基于加速度修正模型的无人机姿态解算算法

为提升动态环境下无人机导航系统姿态输出的精度,提出一种基于加速度修正模型的无人机姿态解算算法。建立加速度修正模型,求取估计非重力加速度和外部非重力加速度对加速度计输出值进行修正,减弱动态环境下非重力加速度对姿态解算的影响;搭建基于卡尔曼滤波的姿态解算模型,将修正加速度和磁力计解算的姿态角作为滤波模型的量测量,设计基于加速度修正模型姿态解算算法。实验结果表明,该算法可以减弱非重力加速度对姿态解算的干扰,避免无人机导航系统在动态环境中输出姿态角发散的问题,提升动态环境下无人机导航系统姿态输出的精度和抗干扰能力。     

基于地磁场自适应修正的航姿系统姿态解算研究

针对航姿参考系统(attitude and heading reference system,AHRS)中,MEMS陀螺仪输出噪声过大、零点漂移无法完全消除、角速率输出易受干扰等导致的姿态四元数精度低、累积误差较大等问题,提出了一种自适应扩展卡尔曼滤波算法,利用地球物理场(地球重力场、地磁场)信息不断自适应修正MEMS陀螺仪在姿态解算过程中的累积误差。在ROS机器人平台上进行了实验,实验结果表明该算法能有效解决在求解姿态四元数过程中累积误差较大的问题,同时可以提高姿态解算精度,进而验证了该算法的有效性。     

考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。     

基于扩展卡尔曼滤波的无人机航姿算法

针对小型无人机在大机动或连续飞行时姿态解算精度低的问题,提出了一种基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的航姿算法。该算法以机体系加速度分量与陀螺漂移作为待估状态量,建立了非线性滤波模型,在对传感器量测值预处理的基础上完成数据融合,获得了姿态角数据的准确输出,同时,根据外部运动加速度的大小不断调整噪声协方差以达到对EKF的自适应修正,从而抑制无人机航姿解算中磁干扰的影响。经三轴转台实验测试,姿态角的静态误差不超过0.5°,动态误差不超过2°,瞬变磁干扰误差不超过5°,该结果表明该算法能有效提高小型无人机的航姿解算精度。     

一种基于MEMS传感器的全局渐进稳定的姿态估计算法

针对微小型无人飞行器的控制对高精度、小体积、低功耗的姿态信息的需求,提出了一种实用的基于MEMS传感器的姿态解算算法,实现了在低加速度状态下对飞行器姿态的精准估计。该算法将MEMS陀螺仪、加速度计和磁力计的数据作为输入,采用一种全局渐进稳定的状态观测器方法对3种传感器数据进行融合,进而得到欧拉角输出。首先,针对实际航姿参考系统(AHRS)设计的需求,改进了TRIAD算法,使用加速度计和磁力计的量测向量来估计姿态旋转矩阵。与传统方法相比,该方法避免了矩阵的求逆过程。其次,在获得了量测向量确定的姿态旋转矩阵的基础上,设计了无需观测陀螺仪零偏的状态观测器,并证明了姿态角的收敛性。最后,基于实际MEMS传感器采样数据的仿真结果表明,在存在陀螺仪噪声和零偏的情况下,文中设计的状态观测器输出依然具有较高的精度和较好的动态特性。     

MTi微型测姿系统数据采集及测姿算法研究

提出了一种以FPGA微处理器为核心的SOPC系统,利用RS-232实现对荷兰MTi微型姿态参考系统数据的实时采集。微处理器对采集到的数据进行处理、提取和存储,以及数据转换。研究了陀螺仪和加速度计/磁力计组合测姿算法,利用加速度计与磁力计测量的姿态角适时地对陀螺仪所测的姿态角进行修正,有效抑制陀螺仪所测载体的姿态角误差的发散.     

基于四元数互补滤波算法的车载MIMU

针对MEMS惯性器件由于测量精度低、数据易漂移而导致车载惯性导航系统姿态解算数据不稳定和精度不高的问题,设计一种基于四元数互补滤波算法的高精度车载MEMS惯性测量单元(MIMU)。通过四元数算法降低MIMU在运行过程中的计算难度,解决姿态解算中的奇点问题。利用互补滤波算法对惯性传感器运行过程中的高低频误差进行动态补偿、数据融合,减小陀螺仪积分漂移累加,抑制加速度计振动误差,实现多传感器数据融合的MIMU姿态解算。将MIMU放置于高精度无磁转台上进行动态测试,通过设置转台运行动作模拟车载环境,采集并分析MIMU在动态环境中的各个轴向角实时数据与误差数据。试验结果表明,MIMU横滚角精度为0.26°,俯仰角精度为0.23°,航向角精度为0.51°。     

基于MEMS与Android智能手机融合的 室内个人导航算法

针对微机电系统(micro-electro mechanical system,MEMS)惯性器件在导航解算中存在较大的累积误差问题,提出了一种基于MEMS惯性器件与Android智能手机融合的室内个人导航算法.导航算法在捷联惯性导航算法的基础上,根据人行走时的运动特点,引入了零速度检测与修正算法来检测人行走过程中的静止状态,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差.导航解算中由于陀螺仪漂移导致获得的行人运动方向角误差较大,故采用MEMS陀螺仪输出姿态信息与Android智能手机中的电子罗盘方向角融合的行人运动方向校正算法来获取行人运动方向,并结合滑动均值滤波算法来进一步校正行人的运动方向,提高导航精度.最后通过实验结果验证了导航累积误差修正算法的可行性和有效性.     

