弹载磁传感器的误差补偿及姿态解算方法

随着国防工业科技的不断发展,弹上导航制导技术的应用越来越广泛.为了实现对高旋弹的飞行控制,获取姿态信息是最为关键的步骤,而传统的利用IMU或地磁来解算姿态的方法,在滚转角结果上存在着较大误差且存在灵敏度不足的缺点.提出了一种使用补偿后的三轴地磁数据来解算姿态的方法,采用最小二乘与椭球拟合的方法对磁传感器进行温度标定与弹体系数标定,补偿了地磁数据的误差,并在此基础上研究了利用地磁信息解算弹体姿态的方法.实验结果表明,所提出的方法在易于工程实现的同时,采集的地磁数据相比于国际地磁标准减小了近20％的误差,在姿态的解算上可以减小14.21％的误差,在滚转角解算上提高了30.72％的精度.     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

交互式捷联惯导仿真系统的设计与实现

捷联式惯导系统在军事领域应用广泛,为便于对捷联惯导算法及各种组合导航算法进行研究,设计了一套捷联惯导仿真系统。系统基于模块化思想设计,包括运动状态建模、轨迹仿真模块、惯性器件仿真模块和惯导解算模块4部分,具有良好的可移植性和拓展性;系统采用图形交互界面,实时操控载体的运动状态,能便捷、高效的生成各种运动轨迹;利用等效旋转矢量算法对仿真数据进行了解算分析,仿真实验结果表明：解算的姿态、速度和位置误差与理论值相符,验证了仿真模型的合理性以及仿真系统的可用性。     

基于 Mahony-EKF 算法的手臂运动姿态测量系统

针对传统姿态解算方法效率迟缓、精度低下及稳定性差等问题,提出一种基于Mahony和扩展卡尔曼(EKF)相融合的算法,并开发出一种新型人体手臂姿态测量系统。首先,通过STM32微处理器采集MEMS传感器测得的数据,借助Mahony滤波器解算加速度计、磁力计和陀螺仪的数据,以此得到初步姿态四元数。其次,将初步姿态四元数作为EKF量测值,依据非重力加速度调节量测噪声协方差矩阵。然后,根据陀螺仪测得的角速度信息建立EKF状态方程,通过EKF滤波更新状态,获取解算融合后的手臂姿态数据。最后,将数据发送到上位机,通过上位机软件实时监测姿态角数据,再构建三维模型实时还原手臂的运动状态。经实验验证,应用EKF算法矫正Mahony滤波解算出的姿态数据,不仅可以使误差减小到0.5°、消除超调量和降低噪声干扰,还能有效克服传统姿态解算方法中需要大量数据集和计算时间长问题,从而抑制了随机波动,提高姿态解算精度。     

GPS/BDS和IMU融合技术在无人配送车定位解算中应用研究

为了提高无人配送车定位精度,将GPS/BDS和惯性测量单元（IMU）多传感器融合技术用于无人配送车定位系统。为了解决GPS/BDS和IMU定位解算时产生的信号缺失和累计误差而导致的定位精度不高,抗干扰差等问题。本文采用CKF算法将GPS/BDS和（捷联惯导）SINS解算出的定位结果进行滤波处理,从而提高定位精度。当GPS/BDS定位接收模块信号缺失时,将IMU提供的数据结合SINS算法解算出无人配送车的当前位置;在IMU定位过程出现的累计误差问题处理上,利用CKF处理过GPS/BDS接收机数据进行矫正。为了验证融合GPS/BDS和IMU的定位解算方法的优越性,实验中使用单个BDS定位系统进行定位结果比较。实验结果表明,使用本文所述方法速度误差减少了27.89%,位置误差减少了38.81%,能有效提高无人配送车在配送物品的过程中定位的精确度和稳定性。     

基于IMU旋转的MEMS器件误差调制技术研究

MEMS惯性器件低信噪比和漂移大成为影响其应用范围的主要因素,提出基于惯性测量单元(IMU)转动的MEMS器件误差旋转自补偿方法。将MEMS输出信息利用小波降噪技术进行预处理,以此消除旋转调制方案不能自补偿的随机噪声信号并提高器件输出信噪比,分析IMU转动方案下的误差调制原理并探讨旋转调制的工程可实现性。搭建MEMS转动实验环境并开展降噪与IMU静止和转动条件下的导航实验,结果表明,采用旋转状态下的MEMS惯导系统可有效地提高系统自身测姿和定位精度。     

基于 Mahony 与改进 Kalman 融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

多信息融合的定向测姿方法的研究

针对双GPS定位定向系统和MEMS惯性传感器在姿态解算及导航系统中所呈现出的优点与不足,本文先后对惯性导航系统的四元数算法,基于MARG传感器(三轴陀螺、三轴加速度计和三轴磁阻)的航姿解算方法以及结合惯性导航系统和双GPS系统的航姿解算方法进行研究,通过计算机仿真实验证明了3种方案的可行性,并得出进一步的结论:采用组合导航的方式,由双GPS部分、IMU部分和数据处理部分组成的基于惯性导航和双GPS的多信息融合的航姿系统,具备更好的预测精度和可靠性。     

