惯性导航基础知识学习----01惯性器件相关

🌈武汉大学惯性导航课程合集是入门惯导的精品课程~ 作为导航路上的鼠鼠我,要开始学习惯性导航了~ 需要达到的要求是大致了解惯导的原理等~ 后期会陆续更新惯导相关的知识和笔记等~

🐬 本blog为 武汉大学惯性导航课程 的记录~ 感谢团队提供的开源课件ppt和相关代码~
☘️概览:惯性器件相关
🌺省流:1️⃣介绍一下惯性传感器(加速度计和陀螺仪;2️⃣介绍一下二维的惯性导航系统(平台式和捷联式)3️⃣INS的精度等级和相对测量能力
🍭这门课程讲的真的很好,墙裂建议惯导新手入门 加油加油~ (●ˇ∀ˇ●)
🍭这篇文章简要介绍了一下惯导~ 我觉得写的不错~

文章目录

    • 惯性传感器
      • 加速度计
        • 力反馈原理
        • 种类
      • 陀螺仪
        • 转子陀螺
        • 振动陀螺
          • 哥氏效应(Coriolis Effect)
        • 光学陀螺—萨克纳克效应
        • MEMS陀螺
      • IMU惯性测量单元
    • 惯性导航原理
      • 一维的运动
      • 二维/三维出现的问题
      • 二维平面惯性导航——平台式系统
        • 物理平台
      • 二维平面惯性导航——平台式系统
        • 数学平台
      • 平台式与捷联式惯导特点对比
      • 惯性导航系统的特性
    • INS的精度等级
    • 惯性器件的相对测量能力
    • 惯性导航技术的应用
      • 军用和航空航天
      • 专业应用
      • 日常应用
      • 发展趋势
      • 专业应用
      • 日常应用
      • 发展趋势

惯性传感器

加速度计

定义:一种用于测量相对于惯性参考系的加速度(称之为比力)的传感器
🌰举个栗子​
正常情况下,下面这张图是一个简单的加速度计。下面进行具体的分析。🍭
在这里插入图片描述
1️⃣框框受到了外力F,所以有一个加速度输出。但对于弹簧没有,空间位置的改变会让弹簧相对框框晚一步动,于是对于弹簧中间的小物块而言,就有了左侧往右推,右侧往左拉的弹簧弹力,因此产生了左侧压缩右侧拉伸,于是小物块也就收到了来自弹簧的弹力,产生加速度。​(也可以说,方块被一个力向右拉着,为了保持原来的运动状态,方块需要向左运动以保持它原来的运动状态)2️⃣通过弹簧的震荡,以及只要速度不一致框框和小物块的位置就不能相对静止,导致弹簧提供的向右的整体的弹簧弹力不能使小物块产生与框框一致的加速度,有时候大有时候小,但最终会趋于与框框所受加速度一致。因此两者就可以相对静止了。3️⃣在这个过程中,框框始终只受到外力F,其内部的弹簧对框框的右侧有向左的拉力,但在左侧又有向右的撑开的弹力,两者大小相等,抵消。
🌱综上,我们可以得到,弹簧最终给小物块提供的加速度与外力F给这个框框整体提供的加速度大小是一致的。
❗️但是,并不是所有方向的加速度都能这么如愿。
我在竖直方向,还会有地球的万有引力分量,如下图,这个时候运动加速度为0,但是还是有输出,测量加速度就会不可避免地受到干扰。这个时候,加速度计输出的不再是纯的载体的加速度,而是一个参考量,我们把它称之为比力。
在这里插入图片描述
在这里插入图片描述

