《智能网联汽车感知技术与应用》 教案 项目5 惯性导航定位技术应用

教案首页授课班级：日期：年月日编号：教学单元项目5惯性导航定位技术：任务5.1惯性导航定位系统应用授课方式理实一体授课时数2教学目标要求（知识、技能、素养）（一）知识目标1.掌握惯性导航系统（INS）定义、特点与核心价值。2.熟悉INS系统组成：IMU、信号处理、力学编排、输出接口。3.区分三类惯性导航：平台式、捷联式、混合式。4.掌握两大核心传感器：加速度计、陀螺仪的类型与原理。5.理解INS工作原理：感知→积分→坐标转换→误差累积。6.了解惯性导航在自动驾驶、车身稳定、组合导航中的典型应用。（二）技能目标1.能说出IMU的两个核心器件及其作用。2.能对比平台式与捷联式惯导的区别与适用场景。3.能解释惯性导航误差随时间累积的原因。4.能分析车载INS故障（偏航、漂移、数据跳变）的基本原因。（三）素养目标1.树立自主导航、安全冗余的工程意识。2.培养严谨精准、数据说话的科学态度。3.强化先校准、再运行、重稳定的标准化作业习惯。4.理解“失之毫厘，谬以千里”的高精度导航职业精神。教学重难点（一）教学重点1.惯性导航不依赖外部信号、完全自主的核心特点。2.IMU=三轴加速度计+三轴陀螺仪。3.捷联式INS是车载主流方案。工作原理：加速度→速度→位置（两次积分）。（二）教学难点1.力学编排与坐标系转换（载体坐标系→导航坐标系）。2.陀螺仪定轴性、进动性理解。3.误差累积原理与漂移产生原因。解决方法类比讲解：把惯导比作“闭眼走路算步数”。流程图示：用感知→积分→转换→输出流程图简化原理。表格对比：加速度计/陀螺仪、平台/捷联式一目了然。口诀记忆：加速度算位置，陀螺定姿态，积分出导航，误差会累积。课程思政元素自主可控：惯性导航是国家关键核心技术，不依赖卫星、不被卡脖子。国之重器：惯导装备于航天、导弹、深海、自动驾驶，增强民族自信。工匠精神：微米级制造、纳秒级运算、毫度级校准，精益求精。安全底线：惯导是自动驾驶最后一道定位防线，责任重于泰山。学情分析学生已学习卫星导航，理解定位基本概念，但对惯性器件、积分运算、姿态解算、误差累积等抽象知识陌生。学生对自动驾驶、ESP、无卫星定位场景兴趣高，适合用生活化比喻+结构化流程+案例教学。课堂进程次序教学内容及环节时间分配1导入：为什么惯导叫“自主导航”？8分钟2一、惯性导航概述15分钟3二、INS工作原理（重点）25分钟4三、核心传感器：加速度计+陀螺仪25分钟5四、典型应用场景12分钟6课堂小结+思考问答3分钟7作业布置2分钟教案首页任务5.1惯性导航定位系统应用一、惯性导航系统（INS）概述（一）定义与特点1.完全自主导航：不接收卫星、不发射信号，不靠外部信息。2.核心逻辑：测加速度和角速度→积分→算位置、速度、姿态。3.优点：抗干扰、全天候、更新快、短期精度高。4.缺点：误差随时间累积，必须定期校正。（二）系统组成1.IMU（核心）：三轴加速度计+三轴陀螺仪。2.信号处理单元：滤波、降噪、温度补偿。3.力学编排模块：积分运算，姿态解算，坐标转换。4.输出接口：给自动驾驶/ESP提供姿态与位置。（三）三类INS类型核心特点典型应用平台式INS用物理稳定平台隔离载体振动，精度高核潜艇、洲际导弹捷联式INS直接固连载体，依赖数学算法解算姿态汽车、无人机（成本低）混合式INS融合前两者优势，适应高动态环境战术导弹、高速飞行器1.平台式：物理稳定台，精度极高，笨重昂贵→航天、潜艇。捷联式：直接刚性固定，靠数学解算→车载、无人机主流。混合式：兼顾精度与动态→高端武器。二、惯性导航工作原理1.