是地球参考椭球子午面内的曲率半径，RN是地球垂直子午面的法线平面的曲率半径。

当GPS输出信息可用时，组合导航系统的量测值为航姿位置λAHRS、LAHRS和GPS接收机输出位置λGNSS、LGNSS之差，关系如下：

(7)

根据量测值和状态变量的选择，可构成如下的量测方程[10]：

根据对人教版高中语文必修教材现代散文部分的分析，可以看出散文选材具有生活性与广泛性、表达自由性与灵活性的审美特征，拉近了作者、学生与文本的距离。因而，现代散文“研讨与练习”题的设计也既灵活又多样，并遵循学生的认知发展规律，尊重学生的个体性差异。例如，必修4短文三篇中富尔格姆的《信条》，其“研讨与练习”题要求学生联系生活体验阐释自己对“信条”的理解，且可以与教师、同学交流互动；还有《父母与孩子之间的爱》的练习是要学生联系实际对作者的看法做一番评价。这些课后训练既发挥了学生逻辑思维能力，也锻炼了学生组织和运用语言的能力。

Z1=H1X+V1=[0(2×5)　I(2×2)　0(2×5)]X+V1

(8)

式中，V1为GPS位置量测噪声矩阵。

走进圣家堂，首先吸引我的是雄伟错落的树形柱子从屋顶玻璃天窗泄下来的斑驳影子，犹如梦境一般。左右两边，各有一大片色彩斑斓的彩色玻璃，细看之下是不规则细碎的玻璃拼接而成，颜色由浅至深呈渐变，一边是有红色为主的暖色系，另一边是蓝色为主的冷色系，随着早中晚不同阳光，让整个教堂充满梦幻般瑰丽的色彩。从大厅出来，走向地下室，我们还可以看到圣家堂建造团队的工作室，而著名的设计师高迪也被埋在这个地下室。

在GPS信号无效的情况下，多信息辅助下的航姿系统自动切换至大气辅助组合工作方式，此时量测值为航姿速度VE(AHRS)、VN(AHRS)和空速分解的东北向速度VE(ADS)、VN(ADS)之差，关系如下：

字如其人，你的字代表你的性格秉性，甚至你的处事艺术。见字如面，古人常说。洒脱的字体代表你的奔放，拘谨的结构说明你的谨慎，怪异的笔画显露出你的孤僻。字就是你，你就是字。挥毫泼墨之间，性情尽现。

(9)

根据量测值和状态变量的选择，其量测方程如下：

Z2=H2X+V2=[I(2×2)0(2×10)]X+V2

(10)

式中，V2为大气速度量测噪声矩阵。

2.2　组合导航系统滤波融合方法

在建立的系统状态和量测方程的基础上，文中采用Kalman滤波方法实现组合导航系统的信息融合，其递推方程组如下：

状态一步预测为：

(11)

一步预测均方误差为：

(12)

滤波增益为：

(13)

状态估计为：

(14)

考虑现有管理制度约束力量有限，矿业权人违法成本低的情况，建议整合部门信息，促进互享互通，搭建统一平台，建立全领域信用体系。下一步，借机构改革之机，将“异常名录”和“严重违法名单”限制和禁入范围由国土领域扩大到自然资源领域，时机成熟时，进一步将其扩大到其他生产生活领域，建立健全信用体系，完善管理机制，注重源头防控的同时，增加违法成本，降低政府管理成本，以全领域的限制准入有效促进管理效率提升，带动政府管理的全面升级。

Pk=[I-KkHk]Pk/k-1

(15)

(4)陀螺漂移修正

根据实时滤波估计的结果可以对航姿系统误差进行校正，其过程如下：

(1)速度校正

(16)

(2)姿态矩阵校正

(17)

(3)位置校正

(18)

式中各变量的定义可参见文献[10]。

沥青是沥青混凝土中最为关键的材料，它的质量优劣直接影响到混凝土的质量，因此在投入使用之前应该对其按照工程相应的规范和要求进行严格的抽样审查，对于审查不合格的沥青材料严禁入场使用。

