航向姿态参考系统研究与实践

王增胜

（黄河科技学院，河南 郑州 450063）

航向姿态参考系统（Attitude Heading and Reference System，简称AHRS），是基于MEMS传感技术的固态惯性测量系统，通过测量角速率、线加速度和磁场强度来构成一个电子稳定的姿态航向参考系统，是一种集成智能传感系统。AHRS广泛应用于如下领域：

（1）智能车辆的导航、制导与控制系统的开发；

（2）雷达天线的稳定跟踪平台、无人机的吊舱；

（3）军用无人车辆上的稳瞄系统、坦克上的稳瞄系统；

（4）舰艇上卫星天线的伺服跟踪；

（5）制导弹药的自动驾驶仪。

现代的武器系统的发展，趋于研发自主化、智能化、网络化、低成本化和高精度化。精确打击技术的前提，是制导武器必须装备能够感知自身在地球上的位置、速度和姿态、时间的装备和目标跟踪设备，即各种导航设备和目标搜索、跟踪用的雷达导引头、红外导引头、激光导引头等。随着新概念武器的发展，微型飞行器、微型机器人将会成为AHRS应用的新领域。除了用于武器、机器人和车辆而外，AHRS也用在了星际探测系统上。地面上的车辆、机器人也需要有一种价格低、性能好的、能够感知载体姿态变化的设备，空中的无人机也需要有重量轻、体积小、功耗低、成本低的、能提供无人机飞行姿态的仪器。

传统意义上能够感知载体的自身位置、速度、姿态、时间的标准设备就是惯性导航系统，分为平台式惯性导航系统和捷联式惯性导航系统。基于机电陀螺和加速度计的惯性导航系统的成本大、体积大、功耗大，不适合在无人机、机器人、水下无人航行器和小型甚至微型飞行器上使用。基于光学陀螺的捷联惯导系统现已成为武器系统主要的机载和弹载设备。自1991年在MIT的Draper实验室研制出第一个微机械陀螺以来，基于MEMS的陀螺和加速度计的性能已大幅提升，价格却在快速下降。基于MEMS陀螺和加速度计的IMU及组合导航系统已经大量装备美军。在未来的10~20 a内，基于MEMS技术的捷联惯性导航系统及以其为主的组合导航系统将占据大量的国际市场份额。

AHRS具有潜在的、巨大的市场需求。AHRS可以应用的领域包括无人机、军用飞机的吊舱无人车辆、动中通系统、机器人、水下航行器和星际探测车。虽然武器系统都装备有两套高精度的基于惯性导航的组合导航系统，但出于成本的考虑，并不是在每枚炸弹、每架无人机、每枚鱼雷上都装备同样的组合导航系统。因此，基于MEMS技术的高性能导航系统或者功能稍少的航向姿态参考系统就成为制导弹药、无人机、微型飞行器、机器人、无人车辆上必备的姿态、位置感知系统。

1 基于MEMS的航向姿态参考系统

基于MEMS的航向姿态参考系统结构如图1所示，由传感器、模数转换器、单片机、嵌入式计算机等组成。加速度仪、陀螺仪和电子罗盘分别测得直升机的空间三轴的加速度、角速度和偏航角，通过模数转化器ADC将其转化为数字量，再通过同步串行接口SPI与单片机通讯，单片机通过RS232与计算机通信，并由计算机完成信息融合，得到直升机的航向姿态信息。

图1 航姿参考系统结构

由于基于MEMS器件的姿态测量设备易受机动加速度的影响，且传统测量方法无法消除运动加速度对姿态测量精度的影响，有学者利用MEMS与GPS结合，通过GPS进行辅助修正的姿态解算，规避了运动加速度对测量精度的影响，同时满足静态和动态情况的使用。

2 信息融合算法

2.1 姿态的四元数表示法

旋转矢量法、欧拉角算法、四元数法和方向余弦法是常用的姿态解算方法。其中欧拉角算法可以通过解欧拉角微分方程得到横滚角、航向角和俯仰角。欧拉角法有个弊端，即当俯仰角在90°附近时，方程将退化，故适用于水平姿态不大变化的条件下，而不适用于对全姿态的确定。方向余弦法不存在上述问题，但计算量较大，很少采用。四元素法算法简单方便，计算量较小，是比较实用的工程方法。但对于高动态运载体，算法漂移十分严重。旋转矢量法的精度一般比四元数法高，但其计算量较大，多用于经常角机动或角振动较大的场合。旋转矢量法可以采用单子样算法和多子样算法，当采用单子样算法时则与四元数法等效。民航飞机和直升机通常处于低动态的工作状态下，所以一般以四元数法作为其捷联惯导系统的姿态更新算法。

四元数是由四个元构成的数，即：

式（1）中，q0、q1、q2、q3为实数，i、j、k为单位向量，相互正交，同时是虚单位，因此四元数是一个超复数，也可看作四维空间的一个向量。

在求解机体坐标系相对导航坐标系的角位移时，相当于由导航坐标系（n系）一次性等效旋转而成，这种等效旋转的所有信息包含在四元数Q中，姿态变换公式如下：

式（2）中，rb为b系中矢量，rn为b系对n系旋转，并在n系中的矢量投影。坐标旋转矩阵具体：

若已知运载体横滚角g、航向角γ、俯仰角q时，机体坐标系对导航坐标系等效旋转矩阵也可按如下形式表达：

式中，q0~q3的符号可以按下式确定，其中的值可以任意假设：

2.2 信息融合算法

利用计算机在一定准则下自动分析和综合多传感器的信息，从而完成所需的估计和决策的信息处理过程称为信息融合。信息融合根据信息的抽象程度包括决策级融合、特征级融合和像素级融合。特征级融合属于中间层次，是从原始信息中提取特征信息进行融合，以增加重要特征的准确性，或产生新的组合特征，灵活性较大，特征级融合方法有5种，分别是基于搜索的融合法、基于特征抽取的融合法、神经网络法、逻辑推理法、概率统计法。概率统计法又分为卡尔曼滤波法、加权平均法和贝叶斯估计法。其中卡尔曼滤波法应用广泛，是多传感器信息融合的主要手段之一。用卡尔曼滤波法对加速度计、磁传感器和陀螺仪进行信息融合，能够显著提高姿态角的解算精度。卡尔曼滤波算法流程如图2所示。

图2 卡尔曼滤波算法流程

3 航向姿态参考系统硬件设计方案

航向姿态参考系统硬件设计包括选型、原理图设计和PCB设计3部分。微处理器选用意法半导体公司STM32F405RGT6芯片。传感器方面，选用了InvenSense公司的MPU-6000，它内部集成了三轴陀螺仪和三轴加速度计，每轴输出对应一个16位ADC，内含可编程低通滤波器。芯片支持IIC和SPI两种通信方式。磁传感器采用PNI公司的Sen-R65，由绕线线圈和外壳组成，采用平行电路板安装。另外，硬件系统设计还包括通信模块、中断与定时器模块、存储及运算单元等。

4 结论

由基于MEMS的航向姿态参考系统结构组成入手，分析了航姿的四元数表示方法，采用卡尔曼滤波算法进行信息融合。围绕选型确定了航向姿态参考系统的硬件设计方案。实践表明，基于上述方案设计的航向姿态参考系统满足使用要求。