航姿系统矢量场传感器校正的双内积法

三轴磁强计与加速度计广泛用于航姿系统中,针对其误差补偿问题,提出一种基于双内积的校正方法。该方法利用了地磁场和重力矢量自身模值守恒,以及二者在旋转轴上投影的不变性。该方法能克服基于椭球拟合的校正方法无法补偿非对准误差的缺陷,实现三轴磁强计及加速度计的完全校正。实验结果表明,该方法能有效改善航姿系统的精度且操作简便。     

航姿参考系统中磁航向传感器误差标定与补偿

对于航姿参考系统中磁航向传感器的输出精度来说,误差环境对其精确度的影响起着很大的作用.为了校正磁航向传感器的误差,提出了一种基于改进最小二乘法的椭球拟合法,对三轴磁传感器误差做快速标定补偿.首先,对磁航向传感器的误差产生机理进行有效分析,然后,针对分析结果建立误差椭球模型,推导出误差系数的解算公式,利用改进的椭球拟合方法对磁航向传感器进行标定和补偿.实验结果表明,改进的椭球拟合方法能够正确快速的标定补偿磁航向传感器的零偏误差、非正交误差、灵敏度误差,在解决当前磁传感器标定补偿计算量大、操作时间长、标定设备要求高等问题上达到了预期的效果,具有补偿效果显著,简单易行等特点.     

无人机捷联航姿系统误差分析与补偿

针对由三轴磁传感器、三轴微机电系统(MEMS)加速度计和三轴MEMS速率陀螺构成的无人机捷联航姿参考系统(AHRS),在详细分析3种传感器误差来源的基础上,建立了与之相适应的误差数学模型;根据传感器自身特点和九轴传感器的测量特点提出了相对应的误差补偿算法.试验结果表明:磁通门传感器的航向角最大误差由补偿前15°降低为补偿后1.6°;补偿后加速度计的俯仰角最大误差为0.25°,倾斜角最大误差0.35°;速率陀螺的静态误差补偿在3.5 min之内航向角误差为±0.3°,俯仰角补偿后误差±0.4°,倾斜角补偿后误差±0.4°;当速率小于15°/s时,动态误差控制在±1°.     

小型航姿参考系统设计

针对航姿测量的需求,提出了一种基于四元数扩展卡尔曼滤波的航姿参考系统(AHRS)设计方案。系统采用低成本微机电系统(MEMS)三轴陀螺仪、加速度计和磁力计,利用基于四元数的扩展卡尔曼滤波方法对传感器数据进行融合,得出三轴姿态角。为了仅根据磁偏角确定磁力计量测方程,避免磁倾角影响,提出了利用加速度计对磁力计数据进行正交化处理的方法。为了减小加速度计和磁力计测量误差,利用基于最小二乘法的椭球拟合校正方法对测量数据进行校正。实物试验表明:传感器校正效果较好,系统具有相对较高的测量精度和较好的动态特性。     

基于MEMS传感器的数字式航姿系统设计

针对传统的模拟平台式航姿系统的不足,设计并实现了基于微惯性传感器和微磁传感器的数字式捷联惯性航姿系统。结合四元数微分方程,利用一种以加速度计和磁航向为观测量的卡尔曼滤波器进行数据融合,实现了对陀螺漂移的修正。PC104作为导航计算机,安装了微软高性能嵌入式操作系统。实物静态和跟踪实验表明:该航姿系统简单可行,能够很好地满足航姿系统精度要求。     

矢量天线阵元方向不一致的误差校正

基于特征值分解的子空间类算法对误差非常敏感,有必要对方向误差进行有效的校正.分析了方向误差形成的原因,建立了误差阵元的数据模型,研究同一入射信号玻印廷(Poynting)矢量与阵元排列方向的关系,使用3个参量未知的校正源,通过比较校正源玻印廷矢量在参考阵元与误差阵元处的响应,获得阵列采样数据方向误差校正矩阵.比较玻印延矢量的误差校正方法不涉及参量搜索,计算量小且易于在工程上实现,计算机仿真验证了算法的正确性和有效性.     