测量运动（IMU）加速度计：测线加速度。陀螺仪：测角速度/姿态。2.两次积分解算加速度→一次积分→速度速度→二次积分→位置角速度→积分→姿态角3.坐标系转换载体坐标系：车身前后左右。导航坐标系：地图东西南北。必须通过矩阵变换统一。4.误差来源陀螺漂移：角度随时间偏。加速度计零偏：位置误差越来越大。振动、温度加剧误差。三、核心传感器技术（一）加速度计（测线运动）1.基本功能：加速度计是测量载体所受合加速度（或称为比力，即总加速度减去当地重力加速度）的装置。它是INS中用于获取速度和位置信息的基石。2.工作原理：基于牛顿第二定律（∑F=ma），通过检测惯性质量块在加速度作用下的位移或受力，转换为电信号或其他可测量的物理量。a=3.主要类型：压阻式：手机、低端IMU。压电式：高频、振动测量。电容式：车载高精度主流。伺服式：超高精度，战略级。（二）陀螺仪（测角度/旋转）​1.基本功能：陀螺仪是测量载体相对惯性空间角速率（旋转速度）的装置。它是INS中用于获取姿态和航向信息的关键器件。工作原理：陀螺仪利用高速旋转刚体的定轴性（角动量守恒原理）或其进动特性，感知载体相对于惯性空间的旋转运动，并将其转换为电信号或其他可测量的物理量。3.核心特性（1）定轴性：高速旋转指向不变。（2）进动性：受力后垂直方向偏转。4.主要类型类别典型精度核心优势典型应用场景机械转子陀螺战略级（≤0.001°/h）超高精度、长期稳定性洲际导弹、深海探测光学陀螺导航级（≤0.01°/h）全固态、抗冲击战术导弹、无人机导航MEMS陀螺战术级以下微型化、低成本智能手机、消费级无人机新兴陀螺实验室级至战略级颠覆性精度或可靠性未来无人系统、深空探测（1）机械转子陀螺：高精度，体积大。字类划分工作原理框架式陀螺（GimbaledGyro）通过内外框架支撑高速转子，利用框架隔离载体的角运动，经典代表为传统航海陀螺罗经。液浮式陀螺（Fluid-SuspendedGyro）转子浸泡在绝缘液体中，通过液体浮力支撑实现无接触支承，精度可达战术级（≤0.1°/h）。静电式陀螺（ElectrostaticGyro采用静电悬浮技术约束转子，消除机械接触损耗，属于超高精度范畴（≤0.001°/h），曾用于战略武器制导。动力调谐式陀螺（DTG,DynamicallyTunedGyro）通过弹性支撑与主动控制实现转子动态平衡，在中高精度领域（战术级至导航级）有成熟应用。（2）光学陀螺（光纤/激光）：全固态，车载高端。字类划分工作原理激光陀螺（RLG,RingLaserGyro）采用固体激光器作为光源，在石英环形腔内形成激光振荡，直接测量腔体旋转引起的频率差，精度可达导航级（≤0.01°/h）。光纤陀螺（FOG,Fiber-OpticGyro）以长光纤环替代激光陀螺的实体腔体，通过光纤线圈长度增加提升灵敏度，具有低成本、易集成优势，广泛应用于捷联惯导系统。MEMS陀螺：微型、低成本→车载标配。①电容式陀螺（CapacitiveMEMSGyro）：利用硅基微加工工艺制造可动质量块，通过检测科里奥利力引起的电容变化实现测量，是最主流的MEMS陀螺类型（如手机惯性测量单元）。②压电式陀螺（PiezoelectricMEMSGyro）：基于石英或压电陶瓷的压电效应，将振动质量块的科里奥利形变转换为电信号，具备抗电磁干扰优势。③谐振式陀螺（ResonantMEMSGyro）：驱动质量块工作在共振状态，通过检测共振频率偏移感知角速率，理论精度高于普通电容式MEMS，正朝向战术级（≤10°/h）突破。四、典型应用场景（一）高精度冗余导航1.