定义了统一的方向,所以是相加。以正负号体现具体的方向,直接相加,如果和规定方向为正,就是正方向,反之就是负方向

力反馈原理

🍊为了使得我们的加速度计更加精密精细 。希望弹簧越软越好,希望物体越重越好~

胡克定律:y=kΔx;劲度系数越大,即胡克定律系数越大,表示弹簧硬度越大。这意味着在相同的作用力下,弹簧的形变量就会相对较小。

总之,胡克定律系数与弹簧的软硬程度是直接相关的,系数越大,弹簧就越硬,系数越小,弹簧就越软。
保证灵敏度:希望能在相同的加速度下,产生的位移大,这样效果就越明显。所以希望弹簧越软越好。
希望物体很重,惯性效应强
🌿 简易加速度计是一种测量加速度的装置,使用的原理是基于牛顿第二定律——物体的加速度与作用于该物体的力成正比,且与物体的质量成反比。因此,为了提高加速度计的灵敏度和准确度,希望物体的质量越大。

🌺惯性效应是物体的运动状态保持不变的性质。当物体处于匀速运动或静止状态时,它会继续保持这个状态,除非有外力作用改变它的状态。同样的,在物体发生了加速度的情况下,物体惯性使它会抵抗这种状态的变化。因此,物体的质量对惯性效应产生重要的影响。物体的质量越大,惯性效应就越强,越难使其状态改变。

🌱在简易加速度计中,当有加速度作用于物体时,物体得以惯性状态的保持,使我们可以通过物体上的一些特定物理量的变化去测量加速度。因此,物体越重,惯性效应越强,简易加速度计就越灵敏
但是,一个重的物块和软的弹簧 产生的动态响应就很差,当然也不够精密。


☘️改进~
用静电力保证物体在零点附近运动,用电力对弹簧力进行补偿。提升了精度和动态响应。
加速度输出的比力:就是施加的静电力。
在这里插入图片描述

种类

摆式加速度计
振梁式加速度计
光纤加速度计
MEMS加速度计

陀螺仪

定义:一种用于测量相对于惯性参考系角速率的传感器
分为机械陀螺(哥氏效应)和光学陀螺(萨格纳克效应)。

转子陀螺

不太应用于工程化。
在这里插入图片描述

振动陀螺
哥氏效应(Coriolis Effect)

质量块受到内部激励产生固定频率和振幅的振动;
当外壳发生转动时,振动质量块会产生哥氏加速度,通过检测哥氏加速度就可以间接测量壳体的角运动。

🍐粗糙的解释:

通过外壳施加的力,让转子沿着主方向,激励他震动起来。平时不旋转的话,就是处于平衡状态,沿着主方向震动就可以了。一旦盒子外壳出现了旋转,物块倾向于原来的轴线继续保持运动。从大框框的角度来看,原来物块的振子就不是再沿着原来的纵轴在运动了,这个时候在横轴有一个分量,这个分量就和原来的相对旋转角有比例关系的量。于是就考察耦合的量和原来的量的关系,就可以反映相对转角和角速度。
🌺没有旋转,不怎么会发热。只有振动。寿命长~
关于哥氏效应:

https://blog.csdn.net/qq_31880107/article/details/86687668

在这里插入图片描述

光学陀螺—萨克纳克效应

在这里插入图片描述
基于狭义相对论的光速基本不变的。

MEMS陀螺

MEMS陀螺都是基于振动陀螺的原理制造的
框架式角振动陀螺仪
音叉式线振动陀螺仪振动轮式陀螺仪

IMU惯性测量单元

惯性测量单元(IMU) Inertial Measurement Unit
惯性测量单元=3轴加速度计+3轴陀螺
加速度计测量相互正交的三个方向上的比力,陀螺测量相互正交的三个方向上的角速度
通常三轴陀螺和三轴加速度计的轴向是平行对齐的传感器与载体固联,载体系原点为三轴加速度计的交点。
测量中心:是以加速度计的交点为中心的
在这里插入图片描述

惯性导航原理

一维的运动

在这里插入图片描述

二维/三维出现的问题

1️⃣由传感器数据获得载体相对于参考坐标系的方向及其变化的问题。(姿态角等 )
2️⃣将传感器数据从 “相对于惯性坐标系” 转换到 “相对于参考坐标系”。(坐标转化问题)
3️⃣(加速度计)需要补偿地球万有引力(重力)加速度。(比力测出的不是实际的加速度)