一种基于椭球约束和Procrustes分析的磁矢量传感器校正算法

磁矢量传感器在测量过程中将受到载体及其他工作部件的干扰,为保证和提高测量精度,提出了基于椭球约束和Procrustes分析的磁矢量传感器校正算法。在分析误差来源并进行分类的基础上,建立了磁矢量传感器误差模型,通过椭球约束法和正交Procrustes分析获得了由测量值到真值的映射关系,实现磁矢量传感器的校正。仿真结果表明,该校正方法能有效地完成磁矢量传感器的校正,而且方法简单、易于实现,在较大噪声水平下也能较好的完成校正工作。     

备份航姿系统的磁传感器在线校准方法

磁航向角是备份航姿系统的重要输出参数,为提高测量性能,需对磁传感器进行误差标定。对于机载应用的磁传感器,地面标定方法需要耗费大量的时间且操作不便,在地表标定结果的适用性随距离标定的时间和使用空间位置的变化而降低。基于备份航姿系统的实际工作特点,提出一种在备份状态下利用飞机主惯导的姿态角信息对磁传感器误差进行在线校准的方案,设计了误差校准数据存储的数据结构,提出了校准数据对航向空间覆盖的充分性评价策略,最后利用无磁转台模拟环境,验证了某备份航姿系统的磁传感器在线校准方案的可行性和有效性。     

三轴磁传感器分量误差两步校正方法

在三轴磁传感器测量误差校正方面,传统的椭球拟合算法只能实现磁场总量的校正,没有给出明确的测量误差模型参数求解方法,无法保证磁场分量校正效果。针对此种情况,提出三轴磁传感器分量误差的两步校正方法。第一步,建立三轴磁传感器测量误差模型,利用椭球拟合算法求解中间参数;第二步,对中间参数进行解耦,得到实际三轴磁传感器测量误差模型参数,从而实现三轴磁传感器的磁场总量和分量校正。仿真结果表明该方法能够精确求解出三轴磁传感器测量误差模型参数,从而有效实现三轴磁传感器分量误差校正。实验结果验证了该方法的有效性。     

基于椭球拟合的磁力计误差校正方法研究

针对工作环境下的MEMS磁力计易受磁场干扰,且传统误差补偿速度慢、需要外部信息辅助而影响地磁信息获取时效性和精度的问题,提出一种基于椭球拟合的磁力计误差修正算法。建立基于刻度因子误差、非正交误差、零偏误差和软硬磁特性的磁力计误差模型,采用最小二乘平差法估计椭球拟合算法中的椭球方程系数,得到校准后的磁场强度值。实验结果表明,经过论文提出的椭球拟合算法校正后的磁场强度波动幅度明显小于磁力计测量的原始磁场强度,能够有效降低磁力计测量误差。     

某型捷联航姿系统自动测试设备设计与实现

为了在地面准确地检测和测试某新型航姿系统各项性能是否满足飞行要求,介绍了一种航姿系统自动测试设备设计方法,该设备的核心是集成了422卡、429卡、D／A卡和A／D卡功能的工业控制计算机以及自动测试软件。提出了该设备的设计要求,从自动测试设备的硬件设计和软件设计等方面,分别给出了具体的实现方法。实验证明,该设备在工厂生产过程中能对航姿系统进行高速、高效的功能测试;装备部队以后,使得部队地勤维护人员能快速准确地检测出航姿系统故障信息,提高了部队快速机动以及装备维修保障能力。     

基于MTi微惯性航姿系统的卡尔曼滤波器设计

本文介绍了惯性航向姿态系统中两种常用的航向姿态测量方法和MTi的组成,并以MTi微惯性航姿系统（微机械陀螺、做机械加速度计、三轴磁强计）为研究对象,构建航姿系统。给出了基于MTi的航姿系统的四元数卡尔曼滤波算法,并在卡尔曼滤波器中利用加速度计和磁强计计算的姿态角来补偿陀螺的漂移。仿真结果表明了该方法的有效性。     

CAN总线在捷联航姿系统中的应用

提出了一种捷联航姿系统的方案设计.该捷联航姿系统基于德州仪器公司新型数字信号处理器TMS320C6713,解算出的航姿信息由CAN总线输出.较之于用传统的RS232、RS485、1553B等输出方式,使用CAN总线,有助于将航姿系统、计算机、控制设备、测试设备、各种传感器,通过CAN总线互连,构成一个高速、可靠、廉价的现场总线控制系统(FCS).     

