基于MTi—IMU微惯性航姿系统的姿态算法

利用基于微机电系统陀螺、加速度计和磁强计的MTi—IMU微惯性航姿系统,设计了一种确定航向和姿态的算法。该算法利用加速度计的输出判断载体的运动状态,当载体处于非加速运动状态时,利用磁强计和加速度计的输出计算姿态角,再利用卡尔曼滤波器校正姿态误差。采集M＇I、iIMU微惯性航姿系统输出的数据进行仿真。仿真结果证明了该姿态算法的有效性。     

永磁同步电动机参数静止辨识方法的研究及应用

提出了针对永磁同步电动机参数的静止辨识方案。采用最小二乘拟合法,实现了参数静止辨识;讨论了采用最小二乘拟合法时系统采样周期及采样点数对参数辨识结果的影响;给出了减小辨识误差的方法。实验结果证明了该方案的有效性和可行性,可作为新的功能模块嵌入原有调速控制器系统中得到应用。     

机动目标跟踪的完全最小二乘法输入估计

针对最小二乘法对目标机动进行估计时忽略系数矩阵偏差的问题，采用完全最小二乘法，同时考虑测量数据偏差和系数矩阵偏差对目标机动估计的影响，给出了机动目标跟踪中基于完全最小二乘法的输入估计方法。根据卡尔曼滤波器的一致性条件判断目标是否发生机动，使用完全最小二乘法估计出目标所发生的机动大小，并用目标机动的估计值对跟踪算法进行了补偿。仿真结果表明，基于完全最小二乘法的输入估计方法的跟踪效果要优于基于最小二乘法的输入估计方法。     

基于IMU的机械臂末端执行器姿态优化

为了补偿机器人关节扭转不足和末端执行器连接等造成的末端执行器姿态误差，提出一种基于惯性测量单元在线获取末端姿态的方法。首先将整个机械臂系统的运动过程分为静态和动态过程。静态时，由于外部加速度噪声较小，提出使用加速度计根据当地重力估计末端执行器姿态角的方法。动态时，针对系统外部加速度噪声和陀螺仪零漂、比例因子误差等影响测量精度的问题，提出一种基于噪声统计方法的自适应扩展卡尔曼滤波算法。根据加速度计的测量值，更新观测噪声方差阵的权重，从而调节卡尔曼增益，降低加速度噪声对测量精度的影响。实验结果表明：静态时，通过静态算法估算的姿态角误差平均值为0.07°、0.05°、0.2°;动态时，本文算法可以很好补偿外部加速度的对姿态的影响，能有效提高姿态测量精度，相比于EKF算法，姿态角平均误差分别降低了2.69°、1.01°、0.5°。     

基于综合型卡尔曼滤波的锂离子电池荷电状态估算

针对锂离子电池的荷电状态(SOC)估算问题,给出一种综合型卡尔曼滤波算法。该算法采用递推最小二乘算法(RLS)对锂离子电池模型参数进行实时在线辨识和参数更改;采用综合型卡尔曼滤波器估计电池SOC,即针对模型状态空间方程中的线性部分和非线性部分,分别使用线性卡尔曼滤波器(KF)和平方根高阶容积卡尔曼滤波器(SHCKF)计算。两种卡尔曼滤波器结合的综合型策略能够有效减小计算复杂度。其中,SHCKF结合了五阶球面-径向容积法则和平方根滤波技术,比扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF)和容积卡尔曼滤波器(CKF)等传统非线性滤波器的估计精度更高,数值稳定性更强。实验结果证明了该综合型算法的可行性和有效性。     

基于卡尔曼滤波的短期负荷预测方法的研究

负荷历史数据是负荷预测的基础。负荷历史数据由于测量、人为等因素而造成不准确，因而导致负荷预测也不准确。文中提出利用最小二乘法线性拟合建立负荷数据基本模型，用3次样条插值对卡尔曼滤波器的系统参数进行辨识，最终用卡尔曼滤波器对历史数据进行预处理，以纠正由于测量错误或人为改动的数据。对文中所提方法进行了验证。结果表明，后验误差在3％之内，效果很好。     

基于加速度变噪声EKF的无人机姿态融合算法

针对传统无人机姿态解算方法过程复杂、计算量大、动态性能差的缺点,建立无人机姿态模型;采用陀螺仪对加速度计直接进行滤波的方法,设计出新的基于扩展kalman滤波的加速度滤波器;并且考虑到无人机非重力加速度的影响,对常规kalman滤波器进行了变噪声的改进。利用STM32微控制器和MEMS惯性单元搭建硬件平台进行对比实验。结果表明:在168 MHz时钟频率下,一次传感器数据读取和姿态解算总共耗时3.27 ms,数据更新率可达100 Hz。新算法飞行动态误差小于1°,而传统四元数法动态误差为2°左右;变噪声处理后静态瞬时偏差由4°降到1°。说明新算法的抗震效果和解算精度更好,可以为无人机自主飞行提供更准确的姿态信息。     

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。     

基于准模型校准卡尔曼滤波的巡检机器人运动系统辨识研究

巡检机器人在未来将运用到工业和生活的各个领域,机器人运动系统辨识对控制系统特性研究具有重要意义。针对传统卡尔曼滤波的拟合度和线性化等方面的不足,采用卡尔曼滤波和最小二乘法相结合的系统辨识方案。由最小二乘法得到系统准模型,并转换为状态方程,作为卡尔曼滤波器预测估计器,对机器人运动系统进行辨识。实验采用巡检机器人输出的多组轮速样本数据进行验证,实验结果表明,提出的辨识方案与无准模型的卡尔曼滤波系统辨识方案相比,参数易选取、拟合度好、鲁棒性强。     