应用背景与需求：在航空航天、高端武器系统、深海探测以及某些关键基础设施的安全监测等对导航精度和可靠性要求极高的领域，单一的导航手段（即使是惯性导航本身）也难以完全满足全天候、全时段、全工况下的精确导航需求。2.解决方案：（1）组合导航（GNSS+INS）卫星好时：GNSS校正INS。卫星差时：INS独立连续定位。（2）多传感器融合（二）车身控制与姿态稳定1.应用背景与需求：在现代汽车、特种车辆、机器人以及高速列车等运载工具中，为了实现安全、舒适、高效的运行，精确感知和控制自身姿态与运动状态至关重要。2.解决方案：（1）实时姿态数据采集：在车辆上安装高性能的惯性测量单元（IMU），可以实时、连续地获取车辆的俯仰角（Pitch）、横滚角（Roll）、航向角（Yaw）等姿态参数，以及车辆的线加速度和角速率信息。（2）电子稳定程序（ESP,ElectronicStabilityProgram）：将IMU提供的精确姿态和运动信息作为核心输入之一，结合其他传感器数据（如轮速传感器、方向盘转角传感器等），ESP系统能够实时判断车辆的行驶状态是否偏离驾驶员的意图。当检测到车辆出现侧滑、甩尾或过度转向等不稳定趋势时，ESP会迅速而精确地对单个或多个车轮进行独立的制动干预，并在必要时调整发动机输出扭矩，从而帮助驾驶员恢复对车辆的稳定控制，有效预防事故的发生。（3）主动悬架调校：高级车辆的主动悬架系统可以根据IMU实时感知的车辆姿态、加速度和路面激励信息，动态调整各悬架单元的刚度、阻尼和高度，以优化车辆的行驶平顺性、操控稳定性和乘坐舒适性，并在复杂路况下最大限度地减少车身侧倾和俯仰。五、课堂小结惯性导航是自动驾驶的“自主定位守护神”：1.不靠外部信号，完全自主。2.IMU测量→积分运算→输出导航信息。3.优点：稳、快、准（短期）。4.缺点：误差会累积，必须融合校正。5.它是隧道、地下、无信号区的最后一道定位防线。六、思考问题车企要做低成本、高可靠自动驾驶惯导模块，应优先选哪种加速度计+陀螺仪？为什么？七、作业布置1.惯性导航最大特点是什么？2.IMU由哪两个器件组成？分别测什么？3.简述INS工作的两次积分过程。4.捷联式惯导为什么适合车载？5.惯性导航的主要误差来源是什么？授课班级：日期：年月日编号：教学单元项目5惯性导航定位技术：任务5.2GNSS与INS组合应用授课方式理实一体授课时数2教学目标要求（知识、技能、素养）（一）知识目标1.掌握GNSS与INS的优势、局限及互补原理。2.熟悉组合导航系统架构（硬件层+算法层）。3.区分松组合、紧组合、深组合的融合层级、特点与适用场景。4.理解城市NOH、高速领航、自动泊车的组合导航技术方案。（二）能力目标1.能根据场景选择组合模式。2.能初步诊断GNSS接收机故障、IMU漂移、滤波发散。3.能解读组合导航硬件组成与协同逻辑。（三）素养目标1.建立多源融合、优势互补的工程思维。2.强化问题导向、现象追因的严谨习惯。3.提升场景—技术—成本匹配的产业适配能力。教学重难点（一）教学重点GNSS+INS互补原理、三种组合模式、典型场景应用。（二）教学难点紧组合/深组合工作逻辑、故障诊断与滤波优化。解决方法实车案例拆解、通俗类比讲解、故障流程分步演示、小组讨论课程思政元素弘扬北斗系统自主创新精神，增强民族科技自信；2.培养严谨规范、安全可靠的工程质量意识；3.树立智能驾驶“人命至上、安全第一”职业底线；4.倡导技术普惠，兼顾成本与安全的产业责任观。学情分析学生已掌握传感器与感知对象知识，但工程化、量产化思维较弱，对融合方案、技术路线、时序同步等难点理解吃力。对实车案例与就业应用兴趣高，适合用拆解对比、通俗类比开展教学。