基于MEMS传感器微型飞行器航姿仪的硬件实现

针对微型飞行器(MAV)的特点介绍了一种基于微机电系统(MEMS)传感器的微型航姿仪,它包括三轴陀螺、三轴加速度传感器、三轴磁阻传感器和数字信号处理器(DSP).详细给出了系统整体方案设计和具体的硬件选型和接口设计,并对电路设计中的关键技术进行了说明.这种微型航姿仪具有体积小、重量轻、功耗低和工作可靠等特点.     

基于UKF的无人机航姿系统算法研究

研究无人机捷联导航姿态精度优化问题,针对微小型无人机做连续大机动飞行时,MEMS器件用于载体航姿测量精度低、易发散的问题,提出了一种基于UKF技术的姿态融合算法.用重力加速度在机体系的分量和陀螺漂移做为待估的状态量,建立了非线性的滤波模型.在系统模型噪声为复杂加性噪声且量测方程为线性方程时,推导出简化UKF算法.为了验证上述算法的有效性,将UKF和EKF算法进行对比,并通过姿态误差均值和均方差对实验结果进行定量分析.仿真结果表明,数据融合判别准则合理可行,改进算法提高了载体机动情况下的姿态精度,达到了预期的要求.     

一种简单的低成本航姿系统标定及修正方法

在对低成本航姿系统进行加速度计与磁力计的标定中,通常磁力计的信噪比更低,仅使用椭球拟合法标定传感器误差参数结果是不够精确的;为了提高标定结果的准确性,提出了一种在多位置条件下基于椭球拟合约束和点积法的误差参数标定及修正方法;首先,在静态多位置下获取15对低噪声的测量数据并进行椭球拟合标定,其次,用补偿后的磁力计数据分布特征构建椭球约束条件,通过点积法计算地磁矢量与水平面夹角,并以其均方差来量化修正效果,对磁力计中可观性差的轴间不正交误差参数和传感器间非对准误差参数进行修正,最终提升标定效果;仿真和实测的试验结果表明,在同等椭球拟合约束下,该方法相比于独立使用椭球拟合法和点积不变法,地磁矢量与水平面夹角的均方差下降了25%以上,且具有简单易用的特点。     

基于传感器校正与融合的农用小型无人机姿态估计算法

实时姿态信息获取是运用农用小型无人机(Unmanned aerial vehicle, UAV)进行变量作业控制的重要环节,本文采用STM32单片机、微机电系统(Micro-electro mechanical system, MEMS)加速度计、陀螺仪、磁强计和无线收发模块设计出农用小型无人机姿态实时解算系统,文中对三轴数字传感器的校正方法以及基于四元数和梯度下降法的多传感器融合姿态估计做了详细地介绍与推导.结果表明,在72MHz时钟频率下模拟集成电路总线(Inter-integrated circuit, ⅡC)传感器数据采集及滤波消耗6.2ms,迭代步长取0.8,一次姿态解算消耗约0.96ms,数据更新频率可达100Hz,能满足实时性要求.经测试在静态时俯仰角和翻滚角输出的平均绝对误差小于1.5,偏航角平均绝对误差小于2.9,小幅震动条件下的俯仰角、翻滚角和偏航角平均绝对误差增加1~2左右.这表明该传感器校正方法与姿态融合算法实用有效,能为农用小型无人机的飞行控制与变量作业实施提供准确的姿态数据.     

基于RBF神经网络的全姿态磁航向误差建模与补偿

对磁罗盘系统误差和目前多数文献所提出的全姿态磁航向误差补偿方法的不足进行了分析.针对具有一定俯仰角或横滚角的磁罗盘系统磁航向误差建模和补偿问题,提出了基于径向基函数(RBF)神经网络的修正方法,并与BP神经网络方法进行了比较.在分析算法原理的基础上进行了实验仿真,结果表明:采用RBF神经网络在明显提高网络收敛速度的基础上,大大减小了全姿态磁航向误差,校正效果优于BP神经网络.