自适应卡尔曼滤波在磁干扰姿态测量中的应用

针对姿态测量系统陀螺仪漂移、周围局部磁场干扰制约姿态测量精度的问题,提出一种基于四元数的自适应卡尔曼滤波(q-AKF)的方法。该方法利用陀螺输出建立姿态解算误差角的状态方程,以磁强计输出构造自适应测量噪声协方差矩阵。仿真结果表明,相比无损卡尔曼滤波(UKF)算法和扩展卡尔曼滤波(EKF)算法,采用q-AKF算法补偿得到的姿态角误差不大于0.5°。q-AKF算法对磁强计进行补偿,能够有效抑制陀螺的漂移误差,提高磁干扰环境下姿态解算精度,具有较高的工程应用价值。     

融合多传感信息的仿人机器人姿态解算

在RoboCup Soccer仿人机器人比赛中,机体姿态实时解算是仿人机器人运动控制系统的核心技术之一。文中分析了MEMS加速度计、磁强计和陀螺仪性能,以自主姿态测量为前提,融合惯性测量单元中多传感信息,提出了一种基于四元数的姿态解算算法。针对仿人机器人步行姿态控制中传感器数据存在的噪声干扰和测量误差,设计卡尔曼滤波器实现了对数据漂移的有效补偿,从而提高了全姿态检测的测量精度。试验结果验证了该算法对仿人机器人运动控制系统机体姿态实时解算的有效性。     

基于STM32的MPU9255姿态解算算法的实现

本文采用STM32微控制器与MPU9255多轴姿态传感器结合,设计完成了水下机器人姿态检测和信息解算。通过MPU9255传感器内置的陀螺仪、加速度计和磁力计,对系统的三轴角速度、三轴加速度、三轴磁感应强度进行信息采集,利用四元数姿态解算方法,对所测量的数据进行分析与计算,进而解算成水下机器人的姿态信息,并采用PID算法输出PWM信号,实现对水下机器人系统的有效控制。文中给出信息采集、解算方法和程序算法思路,具有较好的实用价值。     

人手姿态检测系统的设计与实现

为了增强人机交互的交互性以及遥控操作的可控性,设计并实现了一款基于磁场传感器与微加速度计的人手姿态检测系统。利用坐标变换理论,通过磁场传感器数据解算姿态的翻滚角和俯仰角,然后结合磁场传感器数据解算方位角,并对传感器的噪声、温度漂移以及磁场传感器受外界磁场的干扰进行了补偿。通过实验证明,该系统能准确测量人手姿态。     

基于MEMS传感器的运动物体轨迹仿真研究

本文构建了以MPU6050传感器为核心的数字采集系统,实时采集得到三轴陀螺仪和三轴加速度计随直径为25cm转台旋转一周的运动数据,基于四元素的姿态更新算法描绘其运动轨迹;为验证算法的正确性,分析了传感器在转台上的运动过程,通过计算机仿真模拟上述运动,得到传感器输出数据,仍通过上述算法解算运动轨迹.仿真出运动轨迹确实近似是直径为25cm的圆,从而验证了此算法的准确性.此外,通过对比仿真轨迹结果和实际数据解算运动轨迹,发现由于运动时间延长,陀螺漂移和积分累积误差对轨迹测量的精度有着不可忽视的影响;MPU6050传感器精度太低,适用于短时间低速运动或微小旋转角度场合.     

基于L BFGS的自适应模糊互补滤波

针对惯性测量单元噪声大及常规姿态解算算法精度不高的问题,提出了一种基于拟牛顿法（L-BFGS）的自适应模糊互补滤波（AFCF）算法。该方法利用L-BFGS对加速度计、磁力计进行寻优估计,并通过监测系统的运动等级、加速度计、磁力计的误差,运用模糊逻辑理论调控加权因子及增益权重,动态地调整互补滤波参数,实现姿态误差的动态补偿,优化姿态解算结果。经实验验证,系统静态误差在0.4°内;动态误差在1.3°内,且该系统能减少噪声的干扰及陀螺仪的漂移。     

