航向姿態參考系統研究與實踐

王增勝

（黃河科技學院，河南 鄭州 450063）

航向姿態參考系統（Attitude Heading and Reference System，簡稱AHRS），是基于MEMS傳感技術的固態慣性測量系統，通過測量角速率、線加速度和磁場強度來構成一個電子穩定的姿態航向參考系統，是一種集成智能傳感系統。AHRS廣泛應用于如下領域：

（1）智能車輛的導航、制導與控制系統的開發；

（2）雷達天線的穩定跟蹤平臺、無人機的吊艙；

（3）軍用無人車輛上的穩瞄系統、坦克上的穩瞄系統；

（4）艦艇上衛星天線的伺服跟蹤；

（5）制導彈藥的自動駕駛儀。

現代的武器系統的發展，趨于研發自主化、智能化、網絡化、低成本化和高精度化。精確打擊技術的前提，是制導武器必須裝備能夠感知自身在地球上的位置、速度和姿態、時間的裝備和目標跟蹤設備，即各種導航設備和目標搜索、跟蹤用的雷達導引頭、紅外導引頭、激光導引頭等。隨著新概念武器的發展，微型飛行器、微型機器人將會成為AHRS應用的新領域。除了用于武器、機器人和車輛而外，AHRS也用在了星際探測系統上。地面上的車輛、機器人也需要有一種價格低、性能好的、能夠感知載體姿態變化的設備，空中的無人機也需要有重量輕、體積小、功耗低、成本低的、能提供無人機飛行姿態的儀器。

傳統意義上能夠感知載體的自身位置、速度、姿態、時間的標準設備就是慣性導航系統，分為平臺式慣性導航系統和捷聯式慣性導航系統。基于機電陀螺和加速度計的慣性導航系統的成本大、體積大、功耗大，不適合在無人機、機器人、水下無人航行器和小型甚至微型飛行器上使用。基于光學陀螺的捷聯慣導系統現已成為武器系統主要的機載和彈載設備。自1991年在MIT的Draper實驗室研制出第一個微機械陀螺以來，基于MEMS的陀螺和加速度計的性能已大幅提升，價格卻在快速下降。基于MEMS陀螺和加速度計的IMU及組合導航系統已經大量裝備美軍。在未來的10~20 a內，基于MEMS技術的捷聯慣性導航系統及以其為主的組合導航系統將占據大量的國際市場份額。

AHRS具有潛在的、巨大的市場需求。AHRS可以應用的領域包括無人機、軍用飛機的吊艙無人車輛、動中通系統、機器人、水下航行器和星際探測車。雖然武器系統都裝備有兩套高精度的基于慣性導航的組合導航系統，但出于成本的考慮，并不是在每枚炸彈、每架無人機、每枚魚雷上都裝備同樣的組合導航系統。因此，基于MEMS技術的高性能導航系統或者功能稍少的航向姿態參考系統就成為制導彈藥、無人機、微型飛行器、機器人、無人車輛上必備的姿態、位置感知系統。

1 基于MEMS的航向姿態參考系統

基于MEMS的航向姿態參考系統結構如圖1所示，由傳感器、模數轉換器、單片機、嵌入式計算機等組成。加速度儀、陀螺儀和電子羅盤分別測得直升機的空間三軸的加速度、角速度和偏航角，通過模數轉化器ADC將其轉化為數字量，再通過同步串行接口SPI與單片機通訊，單片機通過RS232與計算機通信，并由計算機完成信息融合，得到直升機的航向姿態信息。

圖1 航姿參考系統結構

由于基于MEMS器件的姿態測量設備易受機動加速度的影響，且傳統測量方法無法消除運動加速度對姿態測量精度的影響，有學者利用MEMS與GPS結合，通過GPS進行輔助修正的姿態解算，規避了運動加速度對測量精度的影響，同時滿足靜態和動態情況的使用。

2 信息融合算法

2.1 姿態的四元數表示法

旋轉矢量法、歐拉角算法、四元數法和方向余弦法是常用的姿態解算方法。其中歐拉角算法可以通過解歐拉角微分方程得到橫滾角、航向角和俯仰角。歐拉角法有個弊端，即當俯仰角在90°附近時，方程將退化，故適用于水平姿態不大變化的條件下，而不適用于對全姿態的確定。方向余弦法不存在上述問題，但計算量較大，很少采用。四元素法算法簡單方便，計算量較小，是比較實用的工程方法。但對于高動態運載體，算法漂移十分嚴重。旋轉矢量法的精度一般比四元數法高，但其計算量較大，多用于經常角機動或角振動較大的場合。旋轉矢量法可以采用單子樣算法和多子樣算法，當采用單子樣算法時則與四元數法等效。民航飛機和直升機通常處于低動態的工作狀態下，所以一般以四元數法作為其捷聯慣導系統的姿態更新算法。

四元數是由四個元構成的數，即：

式（1）中，q0、q1、q2、q3為實數，i、j、k為單位向量，相互正交，同時是虛單位，因此四元數是一個超復數，也可看作四維空間的一個向量。

在求解機體坐標系相對導航坐標系的角位移時，相當于由導航坐標系（n系）一次性等效旋轉而成，這種等效旋轉的所有信息包含在四元數Q中，姿態變換公式如下：

式（2）中，rb為b系中矢量，rn為b系對n系旋轉，并在n系中的矢量投影。坐標旋轉矩陣具體：

若已知運載體橫滾角g、航向角γ、俯仰角q時，機體坐標系對導航坐標系等效旋轉矩陣也可按如下形式表達：

式中，q0~q3的符號可以按下式確定，其中的值可以任意假設：

2.2 信息融合算法

利用計算機在一定準則下自動分析和綜合多傳感器的信息，從而完成所需的估計和決策的信息處理過程稱為信息融合。信息融合根據信息的抽象程度包括決策級融合、特征級融合和像素級融合。特征級融合屬于中間層次，是從原始信息中提取特征信息進行融合，以增加重要特征的準確性，或產生新的組合特征，靈活性較大，特征級融合方法有5種，分別是基于搜索的融合法、基于特征抽取的融合法、神經網絡法、邏輯推理法、概率統計法。概率統計法又分為卡爾曼濾波法、加權平均法和貝葉斯估計法。其中卡爾曼濾波法應用廣泛，是多傳感器信息融合的主要手段之一。用卡爾曼濾波法對加速度計、磁傳感器和陀螺儀進行信息融合，能夠顯著提高姿態角的解算精度。卡爾曼濾波算法流程如圖2所示。

圖2 卡爾曼濾波算法流程

3 航向姿態參考系統硬件設計方案

航向姿態參考系統硬件設計包括選型、原理圖設計和PCB設計3部分。微處理器選用意法半導體公司STM32F405RGT6芯片。傳感器方面，選用了InvenSense公司的MPU-6000，它內部集成了三軸陀螺儀和三軸加速度計，每軸輸出對應一個16位ADC，內含可編程低通濾波器。芯片支持IIC和SPI兩種通信方式。磁傳感器采用PNI公司的Sen-R65，由繞線線圈和外殼組成，采用平行電路板安裝。另外，硬件系統設計還包括通信模塊、中斷與定時器模塊、存儲及運算單元等。

4 結論

由基于MEMS的航向姿態參考系統結構組成入手，分析了航姿的四元數表示方法，采用卡爾曼濾波算法進行信息融合。圍繞選型確定了航向姿態參考系統的硬件設計方案。實踐表明，基于上述方案設計的航向姿態參考系統滿足使用要求。