基于四元数卡尔曼滤波的四旋翼姿态测量系统设计与实现

在嵌入式微小型四旋翼姿态测量系统中,姿态算法、系统冗余、硬件方案等直接影响了测量系统的性能和实用性。针对上述问题构建了一种兼具实用性、鲁棒性以及准确性的姿态测量系统。系统使用四元数卡尔曼滤波对微机电陀螺仪、微机电加速度计以及微机电磁力计进行数据融合处理,在硬件设计中采用双加速度计,并同时采用不同采样频率对其采样以增强系统的冗余性。仿真结果表明该数据融合方法的稳定性以及准确性,同时仿真数据表明系统的测量误差在0.5°以内,能够满足微小型四轴飞行器控制系统所需的姿态测量要求。     

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。     

手推式电子叉车秤倾角与称重误差补偿算法研究

针对电子叉车秤在使用过程中出现的车体倾斜导致称重误差精度下降等问题,提出了一种有效的称重误差补偿算法。首先,分析电子叉车秤倾斜角度对称重性能的影响,搭建一个多方向可变角度倾斜的实验平台,以模拟叉车秤的倾斜状态并获取精确的称重数据。其次,根据所获得的数据与称重误差补偿原理,建立倾斜状态下电子叉车秤的称重误差补偿算法模型,并运用最小二乘法及多层感知机非线性回归方法识别模型参数。最后,本文对具有1 500 kg量程和0.02 kg感量的电子叉车秤进行了倾斜测试实验,结果表明,在地面倾角不超过1.5°的范围内,在任意倾斜方向仪器最大允许误差MPE<0.75 kg,具有3 000分度数的精度。     

Compensation of magnetic disturbances improves inertial and magnetic sensing of human body segment orientation.

This paper describes a complementary Kalman filter design to estimate orientation of human body segments by fusing gyroscope, accelerometer, and magnetometer signals from miniature sensors. Ferromagnetic materials or other magnetic fields near the sensor module disturb the local earth magnetic field and, therefore, the orientation estimation, which impedes many (ambulatory) applications. In the filter, the gyroscope bias error, orientation error, and magnetic disturbance error are estimated. The filter was tested under quasi-static and dynamic conditions with ferromagnetic materials close to the sensor module. The quasi-static experiments implied static positions and rotations around the three axes. In the dynamic experiments, three-dimensional rotations were performed near a metal tool case. The orientation estimated by the filter was compared with the orientation obtained with an optical reference system Vicon. Results show accurate and drift-free orientation estimates. The compensation results in a significant difference (p < 0.01) between the orientation estimates with compensation of magnetic disturbances in comparison to no compensation or only gyroscopes. The average static error was 1.4 degrees (standard deviation 0.4) in the magnetically disturbed experiments. The dynamic error was 2.6 degrees root means square.     

随钻测量中井斜角测量误差的降噪方法

针对随钻测量中井斜角测量误差引起的姿态解算失真问题,提出基于卡尔曼滤波和互相关提取的联合估计方法。 首先 采用限幅滤波器对冲击噪声进行滤波,然后用卡尔曼滤波器去除大部分由振动引起的白化处理有色噪声,最后利用互相关检测 的方法提取出准确的径切向重力加速度,并对轴向加速度进行平滑滤波,完成井斜角测量误差估计与补偿。 经模拟实钻实验, 结果表明井斜角测量误差在 0. 1°以内,该方法与传统方法相比,可以大大提高井斜角测量精度。     

城轨车用超级电容器SOC的估算方法

针对城轨车辆储能用超级电容器的特点,建立等效电路模型。通过遗忘因子最小二乘算法识别模型参数,采用自适应无迹卡尔曼滤波(AUKF)算法估计超级电容器的荷电状态(SOC)。相比传统的卡尔曼滤波(KF)算法,AUKF算法循环迭代运算超级电容器的参数和SOC,可提高估算的准确度。利用混合脉冲功率特性(HPPC)实验,验证算法的可行性与准确性。KF算法的误差较大,最大误差为6%,平均误差为3%;AUKF算法的结果精度较高,平均误差约为1.5%。     

小型无人飞行器机动过程中航姿互补滤波算法研究

磁惯导系统(MINS)广泛应用于小型无人飞行器的导航控制,能对加速度计、磁强计和陀螺仪等传感器的数据进行融合,得到航向与姿态信息,也被称为航姿参考系统(AHRS)。在频域实现数据融合的互补滤波算法是AHRS中的一种可靠姿态估计方法,具有简捷高效的优点。将基于不同传递函数及各种航姿表示形式的姿态互补滤波归纳为统一的广义互补滤波算法(GCF),分析该类算法中的乘性姿态误差,并引入运动加速度补偿方法,可以改善载体机动状态下的姿态精度。数值仿真及实验结果显示,GCF的滤波效果与无人机常用的卡尔曼滤波算法相当,而处理时间仅为后者的1/20,且GCF具有良好的数值稳定性,配合运动加速度补偿算法可有效消除线加速度对航姿测量的不利影响,尤其适合低成本、小型无人机应用场合。     

基于小波卡尔曼混合算法的陀螺仪去噪方法

为了能有效地减少MEMS（微电子机械系统）陀螺仪的随机漂移误差,使得随钻测量系统的精度得到提高,提出了一种基于小波与Kalman算法的混合滤波方法。首先使用小波分析的方法,对实测的陀螺仪数据进行多分辨分解得到平稳的数据信号,然后对数据进行时间序列分析建模建立陀螺仪误差模型,把小波分解后的低频信号作为系统输入,利用最小二乘法中直线拟合的方法改进卡尔曼滤波算法处理陀螺仪零点随机误差。实验分别分析了静态平稳信号和非平稳动态信号,并对处理效果进行了对比分析。仿真结果表明方法能有效降低信噪比,提高陀螺仪输出精度。