基于MEMS微惯性器件的姿态测量 单元设计与测试

MEMS惯组具有体积小、价格低、易于集成等优点,已被广泛应用于各个领域,为提高MEMS姿态解算精度,采用 Mahony互补滤波方法设计了MEMS惯性组件,Mahony互补滤波器将陀螺仪解算的高频姿态信号和加速度计－磁强计解算的低频姿态信号进行融合,提高测量精度,介绍了MEMS惯组硬件、软件、算法设计及无磁转台测试,无磁转台静态测量下的俯仰角精度0.51°,横滚角精度 0.5°,航向角精度1.1°。     

基于改进小波变换的MEMS陀螺信号去噪算法

为提高MEMS陀螺仪测量精度,抑制测量噪声对其造成的影响,该文分析了某型号MEMS陀螺仪误差特性,提出基于递归最小二乘法(RLS)多重小波分解重构的强追踪自反馈模型,建立新的软阈值函数。由于模型处理后的数据带有部分奇异值,该文提出了一种改进的中值滤波算法。对于陀螺仪零偏噪声问题,提出零偏不稳定性抑制算法,并对该算法模型进行了详细的描述。将某项目研究中列车姿态测量系统的实验数据应用到该算法模型中。测试实验分为静态、动态两组,其结果均表明:该算法减小了信号中的噪声,有效地抑制了MEMS陀螺仪随机漂移,提高了姿态解算的精度。肯定了该算法对陀螺仪输出信号噪声去除,以及使用精度提升的可行性和有效性。     

改进梯度下降法在地下管道惯性定位姿态解算中的应用

针对地下管道惯性定位姿态解算传统算法存在效率较低、最优参数难以确定等问题,文章提出了一种自适应调节参数的梯度下降法。该方法将加速度计、陀螺仪和磁力计的数据进行融合,并自动调节梯度下降参数,实现了四元数姿态信息的更新。试验结果表明,该方法解算横滚角和俯仰角的精度与传统梯度下降法一致,航向角的精度有11.2%的改善,计算效率相对于扩展卡尔曼滤波方法有50%的提升。     

基于互补滤波器的两轮平衡车姿态角度测量

微机电系统（Micro-Electro-Mechanical Systems,MEMS）陀螺仪和MEMS加速度计在两轮平衡车姿态测量中存在扰动和噪声,引起姿态角度测量误差。通过对陀螺仪和加速度计输入信号进行滑动扣除均值方法来抑制直流分量,利用滑动滤波算法抑制加速度计高频噪声,引入互补滤波算法将预处理后的陀螺仪和加速度计信号进行融合,得到更加准确稳定的角度测量值,分析了融合算法中加权因子与滤波频率特征之间的关系。该方法应用到两轮平衡车的运行姿态角度控制中,提高了对姿态角度测量的精度。     

加速度计辅助模糊混合捷联姿态确定算法研究

利用模糊逻辑法判断载体运动状态、融合加速度计和捷联姿态解算结果,设计了基于模糊逻辑的加速度计辅助混合捷联姿态确定算法,跑车实验与高精度组合导航系统姿态输出相比,结果表明,该算法能有效抑制捷联姿态解算误差的积累,为低精度微惯性测量元件实现可靠的的姿态确定系统提供了技术解决途径。     

惯性MEMS倾角测量误差补偿设计

利用ADI公司的MEMS陀螺仪ADXRS612和ADuC7026微控制器,对飞行器在垂直起降阶段进行姿态倾角测量。由于该陀螺仪随着时间的积累,会产生较大漂移,采用ADI公司的MEMS加速度计ADIS16210对倾角进行测量,并采用最小二乘拟合推算了陀螺仪漂移误差模型,以补偿陀螺仪漂移误差,提高了飞行器垂直起降时的姿态控制精度。     

基于惯性组合的反无人机导弹姿态解算及测量方法分析

文章针对日趋严峻的无人机威胁,对反无人机导弹在空中运动的姿态解算问题开展研究。首先,将反无人机导弹进行场景建模,建立反无人机导弹的模型,随后设定弹的飞行姿态。其次,用弹上传出的陀螺仪、加速度计和地磁数据信息进行姿态解算。最后,得到导弹在做轨迹飞行时的三通道值(俯仰通道、偏航通道以及滚转通道)从而实现弹精准打击。     