(19)

(5)加速度计零偏修正

(20)

3　试验验证与分析

为了验证本文所设计系统和提出方案的有效性，搭建了多信息辅助的MEMS航姿系统原理样机。首先完成了综合航姿系统的硬件和软件调试，并在三轴标定转台上完成样机误差标定，通过跑车试验验证并分析系统的精度是否满足设计要求。跑车试验中，将一套经过校准的惯导系统(其航向角精度为0.1°，横滚和俯仰角精度为0.05°)提供的姿态信息作为基准。试验结束后，事后对综合航姿系统和基准系统的姿态数据进行对比分析。跑车装置如图4所示。

实际跑车行驶轨迹如图5所示，分别对两种模式下的综合航姿系统性能进行测试和验证。

(2)姿态误差方程

绝热加速量热仪通过保持环境与样品温度时刻相等,营造化学反应绝热环境,模拟潜在热失控状况,记录反应放热过程时间-温度数据,运用数值方法计算反应热力学及动力学参数实现热危险性评估[11]。其基本结构如图1所示,主体包括温控炉体、电加热棒、球形样品池、样品热电偶及炉体热电偶等组成。

利用GPS的位置信息对航姿系统输出进行辅助修正，其误差曲线如图6所示。

估计均方误差为：

采用Plackett-Burman试验对影响因素进行显著性分析，各因素对龙牙楤木皂苷得率影响强弱顺序为：酶解 pH＞酶解温度＞盐添加量＞酶解时间＞酶添加量，因此试验选取酶解pH、酶解温度、盐添加量三个因素进行响应面优化试验，以龙牙楤木皂苷得率为考察指标，利用Box-Behnken建立三因素三水平数学模型。

图4　航姿系统跑车试验装置 Fig.4　Test device of AHRS car

图5　航姿系统跑车路径图 Fig.5　Road map of AHRS car

图6　GPS辅助下的姿态误差 Fig.6　Attitude error assisted by GPS

由图6跑车试验数据可以看到，多信息辅助航姿系统在GPS组合模式下，系统的航向和姿态精度能保持在较高的精度水平，其精度能够达到设计指标的要求。其中，姿态误差经过统计计算，其精度如表1所示。

Tallowedk——蚂蚁下一步可选车组的集合,Tallowedk=Tallowedk1∪Tallowedk2；

表1　GPS辅助下的跑车试验姿态精度

Table 1　Sports car attitude accuracy assisted by GPS

项目惯性/GPS组合设计指标跑车试验达到指标航向 RMS 0.8°0.218°俯仰 RMS 0.5°0.156°横滚 RMS 0.5°0.129°

(2)GPS不可用时的大气/惯性模式航姿精度分析

利用大气传感器测量的速度对航姿系统输出进行辅助修正，其误差曲线如图7所示。

图7　大气数据辅助下的姿态误差 Fig.7　Attitude error assisted by atmospheric data

由图7的跑车试验数据可以看到，多信息辅助航姿系统在大气组合模式下，系统的航向和姿态精度能够达设计指标的要求。姿态误差经过统计计算，其精度如表2所示。

针对国外媒体认为中国共产党开展群众路线活动更多的是基于政治经济层面的考量这一观点，剖析其研究方法我们就会发现，这一观点走入了一个大部分研究中国共产党的国外学者都存在的误区，那就是用世界政党发展的一般规律来看待中国共产党的发展。诚然，世界上大部分执政党进行自身改革的最大动因必然存在于政治、经济方面。但是，由这一观点出发的国外学者往往忽略了一个问题，那就是中国共产党并不是一个一般性政党，它当然有着一般政党具有的特点，但是其特殊性也是显而易见的。因此，如果忽略了这一点，仅仅认为群众路线教育实践活动是中国共产党在面临政治经济困局的情况下的应时之作，这样得出的结论就难免会流于主观，缺乏说服力。

