四旋翼飞行器互补滤波姿态求解器的设计

精确的姿态角在四旋翼飞行器稳定飞行中起着非常重要的作用,为了实现小型低成本四旋翼飞行器高精度姿态数据的输出,搭建了STM32F103、MPU6050和气压计组成的姿态检测系统。并基于四元数微分方程,提出了一种PI改善型互补滤波姿态求解器的设计算法。该算法对陀螺仪测量数据进行了高通滤波、对加速度计和磁力计测量数据进行了低通滤波,提高了姿态解算精度。最后,通过实验平台将测量的PI改善型互补滤波算法与普通互补滤波算法四旋翼姿态角进行了比较分析,实验结果表明,PI改善型互补滤波算法求解器的姿态角动态误差较小,性能更稳定,能够满足小型低成本四旋翼飞行要求。     

全向AGV的优化互补滤波姿态解算

针对单一的MEMS陀螺仪无法解决本身的易发散和磁力计易受磁场干扰导致引入新的噪声,而带来的姿态估计不精确的问题,提出了一种基于全向AGV的优化互补滤波的姿态解算方法.偏航角不参与四元数解算,在水平姿态角四元数解算的基础上,利用共轭梯度法减小陀螺仪的漂移误差.再引进经过椭球修正后的磁力计数据作为观测量,与偏航角进行一阶互补滤波融合,并确定加权因子.搭建了基于STM32和MEMS传感器为核心的全向AGV实验平台,实验结果表明,该方法能有效抑制陀螺仪易发散和磁力计易受干扰的问题,提高姿态解算的精确性,使姿态解算具有良好的动态和静态性能,同时保证了系统的稳定性.     

一种基于MPU9250的四旋翼姿态解算改进算法

针对四旋翼飞行器MEMS惯性测量单元姿态估计过程中存在的漂移和噪声问题,提出了一种基于互补滤波的改进算法。建立了以MPU9250为姿态测量单元的四旋翼飞行器测试平台。分别在静态和动态条件下,收集和比较了不同方法获得的姿态数据,包括信息融合的卡尔曼滤波算法,传统互补滤波的数据融合,以及改进的滤波融合算法。实验结果表明,改进的姿态融合算法在不同条件下具有较高的估计精度和最终姿态角的漂移和噪声误差较小的优点,易于在低成本的飞机控制系统中实现。     

基于互补滤波算法的四轴飞行控制系统设计

针对目前大多数飞行控制系统姿态信息获取不全、数据融合算法复杂等问题,对四轴飞行器的姿态数据采集、传感器数据特性、数据融合、飞行控制模型等方面进行了研究,对四轴飞行器的多传感器数据融合的特点进行了归纳,详细介绍了互补滤波算法的实现过程,设计了一种基于互补滤波融合算法的四轴飞行控制系统。采用了陀螺仪、加速度计和电子罗盘作为传感器组,将其用于多种姿态信息的获取,通过使用经典的PID控制器实现了飞行器的控制算法,在STM32平台上完成了飞行控制系统的软、硬件设计。最终,在制作完成的硬件上,对数据融合算法的效果进行了比较和分析。研究结果表明,该设计能够高效地融合MEMS与GMR传感器的数据,解算出的姿态角可靠性高,可以满足四轴飞行器的飞行控制要求。     

基于MPU6050的四轴硬件姿态解算研究

针对四轴飞行器姿态信息的实时准确获取问题,对四轴飞行器的姿态解算方面进行了研究。在分析姿态表示的四元数法和欧拉角法基础上,以成熟的Mahony互补滤波算法为例比较了软件姿态解算和基于MPU6050数字运动处理器(DMP)的硬件姿态解算的实现流程,并对两种解算方法的解算时间和对姿态变化的跟踪性能进行了实验测试。研究结果表明:硬件姿态解算能实时准确地获取小型四轴飞行器的各项姿态信息,可以满足小型四轴飞行器的姿态控制要求。     

