第2章惯性导航基础

第2章惯性导航基础：惯性导航原理、捷联惯导系统与误差分析

2.1 惯性导航的核心原理

惯性导航，说白了就是靠物体本身的惯性来定位。你想想看，一个物体在空间里运动，只要知道它每时每刻的加速度和角速度，就能推算出它的位置和姿态。这跟闭着眼睛走路有点像——你迈出一步，知道步长和方向，就能大概知道自己在哪。

我刚开始接触惯导时，总觉得这玩意儿很玄乎。后来拆开一个IMU（惯性测量单元）模块，发现里面就两个核心器件：加速度计和陀螺仪。嗯，就这么简单。

加速度计：测量线运动

加速度计测量的是物体在三个轴上的比力（specific force）。注意，它测的不是纯粹的重力加速度，而是物体受到的合外力加速度减去重力加速度。这个区别很重要，我在项目里吃过亏。

核心公式：

a_measured = a_true - g

其中 a_measured 是加速度计输出，a_true 是物体真实加速度，g 是重力加速度矢量。

举个例子：静止放在桌面上的加速度计，输出不是0，而是1g（约9.8 m/s²）向上。为什么？因为它感受到的是桌面对它的支持力，抵消了重力。

陀螺仪：测量角运动

陀螺仪测量的是物体绕三个轴的角速度。现在MEMS陀螺仪已经很普及了，手机里就有。但早期惯导系统用的都是激光陀螺或光纤陀螺，精度高一个数量级。

我记得有一次调试一个无人机飞控，陀螺仪数据总是飘。查了半天，发现是电源纹波太大，把角速度信号淹没了。从那以后，我设计电路时都会在IMU供电线上加一级LC滤波。

2.2 捷联惯导系统

捷联惯导（Strapdown INS）跟平台式惯导最大的区别就是：没有物理平台。传感器直接固定在载体上，姿态全靠计算机算出来。

你想想看，这其实是个巨大的挑战。因为载体在动，传感器也跟着动，你得把测量值从载体坐标系转换到导航坐标系。这个转换过程，就是捷联惯导的核心。

姿态更新算法

姿态更新常用的方法是四元数法。为什么用四元数？因为欧拉角有万向锁问题，方向余弦矩阵计算量太大。四元数刚好在两者之间取得平衡。

我个人习惯：用四元数做姿态解算时，一定要做归一化。每更新一次，就把四元数的模归一化到1。否则误差会累积，姿态越算越歪。

姿态更新的基本流程：

读取陀螺仪角速度（ω_x, ω_y, ω_z）
构造四元数微分方程
用龙格-库塔法或毕卡法求解
归一化四元数
从四元数提取欧拉角（如果需要）

// 四元数更新示例（简化版）
void quaternion_update(float q[4], float wx, float wy, float wz, float dt) {
    float q0 = q[0], q1 = q[1], q2 = q[2], q3 = q[3];
    float dq0 = 0.5f * (-q1*wx - q2*wy - q3*wz);
    float dq1 = 0.5f * ( q0*wx + q2*wz - q3*wy);
    float dq2 = 0.5f * ( q0*wy - q1*wz + q3*wx);
    float dq3 = 0.5f * ( q0*wz + q1*wy - q2*wx);
    
    q[0] += dq0 * dt;
    q[1] += dq1 * dt;
    q[2] += dq2 * dt;
    q[3] += dq3 * dt;
    
    // 归一化
    float norm = sqrt(q[0]*q[0] + q[1]*q[1] + q[2]*q[2] + q[3]*q[3]);
    q[0] /= norm; q[1] /= norm; q[2] /= norm; q[3] /= norm;
}

速度与位置更新

速度更新需要把加速度计的输出从载体坐标系转换到导航坐标系，然后减去重力，再积分。位置更新就更直接了，对速度积分就行。

我曾经踩过的坑：加速度计数据直接积分会漂移得很快。因为加速度计有零偏，积分一次变成速度斜坡，再积分一次变成位置抛物线。所以纯惯导系统几分钟就会偏出几公里。必须用其他传感器（比如GPS）来修正。

2.3 惯性导航误差分析

惯导系统的误差来源很多，我把它归纳为三类：器件误差、初始对准误差、算法误差。

器件误差

误差类型	来源	典型值（MEMS）	影响
零偏	制造工艺、温度	10~100 mg	速度漂移
比例因子误差	标定不准确	0.1%~1%	缩放失真
交叉轴耦合	安装误差	0.1°~1°	轴间串扰
随机游走	噪声	0.01~0.1 °/√hr	角度随机漂移

你想想看，一个零偏为10 mg的加速度计，积分10秒后速度误差就是0.98 m/s，再积分10秒位置误差就接近10米了。所以高精度惯导系统必须用零偏稳定性在0.1 mg以下的传感器。

初始对准误差

惯导系统启动时需要知道初始位置和初始姿态。位置可以从GPS获取，但姿态需要对准。静态对准通常利用加速度计测量重力方向、磁力计测量地磁场方向来确定初始姿态。

我建议：如果条件允许，做动基座对准。让载体做几个特定机动，利用卡尔曼滤波快速收敛姿态。这比静态对准快得多，精度也更高。

算法误差

算法误差包括离散化误差、量化误差、截断误差等。这些误差在高动态环境下会放大。

一个小技巧：采样率越高，算法误差越小。但采样率太高会增加计算负担。我个人习惯是：对于MEMS惯导，采样率设在100~200 Hz就够了。再高意义不大，因为传感器噪声已经占主导了。

2.4 知识体系总览

下面这张图概括了本章的核心内容。我画的是惯导系统的数据流和误差传递路径，你看一眼就能明白整体逻辑。

从这张图你能看到，惯导系统的核心就是传感器→算法→输出这条链。而误差分析贯穿始终，每个环节都会引入误差。搞懂这些，你就能理解为什么纯惯导系统需要其他传感器辅助了。

本章要点总结：

加速度计测比力，陀螺仪测角速度，两者互补构成IMU
捷联惯导用四元数做姿态更新，计算效率高且无万向锁
误差主要来自器件、对准和算法，其中器件零偏是最大头
纯惯导会随时间漂移，必须融合其他传感器

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录