针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题, 提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法, 针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度, 改变特征点所在网格及其8邻域网格, 并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值, 提出新的分数统计模型, 使正确匹配对的数量增多, 提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题, 提出了利用特征点之间的几何关系确定数据集, 通过Pearson相关系数分析数据的相似性, 设定阈值剔除置信度较低的特征匹配对, 优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验, 分析其飞行日志可知, 改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍, 并在局部相似区域剔除误匹配, 特征匹配准确率能达到94%, 无人机室内定位精度达到0.02 m, 能在复杂**环境中有更好的应用。

传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声，而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法，利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题，该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声，再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明，该方法能够有效提高IMU误差参数辨识的准确性，1 h的动态导航位置误差相对减少约10%。

针对高旋弹用MEMS-IMU在传统标定方法中不能全面激活误差, 且存在标定流程复杂、标定效率低的问题, 设计一种高旋弹用MEMS-IMU自动标定系统和方法。首先分析了高旋弹用MEMS-IMU输出特性, 构建误差模型, 设计十二位十八速的标定方案, 并优化转台转动方案。通过自动标定系统, 实现高旋弹用MEMS-IMU的自动标定。实验结果表明, 该方法能实现对高旋弹用MEMS-IMU的自动标定, MEMS陀螺仪滚转、俯仰和偏航轴精度较传统方法分别提升98%,72%,73%以上; MEMS加速度计三轴精度分别提升53%,47%,7%, 同时整个标定流程时间大幅减少, 提高了标定效率。

针对基于单目相机和惯性测量单元(IMU)组成的视觉导航系统需要精确初始化的问题, 该文提出了一种减少处理时间同时提高精度的系统初始化方法。首先, 对采集数据中的陀螺仪偏置进行单独估计并分离, 实现估计陀螺仪偏置和求解系统初始化封闭解问题的解耦; 然后, 采用基于紧耦合的线性模型求取初始化问题的封闭解; 最后, 将所提出的改进初始化方法应用于经典的VinsMono框架中。实验表明, 改进方法可有效提高视觉惯性导航系统的初始化精度和效率。

根据惯组减振技术要求, 利用金属减振器设计减振系统。通过试验验证了减振系统的减振效果, 并对惯组动态性能进行了测试。试验结果表明, 沿惯组3个轴向的减振效率均在29%以上, 其中z向减振效率达到53%。对于挠性加速度计较为敏感的500 Hz频率点, 振动传递率均小于30%, 振动量级在0.053 g2/Hz(g=9.8 m/s2)以下。安装减振器后, 陀螺带宽大于50 Hz, 角速率延时约为5 ms; 加速度计带宽大于80 Hz, 说明减振器对系统动态性能影响不大。此外, 研究还发现金属减振器轴向减振效率较周向减振效率低。

提出了一种面向微惯性测量单元(Micro-IMU)应用的微电子机械系统(MEMS)三维可折叠结构, 其主要组成部分包括绝缘层上硅(SOI)基底、聚酰亚胺柔性链、金属线以及MEMS多环陀螺仪。文章基于有限元仿真技术, 分析了可折叠结构及器件的可行性。基于SOI一体化MEMS技术, 将核心传感器的制作工艺与折叠结构工艺相结合, 在结构中搭载单轴圆盘多环谐振微陀螺, 利用柔性铰链实现结构的三维折叠以及各个传感器之间的电互连, 实现单轴惯性传感器的集成, 制备出体积为1cm3、质量为250mg的搭载多环谐振微陀螺的三维可折叠系统。

速率偏频激光捷联惯组的定向精度除与激光陀螺仪有关外, 还与加速度计有关, 因此, 研究加速度计的指标体系对提高整个速率偏频激光捷联惯组的性能和精度有重要意义。从初始对准和航向保持两个方面研究了加速度计对定向精度的影响: 加速度计零偏误差和随机游走均会导致初始对准航向角误差。为了得到高精度的航向保持精度, 速率偏频激光惯组的3个加速度计的漂移趋势需要保持一致。试验结果表明, 加速度计的零偏稳定性提高4倍, 初始对准航向角统计精度提高30%; 加速度计精度相同情况下, 加速度计漂移趋势一致的速率偏频激光捷联惯组, 相比其漂移趋势不一致的速率偏频激光捷联惯组, 航向保持精度提高了57%。

在全球卫星导航系统拒止的环境里, 导航信息难以获取, 基于红外、超声波、射频、Wi-Fi、超宽带(UWB)等室内定位方法均需要辅助电子标签, 传统航位推算法只适合前向步态的路径跟踪, 在后向、左向、右向步态模式下会出现反向或垂直的路径错误。针对以上问题, 该文借助移动终端的惯性测量单元数据, 在不依赖任何电子标签模式导航的情况下, 实现短时多模式步态行人跟踪。结果表明, 通过多次重复测试, 步态检测准确率≥92%, 以实际车库场景为实验背景, 该文方法可获得全步态模式下自主路径跟踪, 路径追踪误差小于3 m。

旋转式惯导敏感点与载体坐标系原点不重合,自对准过程中存在角运动,从而引入杆臂效应误差。根据杆臂效应误差模型分析了旋转式惯导内杆臂对自对准的影响,针对这一问题提出了一种结合自对准流程的杆臂标定方法。该方案无需额外的标定流程,能方便地进行工程应用。测试试验结果表明,该方案能准确地标定出旋转式惯导的内杆臂,标定精度为1.1 mm；杆臂补偿后能明显提升自对准精度,方位对准精度提高了35%。