跳转至

RINS和SINS误差分配结果对比

RINS是研究热点吗？

旋转调制惯导系统（RINS）无疑是当今高精度导航领域当之无愧的研究热点与技术前沿。​​ 它的核心价值在于通过一套精妙的旋转机构，周期性地旋转惯性测量单元（IMU，包含陀螺仪和加速度计），旨在主动补偿其固有的核心误差——特别是陀螺漂移和加速度计零偏。这种“自补偿”机制，使得RINS能够在不过度依赖外部信息（如GPS）的情况下，显著抑制导航误差随时间累积的问题，从而实现长时间、高自主性的精密导航。随着自动驾驶、无人潜航器、远程航空以及航天器对导航精度与可靠性要求的日益苛刻，RINS技术提供了关键解决方案。当前的研究热点高度聚焦于优化旋转调制方案以应对更复杂的运动基座环境、开发与视觉/天文等其他传感器的深层次融合算法，并致力于在提升极致性能的同时，降低系统的成本、复杂度和体积，推动其从高端军工领域向更广泛的民用市场拓展。

误差分配动态对比

设置捷联惯导误差参数：

误差项 数值 单位
陀螺零偏 0.01 deg/h
加速度零偏 500 ug
角度随机游走系数 0.001 deg/√h
速度随机游走系数 50 ug/√Hz
采样频率 100 Hz

静基座条件捷联惯导误差分配结果动态变化

静态单轴转动条件捷联惯导误差分配结果动态变化

很显然，单轴转动可以抑制加计零偏，从而降低惯导系统的定位误差。

旋转调制机理

惯性导航旋转调制是一种误差自补偿技术，其原理是通过调制惯性器件的零位误差来消除其对系统精度的影响。具体来说，惯性导航系统通过陀螺仪和加速度计来测量运动载体的角速度和加速度信息，然后经积分运算得到运动载体的姿态角、速度和瞬时位置等导航参数。然而，陀螺仪和加速度计的输出误差主要由零位常值误差、标度因数误差、安装角误差和随机误差组成，这些误差会随着时间的推移而累积，导致导航系统精度下降。

旋转调制技术的原理是将惯性测量元件（陀螺仪和加速度计）安装在旋转调制器上，通过旋转调制器的旋转来调制惯性器件的零位误差。具体来说，旋转调制器以一定的角速度旋转，使得惯性器件的零位误差也会随着旋转而变化。通过引入这个变化的零位误差，可以抵消掉惯性器件的固定零位误差对导航系统精度的影响。

在旋转调制技术中，旋转调制器的旋转速度是关键参数，它需要根据惯性器件的零位误差的性质和系统要求来选择。通常情况下，旋转调制器的旋转速度需要选择合适的值，使得惯性器件的零位误差的变化能够与积分运算的累积效果相匹配。

通过旋转调制技术的原理，可以实现对惯性器件零位误差的自补偿，从而提高惯性导航系统的精度和稳定性。这种技术已经广泛应用于各种惯性导航系统中，包括军事、民用等领域。 https://journals.sagepub.com/doi/10.1177/0954406218756940 https://www.mdpi.com/1424-8220/15/8/18443

误差分配原理

惯性导航误差分配原理是指将惯性导航系统的误差按照不同的误差源进行分配，以便更好地评估和降低系统误差。惯导系统的误差源主要包括元件误差、安装误差、初始条件误差、原理误差、计算误差、运动干扰以及其他误差。

元件误差是指陀螺仪、加速度计等惯性传感器的误差，包括零位误差、标度因数误差、安装角度误差等。安装误差是指惯性传感器在安装过程中产生的误差，包括安装角度误差、安装位置误差等。初始条件误差是指在惯导系统初始化过程中，计算机在解算方程时的初始给定误差。原理误差是由于方便计算省略的高阶分量、近似模型等造成的误差。计算误差是计算机在计算过程中产生的误差。运动干扰主要是振动和冲击造成的误差。其他误差包括导航系统的电子组件之间互相干扰造成的误差等。

惯导误差分配原理是根据不同的误差源对系统精度的影响程度进行分配，一般采用方差分配法进行分配。方差分配法是指将惯导系统的总方差按照不同的误差源进行分配，使得每个误差源对系统精度的影响都有一个明确的贡献值。通过方差分配法，可以确定每个误差源对系统精度的影响程度，从而更好地评估和降低系统误差。

在实际应用中，惯导系统的精度通常是通过实验测试来验证和评估的。实验测试包括实验室测试和实地测试，实验室测试可以在实验室内模拟各种飞行条件和环境因素，以测试惯导系统的性能和精度；实地测试则是在实际飞行中通过与其它导航系统进行比较来评估惯导系统的精度。通过实验测试的结果，可以对惯导系统的误差源进行分析和优化，以降低系统误差和提高导航精度。

Gitee-SINS误差分配分析程序-MatlabAPP

Reference

Yan, G., Yang, X., Su, X., Weng, J., & Qin, Y. (2018). Error distribution method and analysis of observability degree based on the covariances in kalman filter. Chinese Control Conference, CCC, 2018-July, 4900–4905. https://doi.org/10.23919/ChiCC.2018.8482583

Yang, X., Yan, G., Liu, F., Guan, B., & Li, S. (2022). Analysis Method of Strapdown Inertial Navigation Error Distribution Based on Covariance Matrix Decomposition. Chinese Control Conference, CCC. https://doi.org/https://doi.org/10.48550/arXiv.2203.11810

严恭敏，翁浚. (2019). 捷联惯导算法与组合导航原理 (第1版). 西北工业大学出版社.