多MEMS传感器姿态测量系统的研究

提出利用多个MEMS传感器组合定姿的方法,该方法利用加速度计的输出判断载体运动状态,采用EKF滤波算法对其状态进行估计,并在滤波算法中应用加速度计和磁强计组合计算所得的姿态信息作为对陀螺漂移的补偿,最后通过数据融合修正其姿态角。     

基于自适应滤波的头部姿态跟踪方法研究

针对视觉式头部定位系统存在着噪声统计特性掌握不充分的问题,设计了一种新的基于自适应滤波的头部姿态跟踪方法,其综合了视觉测量算法和自适应滤波算法。在获取n对2D/3D(图像点/空间点)匹配对的基础上,先利用正交迭代算法(OI)解算头部姿态,然后应用自适应滤波器估计精度更高的头部姿态,最后针对带有时变噪声且噪声统计特性掌握不充分的测量值,应用头部姿态跟踪方法进行了仿真测试,结果显示该方法的测量精度有很大提高,并且验证了所设计的头部姿态跟踪方法是合理且有效的。     

基于QEKF的四旋翼飞行器姿态估计

提出了一种基于四元数扩展卡尔曼滤波(QEKF)数据融合算法,应用于四旋翼飞行器的姿态估计。首先,用四元数表示航向姿态参考系统(AHRS)中的坐标旋转关系,获取飞行器的姿态信息;然后,结合扩展卡尔曼滤波算法,融合低成本的MPU9250中陀螺仪、加速度计、磁力计传感器的9轴原始输出数据,对飞行器的真实姿态进行跟踪估计;最后,通过MATLAB实验仿真,与互补滤波(CF)和梯度下降法(GD)算法进行比较,实验证明QEKF对姿态的估计更加精准。     

基于K60摄像头导航平衡车的设计

本论文主要介绍了一款以Kinetis系列的32位单片机MK60Z256VLL4为中心微控制单元智能平衡车的设计。本平衡车使用到GPIO、ADC模数转换、PIT定时器、外部中断、PWM、I2C和UART串口等外设。主要完成三个闭环控制的设计和调试:直立环以加速度计MMA8451Q和陀螺仪ENC-03作为姿态检测传感器,使用卡尔曼滤波姿态解算和PD控制器;速度环以增量式编码器作为测速传感器,使用阶梯滤波速度解算和纯P控制器;方向环以10mH的线圈作为摄像头传感器检测赛道下方的交变电流,使用线圈电压的差和比位置解算和分段PD控制器。同时也要设计必不可少的人机交互功能,如OLED显示配合红外遥控调试。最终设计出稳定行驶并能适应各种类型赛道的直立平衡小车。     

微型姿态方位参考系统的设计

微型姿态方位参考系统基于stm32单片机和MEMS传感器的实时姿态测量系统。由stm32通过iic总线采集陀螺仪、加速度计、电子罗盘原始数据,利用互补滤波算法进行数据融合,采用四元数进行姿态更新并通过串口或spi总线实时输出姿态数据。     

基于AHRS的改进自适应互补滤波算法研究

针对基于MEMS传感器的航姿参考系统精度不高、数据易漂移导致测量无人载体航姿数据不准确的问题,设计了基于四元数与自适应互补滤波相结合的改进自适应互补滤波算法。通过对MEMS加速度计与磁强计输出数据、MEMS陀螺仪的积分数据进行补偿、数据融合,减小积分漂移。仿真实验数据表明,该改进互补滤波算法可抑制外部噪声对输出数据准确性的影响,提高了姿态角输出数据准确性。     

基于MEMS传感器的微飞行器姿态理论与实验研究

为了得到基于微机电系统(MEMS)运动传感器的微飞行器的姿态角的输出,该文从理论和实验角度进行了全面分析。首先基于MEMS运动传感器的加速度计与磁力计理论计算了微飞行器的初始姿态及其最大误差范围,然后基于MEMS运动传感器的陀螺仪计利用时间序列自回归滑动平均模型(ARMA)分析方法对原始角速度进行误差建模,并利用卡尔曼滤波进行误差补偿,并通过积分法到更高精确度的姿态角度的算法,最后利用转台实验对其进行验证。通过该算法,对于任何MEMS九轴传感器,由实验确定相应的参数后,即可得到该传感器更高精确度的姿态角的输出。