表2　大气辅助下的跑车试验姿态精度

Table 2 Attitude accuracy of sports assisted by atmospheric

项目惯性/大气组合设计指标跑车试验达到指标航向 RMS 1.2°0.398°俯仰 RMS 0.8°0.213°横滚 RMS 0.8°0.179°

综上所述，无论是在GPS辅助或大气数据辅助的情况下，综合航姿系统的输出精度和稳定性都能得到保证，验证了本文提出方案和设计系统的有效性。

4　结论

本文针对MEMS航姿系统输出精度不高、易受干扰的问题，设计了多信息辅助下的航姿系统，提出了一种基于大气/GPS输出信息的航姿系统自适应融合方案。所设计系统具备多种工作运行模式，能实现不同模式的有效管理，综合利用多源传感信息，实现航姿系统输出数据的无缝校正，能有效保障航姿系统的性能。首先阐述了系统的组成和工作原理，建立了融合方案所需的系统状态和量测模型。最后根据所搭建的综合航姿系统原理样机，通过跑车试验验证了所设计系统和方案的可行性。

参考文献

[1]　　　　李翔, 王勇军, 李智. 航姿系统矢量传感器非对准误差及其校正[J]. 传感技术学报, 2017, 30(2): 266-271.

LI Xiang, WANG Yong-jun, LI Zhi. Inter-triad misalignment of vector field sensors in attitude and heading reference systems and its calibration[J]. Chinese Journal of Sensors and Actuators, 2017, 30(2): 266-271.

[2]　　　Sheng H, Zhang T. MEMS-based low-cost strap-down AHRS research [J]. Measurement, 2015, 59: 63-72.

[3]　　　Chou W, Fang B, Ding L, et al. Two-step optimal filter design for the low-cost attitude and heading reference systems [J]. IET Science, Measurement & Technology, 2013, 7(4): 240-248.

[4]　　　艾文娟, 刘岩. 基于 MEMS 技术的惯性/地磁组合导航[J]. 自动化与仪器仪表, 2016 (1): 110-113.

AI Wen-juan, LIU Yan. INS/geomagnetic integrated navigation based on MEMS technology[J]. Automation and Instrumentation, 2016(1):110-113.

[5]　　　Zhuang Y, El-Sheimy N. Tightly-coupled integration of WiFi and MEMS sensors on handheld devices for indoor pedestrian navigation [J]. IEEE Sensors Journal, 2016, 16(1): 224-234.

[6]　　　　Sasani S, Asgari J, Amiri-Simkooei A R. Improving MEMS-IMU/GPS integrated systems for land vehicle navigation applications [J]. GPS Solutions, 2016, 20(1): 89-100.

[7]　　　李华栋. 基于低成本 MEMS 器件的捷联航姿系统设计[J]. 电子技术与软件工程, 2016 (1): 114-115.

LI Hua-dong. Design of AHRS based on low-cost MEMS[J]. Electronic Technology & Software Engineering, 2016 (1): 114-115.

[8]　　　常健, 李荣冰, 刘建业,等. MEMS航姿系统振动环境适应性研究[J]. 电子测量技术, 2015(9): 93-97.

CHANG Jian, LI Rong-bing, LIU Jian-ye, et al. The research of vibration environmental adaptability of MEMS AHRS[J]. Electronical Measurement Technology, 2015 (9): 93-97.

[9]　　　盛汉霖, 张天宏, 刘冬冬. 基于扩展Kalman滤波器的低成本航姿系统设计[J]. 系统工程与电子技术, 2013, 35(10): 2158-2164.

SHENG Han-lin, ZHANG Tian-hong, LIU Dong-dong. Low-cost AHRS design based on extending Kalman filter[J]. System Engineering and Electronics, 2013, 35(10): 2158-2164.

[10]　　　Auger F, Hilairet M, Guerrero J M, et al. Industrial applications of the Kalman filter: a review[J]. IEEE Transactions on Industrial Electronics, 2013, 60(12): 5458-5471.

2.1 两组临床效果比较 治疗2周后观察组临床效果优于对照组，且总有效率(94.64%)高于对照组(75.00%)，差异有统计学意义(P<0.05)。见表2。