《露天矿卡车低成本GPS/INS组合导航系统动态对准模型》这篇文章主要探讨了在露天矿卡车调度系统中,如何利用低成本GPS/INS组合导航系统进行动态初始对准的问题。GPS/INS组合导航系统是理想的定位组件,但在静态初始对准时,低成本的GPS/INS系统存在敏感度不足的问题。文章提出了一个新的非线性误差模型,该模型无需假设失准角为小角度,并且直接在地固系下解算,特别适用于GPS辅助INS进行动态对准。
作者在模型中引入了地球中心固定坐标系(EC EF)框架,这使得在动态环境下对准过程更加精确。同时,他们提出了一种简化版的Cubature卡尔曼滤波算法来解决非线性误差问题。Cubature卡尔曼滤波是一种高维度滤波方法,能有效处理复杂系统的不确定性,对于GPS和INS数据融合尤其适用。
通过车载实测数据进行露天矿卡车初始对准的仿真实验,结果显示,利用GPS信息辅助INS进行动态初始对准,即使在大失准角情况下,姿态角误差也能快速收敛。这表明该模型在实际应用中的有效性,可以显著提高系统对动态环境的适应性和定位精度。
关键词涉及到的关键概念包括:
1. 露天矿:文章研究的特定应用场景,通常需要高度精确的车辆定位和调度。
2. 惯性导航系统(INS):基于惯性的导航技术,通过测量载体运动的加速度来确定位置、速度和方向。
3. 初始对准:在使用惯性导航系统前,需要将系统传感器的轴线与地球坐标系对齐的过程。
4. Cubature卡尔曼滤波:一种改进的卡尔曼滤波算法,用于处理非线性系统的状态估计问题。
5. 大失准角:初始对准时,传感器轴线与地球坐标系之间较大的偏差角度。
该研究为露天矿卡车提供了经济高效的导航解决方案,通过动态对准模型和优化的数据融合算法,克服了低成本GPS/INS系统静态对准的局限性,提升了系统在动态条件下的定位性能。这对于提高露天矿作业效率和安全性具有重要意义。