2. Состояние исследований и тенденции развития темы.

2.1. Обзор отечественных и зарубежных исследований по смежным технологиям. Инерциальная навигационная система MEMS представляет собой интегрированную систему, которая объединяет датчики инерционных измерений, обработку сигналов, интерфейсы схем управления и передачу сигналов [8]. Инерциальный датчик MEMS является важным прикладным компонентом системы [9]. В 1950-х годах Китай начал проводить научные исследования по технологии инерциальных навигационных систем MEMS, которые в основном использовались в военной сфере. В то время Китай использовал механические гироскопы и акселерометры для измерения ориентации и исследования фильтрации, но из-за технических ограничений точность была низкой. В 1980-х годах Китай представил передовые зарубежные технологии инерциальной навигации и начал независимые исследования и разработки. Благодаря внедрению и освоению иностранных технологий его инерциальная навигационная система MEMS значительно улучшилась с точки зрения точности и производительности. В начале XXI века китайская инерциальная навигационная система MEMS получила дальнейшее развитие и начала использоваться в гражданских областях, таких как авиация, аэрокосмическая промышленность, корабли и интеллектуальные транспортные средства. В области аэрокосмической промышленности инерциальная навигационная система Китая широко используется в системах управления полетом для навигации самолетов, что значительно повышает безопасность полетов и повышает точность навигации.

В 1970-х годах, с развитием сенсорных технологий, особенно с развитием микроэлектромеханических систем (MEMS), технология фильтрации ориентации инерциальной навигационной системы ознаменовала важный прорыв. Сенсорные чипы MEMS имеют небольшой размер, низкое энергопотребление, легкий вес и низкую стоимость применения, что делает инерциальные навигационные системы MEMS более популярными и практичными. С 1980-х по 1990-е годы мультисенсорный синтез стал важным направлением развития технологии фильтрации ориентации для зарубежных инерциальных навигационных систем MEMS. Путем объединения инерционных датчиков с другими датчиками (такими как GPS, магнитометры, датчики технического зрения и т. д.) можно повысить точность и стабильность диапазона применения оценки ориентации. В начале XXI века алгоритмы нелинейной фильтрации стали широко использоваться при пространственной фильтрации MEMS -инерциальных навигационных систем. В последние годы, с развитием технологий глубокого обучения, зарубежные исследования по фильтрации ориентации инерциальных навигационных систем MEMS также начали внедрять методы глубокого обучения. Используя модели глубокого обучения, такие как нейронные сети, можно лучше решать сложные задачи оценки позы, а также повысить надежность системы [10] и адаптируемость.

Метод фильтра Калмана, используемый в этом проекте, применяет теорию фильтра Калмана (Kalman Filter, KF), которая была предложена Калманом в 1960 году как метод оценки дискретных случайных систем [11]. Однако, поскольку оценивать можно только дискретные системы, Калман позже сотрудничал с Р. С. Бизи в исследованиях и распространил этот метод теории фильтрации на линейные системы с непрерывным временем [12], сформировав полную систему алгоритмов оценки фильтрации. На измерительные датчики, такие как трехосные гироскопы, акселерометры и магниторезистивные магнитометры, используемые в экспериментах, легко влияют внешние помехи при измерении углов ориентации, что приводит к большим ошибкам. Например, гироскопы имеют температурный дрейф и дрейф нуля, акселерометры легко подвержены вибрациям оборудования, а магнитометры легко подвержены влиянию помех от окружающего магнитного поля [13] [14]. После того, как система будет накапливать текущие данные в течение длительного времени, точность расчета угла поворота снизится, что приведет к смещению данных [15], поэтому необходимо выполнить расчет и фильтрацию.