课堂进程次序教学内容及环节时间分配1导入：隧道中手机导航信号弱，自动驾驶为何仍精准行驶？5分钟2一、组合导航基础20分钟3二、三种组合模式20分钟4三、典型车载应用15分钟5课堂小结+思考问答3分钟6作业布置2分钟教案正文课程：学年第学期第周月日备注备注教学内容任务5.2GNSS与INS组合应用一、组合导航概述1.GNSS优势与局限优势：绝对定位、全局基准、长期稳定、成本低。局限：信号易遮挡、易失锁、城市多径误差大、动态响应慢。2.INS优势与局限优势：自主工作、短时精度高、高频输出、抗遮挡、抗干扰。局限：误差随时间累积、需外部初始对准。3.互补性原理长期靠GNSS提供绝对基准。短期靠INS保证连续、高频、高动态定位。融合后实现：无缝定位、不中断、复杂场景稳定工作。二、组合导航系统架构1.硬件层组件类型功能定位技术指标要求（智能网联汽车场景）GNSS接收机获取卫星原始观测数据（伪距、载波相位）多频（L1/L2/L5）多模（支持BDS/GPS双系统）

抗多径天线（如贴片天线+扼流圈）IMU测量三轴加速度与角速率漂移（陀螺仪＜10°/h，加速度计＜1mg）

噪声密度（角速率<导航计算机数据融合与算法运算算力（支持浮点运算，算力≥100GFLOPS）

实时性（延迟＜10ms）

接口（CAN/LIN/以太网）关键要求：时间同步、安装布局、电源冗余。2.算法层（1）原始数据获取：从GNSS接收机、惯性测量单元（IMU）、视觉传感器等设备实时获取原始数据，包括位置、速度、姿态、加速度、角速度等。确保数据同步性（如时间戳对齐）和完整性（如避免信号丢失或干扰）（2）数据预处理：①去噪与异常值处理：采用卡尔曼滤波、均值滤波或小波变换消除高频噪声，如GNSS多径效应、IMU随机漂移），并通过统计检验或机器学习方法识别并剔除异常值。②数据融合与坐标转换：融合GNSS与INS数据，利用卡尔曼滤波或因子图优化提升精度；转换IMU的载体坐标系数据至导航坐标系，统一坐标系。③格式标准化与缺失值填补：标准化数据格式（如时间分辨率、量纲统一），利用插值法或基于模型的预测填补缺失值。（3）状态估计与输出：①动态模型构建：建立系统状态方程（如SINS的运动方程）和观测方程（如GNSS伪距/伪距率测量模型）。②滤波算法实现：卡尔曼滤波适用于线性高斯系统，实时更新状态估计（如位置、速度）；粒子滤波/无迹卡尔曼滤波适用于处理非线性系统（如复杂机动场景）；强跟踪滤波适用于通过渐消因子增强模型不匹配时的鲁棒性。③多源数据融合与优化：结合IMU的高频姿态信息与GNSS的低频位置信息，通过序贯滤波或分布式估计提升连续性和稳定性。④结果输出与可视化：输出高精度导航参数（如三维位置、速度、姿态角），支持实时监控或后处理分析。三、三种组合模式1.松组合（位置/速度级融合）融合内容：GNSS位置、速度修正INS。优点：简单、成本低、易实现。缺点：GNSS失锁后无法修正。适用：普通导航、自动泊车。2.紧组合（观测值级融合）融合内容：伪距、载波相位联合解算。优点：抗遮挡、抗多径、城市场景稳定。适用：城市NOH、城区自动驾驶（主流量产方案）。3.深组合（信号跟踪级融合）融合内容：INS辅助GNSS信号跟踪环路。优点：极端干扰、高动态、失锁快速恢复。缺点：复杂、成本高。适用：高端自动驾驶、军工、航天。模式融合层级观测量状态反馈机制精度实时性典型应用场景松组合位置/速度级GNSSPVT结果无（误差不反馈至INS）米级→分米级＜100ms基础定位、路径规划紧组合误差状态级GNSS位置/速度残差误差状态反馈至INS模型＜50ms高动态场景（如AEB）深组合信号跟踪级载波相位、多普