捷联姿态算法非互易误差的分析与修正

在捷联惯性导性导航系统中,陀螺仪的输出是迭代时间内载体的角增量的量化值;由其解算出的载体姿态存不可交换性误差,该误差的大小与捷联姿态算法密切相关,研究的目的在于选择适当的捷联算汉,减小姿态算法中的不可交换误差,提高捷联算法的精度,以鱼雷捷联惯性姿态基准为例,对四元数法的捷联姿态算法误差和基于等效旋转矢量的优化的三子样捷联姿态算法误差进行了分析比较,数字仿真结果表明,三子样法比四元数法的捷联姿态算精度高7至8个数量级,而前者的采样周期却低一个数量级,显著地提高了捷联姿态算法的制度。     

基于组合导航技术的管道地理坐标定位算法

针对长输管道地理坐标定位问题,提出了一种基于组合导航技术并应用管道磁标处地理信息进行分段修正的管道地理坐标定位算法.该算法基于惯导/里程仪组合导航的基本原理,应用误差模型对航迹误差进行修正.通过研究陀螺仪和里程仪的误差特性,建立了陀螺仪和里程仪的误差模型,针对低精度加速度计应用于惯性导航系统时存在速度和航迹解算误差较大的问题,提出了应用加速度信息对里程仪速度进行修正的速度解算方法.实验结果表明,算法解算所得位置误差为0.16%,可为长输管道提供三维地理坐标定位信息.     

MEMS惯性传感器融合的水平姿态解算方法

为获取惯性导航系统的姿态信息,针对MEMS惯性测量单元,设计了基于多传感器信息融合的水平姿态解算方案.在此基础上,提出了一种基于卡尔曼滤波的解决方案:利用陀螺仪测得的角速度更新前一步的姿态角,利用加速度计对重力矢量的观测修正陀螺仪给出的姿态角信息.设计了水平姿态解算试验平台以验证该算法,采用姿态航向参考系统AHRS500GA提供精确姿态角对解算结果进行对照,试验结果表明:在静态、动态条件下该算法均能准确地得到实时水平姿态角,其误差一般小于1°.     

基于卡尔曼滤波和互补滤波的改进型姿态解算方法

四元数融合互补滤波通常采用三轴陀螺仪的角速度积分来获取角度,进而利用角度求得四元数,再由四元数解算出姿态角。但三轴陀螺仪由角速度积分得到的角度由于温漂、单次迭代等原因,往往偏差较大,难以消除,这就导致求得的四元数精度不够,最终影响互补滤波解算出的姿态角的精度。针对这个问题,提出采用卡尔曼滤波融合陀螺仪、加速度计的数据进行基于误差协方差最小的迭代估计,并通过对过程噪声和观测噪声的滤波,最终得到姿态角的最优估计,再将这个估计值代入互补滤波中求得四元数,利用该四元数进行误差负增益调节。本工作基于STM32F4搭建实验平台进行验证,结果表明:该改进型姿态解算方法明显地提高了姿态角的精度,具有良好的动态和静态特性。     

一种高动态环境巡飞器姿态快速解算算法研究

针对高动态环境下现有姿态更新方法存在圆锥误差,姿态更新频率较低的问题,提出了一种基于滑动三周期旋转矢量姿态解算算法.该算法以角速率输入的等效旋转矢量算法为基础,以连续两个单周期算法作为启动项,在第3个采样周期后采用三周期算法解算姿态角,从而实现姿态的快速更新.试验结果表明:该算法解算航向姿态角误差为龙格库塔法解算航向姿态角误差的1/2,且仅为单周期旋转矢量算法解算航向姿态角误差的1/7.该算法的姿态更新周期为普通三周期旋转矢量法的1/3.     

基于扩展卡尔曼滤波的多旋翼飞行器融合姿态解算算法

针对多旋翼飞行器飞行时机身振动对加速度计产生的噪声干扰,建立径向基(RBF)神经网络结构模型,提出扩展卡尔曼滤波融合姿态解算算法。采用加速度计解算的姿态角作为输入向量,四元数互补滤波解算的姿态角作为参考向量,通过学习不断调整网络最优权值,得到滤波后的由加速度计解算的姿态角,并将四元数互补滤波算法解算出的姿态角与经RBF神经网络非线性滤波得到的加速度计解算的姿态角进行扩展卡尔曼滤波融合姿态解算,以提高飞行器姿态角的解算精度。实验结果表明:基于RBF神经网络的非线性滤波算法可对加速度计解算的姿态角进行有效滤波,提高飞行器姿态角的解算精度;采用的扩展卡尔曼滤波融合姿态解算算法收敛速度快、稳定性强,能够更准确地实时解算飞行器的当前姿态,验证了该算法的可行性。     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。     

新的捷联惯性导航划桨误差补偿算法

针对实际捷联惯性导航系统解算中的圆锥误差和划桨误差,结合已解算出的当前时刻之前两个周期的姿态信息对旋转矢量进行修正的算法,利用算法的对偶性原理,将该算法应用于划桨误差补偿算法中。在划桨运动下对该算法进行了仿真,仿真结果表明,该划桨误差补偿算法具有与解析解相当的精度。     

低成本无人机载空地导弹姿态测量误差研究

框架式陀螺仪可显著降低空地导弹成本,然而陀螺误差问题制约了空地导弹对目标的捕获概率和制导精度。提出一种基于泰勒级数公式的陀螺误差补偿方法,详细分析了陀螺仪输出误差源,建立了无人机载空地导弹陀螺仪输出误差模型,推导了导弹姿态角与陀螺仪输出的数学关系式。通过陀螺仪在三轴转台上的半实物仿真试验,验证了所建立的陀螺误差模型正确性和有效性。提出的误差补偿方法可将无人机载空地导弹偏航姿态角误差和倾斜姿态角误差在20 s内分别控制在0.4°和1°以内,且补偿方法简单实用,已经在工程上得到了应用。