基于地磁传感器的旋转弹姿态存储测试系统的设计

传统的由加速度计和陀螺组合而成的惯性测量系统,由于安装时存在误差,并且误差随时间积累导致无法计算出准确的姿态角,且不能承受较高的冲击。地磁传感器具有误差不随时间积累、使用简单、量程范围广的优点,在姿态测试中有广泛的应用空间。本文通过分析旋转弹的滚转姿态的测量环境和需求,设定了基于薄膜式地磁传感器的旋转弹滚转角姿态存储测试系统的性能指标。根据制定出的技术指标,进行了测试系统硬件电路中调理电路部分的设计。最后介绍了测试系统针对恶劣的测试环境采取的提高系统可靠性的措施。     

基于粒子滤波的无人机航迹预测方法研究

介绍了一种基于粒子滤波的无人机航迹预测的新方法。在对无人机航迹进行分析的基础上,选择了对航迹影响敏感的俯仰角、横滚角、偏航角等姿态角作为研究参数。通过对大量飞行姿态角数据的分析,建立了系统的状态空间方程。最后,运用粒子滤波算法,通过对姿态角的预测间接实现无人机航迹的预测。通过与飞行真实值的比较,验证了基于粒子滤波的航迹预测方法的有效性。     

A car test for the estimation of GPS/INS alignment errors

Misalignment can be an important error source in the integration of the global positioning system (GPS) and inertial navigation systems. This paper presents car test results on the estimation of alignment errors in the integration of a low-grade inertial measurement unit (IMU) with accurate GPS measurement systems. The car test was conducted with a low-cost solid-state IMU and carrier-phase differential GPS measurement systems. Test results showed that changes in the angular velocity improve the estimation of the lever arm between the GPS antenna and IMU. They also showed that changes in acceleration improve the estimation of the relative attitude between the GPS antenna array and IMU. The lever arm was estimated with a 10-cm error. The relative attitude was estimated with a half-degree error. An iterative scheme was used to improve the estimation of the alignment errors during postprocessing. The scheme was shown to be useful when the test car could not have sufficient changes in motion due to limitations in its path. With the given set of test data, the estimation error decreased as the number of iterations increased.     

AHRS 的老人跌倒检测算法

独居老人如在室内或室外发生意外摔倒时,没有得到及时医疗救助治疗,将给老年人造成巨大的心理与身体的伤害。 将航姿参考系统(attitude and heading reference system,AHRS)应用在跌倒检测中,将跌倒的过程转变成姿态的变化,从而来判断 跌倒的程度。 AHRS 航姿系统比过去原有实验方案 3 种姿态角度均有所提升,俯仰角( pitch)提升 2. 371%,滚转角( roll)提升 9. 238%,偏航角(yaw)提升 4. 682%,加速度计最大值精确了 0. 171g,AHRS 航姿系统融合扩展卡尔曼滤波器在检测老年人跌倒 姿态中比过去原有实验方案在检测时间计算上提升了 1 s。 综上实验验证 AHRS 航姿融合在检测老年人跌倒上可以数据更精 确,计算时间更少,在研究人体真实跌倒姿态中更贴近了一步。     

基于DSP测量组合导航系统设计

随着微机电系统(MEMS)技术的发展,采用MEMS技术的微小型低成本捷联惯性导航系统已成为目前的一个研究热点;而单一的导航定位定向系统已经不能满足我国在军事领域和民用领域对导航、定位、定向精度的要求,以捷联惯导系统(SINS)和全球定位系统(GPS)相结合构成的组合导航系统以其较高的精度、低廉的成本逐渐被应用于各个领域.本文以MEMS芯片为基础,研究基于DSP测量的低成本SINS/GPS组合导航系统的设计和实现,旨在实现组合导航系统小型化、低成本、高可靠性和智能化.     

基于变结构ESKF的航姿参考系统噪声处理方法

针对航姿参考系统（AHRS）易受到环境与传感器自身噪声干扰,导致姿态估计精度下降的问题,提出了一种基于变结构误差状态卡尔曼滤波（VS-ESKF）的噪声数据处理方法。首先,通过分析AHRS传感器观测数据与新息序列统计特征,设计了基于加速度范数与遗忘序贯概率比检验（F-SPRT）的方法,分别检测加速度计与陀螺仪的噪声数据。其次,基于噪声检测结果,将平滑变结构滤波(SVSF）策略引入到误差状态卡尔曼滤波（ESKF）,以提高ESKF对噪声模型不确定性的处理能力。然后,结合磁场强度与磁倾角参数特征,利用马氏距离法评估磁干扰并实时调整磁力计补偿权重,获取准确的AHRS修正数据。最后,基于自主搭建独轮机器人平台进行实验验证,结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据,并有效地抑制噪声干扰,相比于ESKF算法,对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%,提高了姿态估计的准确性和稳定性。     

室内微型组合导航计算机设计

通过对室内导航技术的分析,结合嵌入式控制技术和和微机电系统(micro electro mechanical systems,MEMS)技术,提出了基于MEMS惯性/视觉的室内微型组合导航计算机设计方案。该方案以室内导航的性能需求为基础,设计了以MEMS惯性传感器和摄像头为主要传感器电路,并融合各模块数据完成了计算机系统设计。测试结果表明该系统能够正确采集前方障碍物的距离信息和运动信息,体积小,可靠性高,满足室内导航的要求。