多旋翼姿态解算中的改进自适应扩展Kalman算法

提出了一种改进的Sage-Husa自适应扩展Kalman滤波算法,用于保证多旋翼无人机在噪声统计特性未知且时变、振动为主要扰动源、姿态角高动态变化等飞行条件下飞行姿态角解算的精度与稳定性。该算法采用微机电系统陀螺仪实时动态解算的姿态角方差估计系统噪声方差;并采用自适应滤波算法在线估计量测噪声方差,从而保证滤波的精度与稳定性;同时引入滤波器收敛性判据,结合强跟踪Kalman滤波算法来抑制滤波发散。飞行实验与分析表明:改进算法解算的俯仰角与横滚角均方根误差分别为1.722°和1.182°,明显优于常规的Sage-Husa自适应滤波算法。实验还显示:改进的算法自适应能力强、实时性好、精度高、运行可靠,能够满足多旋翼无人机自主飞行的需要,若对参数进行适当修改,还可应用于其它动态性能要求较高的导航信息测量系统中。     

基于偏振光传感器的无人机姿态组合滤波算法北大核心CSCD

针对惯性导航易受运动加速度影响和GPS与磁力计导航易受到电磁干扰影响等问题,提出了一种偏振光辅助惯性导航的无人机航姿估计算法。利用大气瑞利散射模型获取最大偏振矢量,辅助惯性元件实现了基于PI互补滤波的姿态四元数更新算法;对陀螺仪、加速度计和偏振光传感器信号进行粒子滤波的融合修正。实验结果表明:该方法解算的姿态角在静态条件下性能稳定,抑制了传感器噪声;同时在运动情况下准确性大幅提升,具有更好的动态解算精度。     

车辆稳态回转试验侧倾角解算算法研究

车辆操纵稳定性试验中要对动态倾角进行实时检测。汽车在稳态回转中仅使用Kalman滤波对陀螺仪输出的角速度进行处理无法满足试验要求。针对MEMS陀螺仪在积分时易产生较大的积分漂移,加速度计对非重力加速度敏感,文中在姿态解算过程中引入了GPS车速信息,并对Kalman滤波的角速度进行修正。修正结果与单纯使用卡尔曼滤波后的角速度进行对比,实车试验结果表明文中算法解算精度较高,具有一定的应用参考价值。     

基于修正粒子滤波的MEMS传感器飞行器姿态解算

针对单一采用 MEMS传感器解算飞行器姿态无法克服系统非线性噪声干扰的问题,提出了一种基于修正粒子滤波的 MEMS传感器飞行器姿态解算方法.首先,利用共轭梯度法减小陀螺仪漂移误差,然后,利用加权粒子构造概率密度函数以更新粒子权值,得到优化状态估计值;再将共轭梯度法与修正粒子滤波进行融合,确定加权因子,同时以 STM32与 MEMS传感器为核心设计姿态解算系统.实验结果表明,该方法优化了飞行器静态与动态性能,姿态解算性能良好,系统过渡时间短,跟踪特性较好,且增强了系统的鲁棒性与稳定性.     

基于修正粒子滤波的MEMS传感器飞行器姿态解算（英文）

针对单一采用MEMS传感器解算飞行器姿态无法克服系统非线性噪声干扰的问题,提出了一种基于修正粒子滤波的MEMS传感器飞行器姿态解算方法。首先,利用共轭梯度法减小陀螺仪漂移误差,然后,利用加权粒子构造概率密度函数以更新粒子权值,得到优化状态估计值;再将共轭梯度法与修正粒子滤波进行融合,确定加权因子,同时以STM32与MEMS传感器为核心设计姿态解算系统。实验结果表明,该方法优化了飞行器静态与动态性能,姿态解算性能良好,系统过渡时间短,跟踪特性较好,且增强了系统的鲁棒性与稳定性。