二维平面惯性导航——平台式系统

物理平台

加速度计敏感轴始终指向东向和北向(不会随着载体变化而变化)
载体航向的变化由陀螺感知,据此控制稳定平台的转动,使其始终跟踪东向和北向
比较昂贵,维护也困难。
在这里插入图片描述

二维平面惯性导航——平台式系统

数学平台

加速度计和陀螺与载体固联(strapdown)
根据陀螺输出更新姿态矩阵,将比力向量投影变换至E-N坐标系。
在这里插入图片描述
用计算的代价换取物理平台。

平台式与捷联式惯导特点对比

在这里插入图片描述

惯性导航系统的特性

🌿优点
1️⃣完全自主性和高可靠性(军用和航空航天)
2️⃣导航信息丰富
3️⃣动态性能好(采样率高、频带宽)缺点
🌴缺点
1️⃣需要初始信息
2️⃣引入辅助信息
3️⃣成本高、笨重
惯性导航误差随时间累积(粗略的公式)
δ r N = δ r N , 0 + δ v N , 0 ⋅ t + 1 2 ( g ⋅ δ θ 0 + b a N ) t 2 + 1 6 ( g ⋅ b g E ) t 3 δ r N , 0 : 初始的位置误差 δ v N , 0 : 初始速度误差 b a N : 加速度计的常值误差 δ θ 0 : 初始姿态角(俯仰角)误差姿态角用来扣除万有引力的影响 b g E :陀螺的常值误差 \delta r_N=\delta r_{N,0}+\delta v_{N,0}\cdot t+\frac12(g\cdot\delta\theta_0+b_{aN})t^2+\frac16(g\cdot b_{gE})t^3 \\ \delta r_{N,0}:初始的位置误差 \\ \delta v_{N,0}:初始速度误差\\ b_{aN}:加速度计的常值误差\\ \delta\theta_0:初始姿态角(俯仰角)误差 姿态角用来扣除万有引力的影响\\ b_{gE}:陀螺的常值误差 δrN=δrN,0+δvN,0t+21(gδθ0+baN)t2+61(gbgE)t3δrN,0:初始的位置误差δvN,0:初始速度误差baN:加速度计的常值误差δθ0:初始姿态角(俯仰角)误差姿态角用来扣除万有引力的影响bgE:陀螺的常值误差
❗️ 陀螺的常值误差是一个常值的角速度误差,它在姿态积分的过程中会造成随时间一次方发散的角度误差,而常值角度误差就会造成随时间二次方发散的位置误差。而现在有一个随时间一次方发散的角度误差,那么就会造成随时间三次方发散的位置误差。
🌱因此主要矛盾:
陀螺误差>加速度计零偏误差>初始姿态角误差

INS的精度等级

在这里插入图片描述
记住两个陀螺零偏等级 0.01deg/hr (导航级)和1deg/hr(战术级)

惯性器件的相对测量能力

相对测量能力:本质是比较量程和误差
🌰比如:
陀螺零偏 0.01 deg/hr
陀螺量程 1000 deg/s = 3600,000 deg/hr
相对测量能力 = 量程 / 零偏 = 3.6x108! (非严谨类
比:等效于测量 武汉—北京 距离,精度3mm!)
陀螺的感知能力 → 数据量的测量
典型应用:铁路轨道不平顺测量(测量高铁的微小的变形)

惯性导航技术的应用

军用和航空航天

潜艇(惯导+重力/地磁匹配)
弹道导弹(惯导+末端制导)
巡航导弹(惯导+地形匹配)
智能弹药(JDAM
卫星姿态控制 (陀螺定姿 + 星敏感器)
航空
飞机导航
飞机姿态控制

专业应用

移动测图(MMS)
定位定姿系统 (POS)

