4. 捷联惯导系统（SINS）基本原理与误差方程

捷联惯导，说白了就是把惯性测量单元（IMU）直接“绑”在飞行器上。跟平台式惯导不一样，它没有物理的稳定平台。我刚开始接触这个的时候，总觉得少了那个平台，精度肯定不行。后来才发现，这恰恰是它的精髓——用数学算法代替了机械结构。

4.1 捷联惯导的核心思想

你想想看，传统的平台惯导，陀螺和加速度计是装在一个物理平台上的。这个平台通过伺服电机，始终跟踪着导航坐标系。捷联惯导呢？它把IMU直接固定在机体上。陀螺测的是机体的角速度，加速度计测的是机体的比力。

那怎么得到导航信息？全靠计算机算。用陀螺测的角速度去更新姿态矩阵，再用这个矩阵把加速度计的比力投影到导航坐标系，最后积分得到速度和位置。

C_b^n(t + Δt) = C_b^n(t) · exp(∫ ω_nb^b dt)

嗯，这里要注意。实际工程中，我们不会直接算矩阵指数。我习惯用四元数来更新姿态，计算量小，还避免了万向节锁死的问题。

4.2 姿态更新算法

姿态更新是捷联惯导最核心的一步。陀螺输出的是角增量，我们需要把它转换成姿态变化。

常用的方法有：

• 欧拉角法：直观，但有奇点。俯仰角±90°时，航向角就解不出来了。我做过一个高机动飞行器的项目，用欧拉角直接炸了。
• 方向余弦矩阵法：无奇点，但9个参数，计算量大。早期计算机性能不够时，这是个硬伤。
• 四元数法：4个参数，无奇点，计算量适中。我个人强烈推荐这个。

q = q / ||q||

4.3 速度与位置更新

速度更新，说白了就是对比力积分。但这里有个坑——你得先把加速度计测的比力从机体系转换到导航系。

f^n = C_b^n · f^b

然后减去哥氏加速度和重力加速度，才是真正的运动加速度。

v̇^n = f^n - (2ω_ie^n + ω_en^n) × v^n + g^n

位置更新就更直接了，对速度积分就行。但要注意，纬度、经度、高度是三个不同的量，更新公式略有差异。

4.4 捷联惯导的误差方程

为什么要研究误差方程？说白了，就是为了做组合导航。卡尔曼滤波需要知道系统的误差传播规律。

误差方程包括三个部分：

• 姿态误差方程：描述平台失准角的传播
• 速度误差方程：描述速度误差的传播
• 位置误差方程：描述位置误差的传播

我直接给出一组常用的线性化误差方程（在导航坐标系下）：

姿态误差：
φ̇ = -ω_in^n × φ + δω_in^n - C_b^n · ε^b

速度误差：
δv̇ = f^n × φ + C_b^n · ∇^b - (2ω_ie^n + ω_en^n) × δv + δg^n

位置误差：
δL̇ = δv_N / (R_M + h)
δλ̇ = δv_E / ((R_N + h) · cosL)
δḣ = -δv_D

其中 ε^b 是陀螺漂移，∇^b 是加速度计零偏。这两个是惯导最主要的误差源。

4.5 误差方程的物理意义

你仔细看姿态误差方程。第一项 -ω_in^n × φ 说明什么？它表示平台失准角会随着地球自转和载体运动而旋转。第二项 δω_in^n 是导航系计算误差引起的。第三项 -C_b^n · ε^b 就是陀螺漂移直接导致的姿态误差。

我举个例子。假设你的陀螺有0.01°/h的常值漂移。在纯惯导模式下，一小时后的姿态误差大约是0.01°。听起来不大？但速度误差会随着时间累积，位置误差更是随时间平方增长。

4.6 知识体系结构图

下面这张图，是我梳理的捷联惯导核心逻辑。你看一眼就能明白整个系统的数据流和误差传播路径。

4.7 工程中的几个关键点

做捷联惯导，有几个地方特别容易出问题：

1. 圆锥误差补偿：高动态环境下，角速度积分会有不可交换性误差。我建议用多子样算法来补偿。
2. 划船误差补偿：线振动和角振动耦合产生的速度误差。跟圆锥误差类似，也需要特殊处理。
3. 初始对准：捷联惯导启动时，需要知道初始姿态。粗对准用重力矢量和地球自转角速度矢量，精对准用卡尔曼滤波。
4. 传感器标定：陀螺和加速度计的零偏、标度因数、安装误差，都得标定。我见过一个项目，因为安装误差没标定，导航精度直接降了一个数量级。

捷联惯导的误差方程，说白了就是告诉我们：误差从哪里来，怎么传播，怎么抑制。搞懂了这些，组合导航的卡尔曼滤波器设计就水到渠成了。