日常应用

车载导航和手机导航
导航仪(PND,Portable Navigation Device)
GPS + 惯导(+里程计)
玩具(遥控直升机)
照相机/摄像机防抖技术
易步车(RobStep)
智能鞋/智能足球

发展趋势

高端:原子陀螺和加速度计
低端:MEMS惯导
姿态控制 (陀螺定姿 + 星敏感器)
航空
飞机导航
飞机姿态控制

专业应用

移动测图(MMS)
定位定姿系统 (POS)

日常应用

车载导航和手机导航
导航仪(PND,Portable Navigation Device)
GPS + 惯导(+里程计)
玩具(遥控直升机)
照相机/摄像机防抖技术
易步车(RobStep)
智能鞋/智能足球

发展趋势

高端:原子陀螺和加速度计
低端:MEMS惯导
组合导航:GPS,WiFi,匹配定位

🌈ok,完结~ 如果有帮助的话,点个赞 (●ˇ∀ˇ●)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/230080.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

verilog基础语法-计数器

概述: 计数器是FPGA开发中最常用的电路,列如通讯中记录时钟个数,跑马灯中时间记录,存储器中地址的控制等等。本节给出向上计数器,上下计数器以及双向计数器案例。 内容 1. 向上计数器 2.向下计数器 3.向上向下计数…

gitee的学习

1.git下载 下载地址:https://git-scm.com/ 2.建立远程仓库 访问:gitee.com 在此网站上创建 3.本地操作 在本地找一个任意文件,克隆git 执行命令:git clone https://gitee.com/beijing-jiaxin-times_0/test_zsx_cang_ku.git …

【算法刷题】Day19

文章目录 1. 山脉数组的峰顶索引题干:算法原理:代码: 2. 寻找峰值题干:算法原理:1. 暴力解法2. 二分查找 代码: 3. 下降路径最小和题干:算法原理:1. 状态表示2.状态转移方程3. 初始化…

vue写了这么久了您是否知道:为什么data属性是一个函数而不是一个对象?

一、实例和组件定义data的区别 vue实例的时候定义data属性既可以是一个对象,也可以是一个函数 const app new Vue({el:"#app",// 对象格式data:{foo:"foo"},// 函数格式data(){return {foo:"foo"}} })组件中定义data属性&#xff…

BM61 矩阵最长递增路径

题目 矩阵最长递增路径 给定一个 n 行 m 列矩阵 matrix ,矩阵内所有数均为非负整数。 你需要在矩阵中找到一条最长路径,使这条路径上的元素是递增的。并输出这条最长路径的长度。 这个路径必须满足以下条件: 1. 对于每个单元格,你…

风速预测(六)基于Pytorch的EMD-CNN-GRU并行模型

目录 前言 1 风速数据EMD分解与可视化 1.1 导入数据 1.2 EMD分解 2 数据集制作与预处理 2.1 先划分数据集,按照8:2划分训练集和测试集 2.2 设置滑动窗口大小为96,制作数据集 3 基于Pytorch的EMD-CNN-GRU并行模型预测 3.1 数据加载&a…

初识Dubbo学习,一文掌握Dubbo基础知识文集(3)

🏆作者简介,普修罗双战士,一直追求不断学习和成长,在技术的道路上持续探索和实践。 🏆多年互联网行业从业经验,历任核心研发工程师,项目技术负责人。 🎉欢迎 👍点赞✍评论…

Ubuntu-报错

Hadoop-Eclipse-java:耽误进度的几个报错 错误1:桥接模式与NAT模式相互切换后导致两种模式都不能访问互联网(1)具体错误:(2)错误原因:(3)解决方案&#xff1a…

Redis设计与实现之订阅与发布

目录 一、 订阅与发布 1、 频道的订阅与信息发送 2、订阅频道 3、发送信息到频道 4、 退订频道 5、模式的订阅与信息发送 ​编辑 6、 订阅模式 7、 发送信息到模式 8、 退订模式 三、订阅消息断连 1、如果订阅者断开连接了,再次连接会不会丢失之前发布的消…

股票价格预测 | Python实现基于Stacked-LSTM的股票预测模型,可预测未来(keras)

文章目录 效果一览文章概述模型描述源码设计效果一览 文章概述 以股票价格预测为例,基于Stacked-LSTM的股票预测模型(keras),可预测未来。 模型描述 LSTM 用于处理序列数据,如时间序列、文本和音频。相对于传统的RNN,LSTM更擅长捕获长期依赖关系,

tomcat错误

Error running Tomcat8: Address localhost:1099 is already in use window环境,打开cmd netstat -ano | findstr :1099发现对应PID为24732 结束PID taskkill /PID 24732 /F

MATLAB图像处理技巧

MATLAB图片处理------动态绘图 1. 动态绘图2. XXXXX 1. 动态绘图 主要用到四个函数,分别为getframe、frame2im、rgb2ind以及imwrite: 1.getframe:获取当前绘图窗口的图片作为影片帧; 2.frame2im:从单个影片帧 F 返回索…

Redis Set类型

集合类型也是保存多个字符串类型的元素的,但和列表类型不同的是,集合中 1)元素之间是无序的 2)元素不允许重复 一个集合中最多可以存储2的32次方个元素。Redis 除了支持集合内的增删查改操作,同时还支持多个集合取交…

Axure元件的介绍使用以及登录界面

一、Axure元件介绍 简介: Axure元件是一种功能强大的设计工具,专门用于用户体验设计和交互设计。它可以帮助设计师创建可交互的原型,并实现各种界面元素的设计和布局。 Axure元件的基本特点包括: 多样性:Axure元件包括…

自动驾驶学习笔记(二十)——Planning算法

#Apollo开发者# 学习课程的传送门如下,当您也准备学习自动驾驶时,可以和我一同前往: 《自动驾驶新人之旅》免费课程—> 传送门 《Apollo 社区开发者圆桌会》免费报名—>传送门 文章目录 前言 参考线平滑 双层状态机 EM Planner …

找到一些看似冷门但流量惊人的一些网站!- 独立产品灵感周刊 DecoHack #057

本周刊记录有趣好玩的独立产品设计开发相关内容,每周发布,往期内容同样精彩,感兴趣的伙伴可以 点击订阅我的周刊。为保证每期都能收到,建议邮件订阅。欢迎通过 Twitter 私信推荐或投稿。 💻 产品推荐 1. Drawing Pics…

【Filament】绘制三角形

1 前言 Filament环境搭建中介绍了 Filament 的 Windows 和 Android 环境搭,本文将使用 Filament 绘制纯色和彩色三角形。 1.1 Filament 类图 1.2 图元 Filament 中图形的绘制都是基于三角形实现,三角形是构成复杂图形的最小基本单元。Filament 中输入模…

springMVC-模型数据的处理

一、数据放入到request域当中 1、把获取的数据放入request域中&#xff0c; 方便在跳转页面去显示 <a>添加主人信息</a> <form action"vote/vote04" method"post" >主人id&#xff1a;<input type"text" name"id&q…

JS中的模板字符串(ES6中的模板字面量语法),什么是模板字符串、怎么使用,附代码演示

模板字符串 1、JavaScript 在 ES6 新增了模板字符串语法。模板字符串可以作为普通字符串使用&#xff0c;其作用是可以在字符串中换行&#xff08;也就是支持多行字符串&#xff09;以及将变量和表达式插入字符串。 2、整个语法&#xff1a;使用反引号 &#xff0c;而不是单引…

MindOpt工具是如何做到配套使用的?请看此篇

Mindopt 介绍 MindOpt是阿里巴巴达摩院决策职能实验室研发的专注于优化领域&#xff0c;提供智能优化解决方案的品牌。主要的目标是帮助客户通过先进的优化算法和技术&#xff0c;实现业务流程的最佳化&#xff0c;提升效率&#xff0c;降低成本&#xff0c;并最大化业务价值。…