改进扩展卡尔曼滤波的四旋翼姿态估计算法

为了提高标准扩展卡尔曼姿态估计算法的精确度和快速性,将运动加速度抑制的动态步长梯度下降算法融入扩展卡尔曼中,提出一种改进扩展卡尔曼的四旋翼姿态估计算法。该算法在卡尔曼测量更新中采用梯度下降法进行非线性观测,消除标准扩展卡尔曼算法在线性化时带来的线性化误差,提高算法的准确性和快速性;对梯度下降法的梯度步长进行动态处理,使算法步长与四旋翼飞行器的运动合角速度成正比,增强微型四旋翼飞行器姿态解算的动态性能;对强机动运动过程中机体产生的运动加速度进行抑制处理,消除运动加速度对姿态解算的不利影响,提高了微型四旋翼飞行器姿态解算的跟踪精度。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建四旋翼实验平台系统进行实时在线性能验证。结果表明,所设计算法能提高四旋翼飞行器在强机动、高速运动情况下的姿态跟踪精度、动态性能,增强姿态融合算法的抗干扰性,保证微型四旋翼飞行器的稳定飞行。     

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.     

四旋翼飞行姿态测试平台设计及稳定性分析

四旋翼飞行器非线性、强耦合以及欠驱动的特性极大地增加了算法设计与姿态控制的难度。为了减少四旋翼飞行器飞行过程中不必要的干扰因素和事故率,自主设计了四旋翼飞行姿态测试平台。通过对系统进行受力分析和动态建模,采用能够快速稳定的双闭环串级PID控制算法设计了姿态控制器,并使用卡尔曼滤波算法进行姿态估计,然后分别在Matlab环境和平台上验证了飞行姿态的稳定性。实验结果表明了平台设计的合理性和可行性,是一种有效的四旋翼飞行姿态测试平台。     

基于高斯－牛顿四元数描述符滤波器的姿态估计算法

姿态解算是进行导航解算的基础。姿态的估计精度会直接影响最终的导航精度,在惯性行人导航中,足部的运动加速度变化剧烈,导致常见的姿态估计算法精度下降。针对这一问题,本文提出了一种改进型四元数描述符滤波器。算法采用高斯－牛顿迭代法对姿态四元数和载体运动加速度进行估计,取代了原四元数描述符滤波器中的加权最小二乘法,避免了计算加权矩阵及其求逆运算。该算法通过简化量测方程,减小状态量和状态转移矩阵的维数,使结构更加简单,运算量更小,经过实验验证,算法在计算机上运行的时间开销减小31.3％.由于该算法保留了非线性项,避免了运动加速度噪声干扰,使得姿态解算精度提高了12％,在行人导航系统中对该算法的有效性进行了实验验证。     

基于分解四元数的自适应姿态四元数卡尔曼滤波

基于Clifford代数的四元数卡尔曼滤波在融合陀螺/加表/磁强计以估计姿态时,由于四元数各参数与欧拉角不是一一对应关系,无法独立估计各个欧拉角.这样即使重力观测量是可信的,受到干扰的磁场观测量也会影响整个估计结果.为了消除磁场观测量对四元数中横滚角和俯仰角分量的影响,对四元数进行分解,以重新组合重力/磁场观测量.同时,为了减少载体附近磁场和线性加速度干扰对姿态估计的影响,构造了观测噪声自适应算法和观测量自适应干扰补偿.消费级微机电系统(micro-electro-mechanical system,MEMS)传感器的实验结果表明,对比四元数卡尔曼滤波的原型,改进后的抗干扰能力明显提升.但由于自适应过程引入了两个经验参数,这使得其工作范围和抗干扰能力有待考验.     

基于旋转矩阵KF的低成本MEMS姿态解算

针对低成本MEMS器件组合的姿态检测系统在运动加速度干扰下姿态估计精度较差等问题,提出了一种基于旋转矩阵卡尔曼滤波器(KF)的姿态解算方法.为了克服四元数法观测方程为非线性的缺点,该方法以旋转矩阵部分元素建立状态方程,并对量测加速度采用状态反馈估计的运动加速度进行补偿,减小了外部加速度的干扰,然后通过构造水平观测向量降低了计算复杂度,并给出了量测噪声协方差的推导.最后设计了卡尔曼滤波器对量测信息实现融合.动静态测试表明,该方法消除了累计误差,与无迹卡尔曼滤波(UKF)相比,提高了在运动加速度干扰下的姿态估计精度.     

基于双级互补滤波的姿态测量算法设计

陀螺仪的漂移、载体的线性加速度和磁场的干扰是影响MARG传感器姿态测量精度的主要原因。针对传统姿态测量算法在磁干扰环境下由于航向角误差导致水平角测量精度降低以及载体线性加速度影响水平角精度的问题,提出了一种基于四 元数的双级互补滤波姿态融合算法。该算法利用加速度计和磁力计测量数据分别对估计四元数进行补偿修正,避免了磁干扰环境下航向角误差对水平姿态测量的影响。同时引入线性加速度误差和磁干扰误差自适应补偿方案,以降低线性加速度与磁干扰的影响,为了验证算法的有效性,进行了静态与动态实验。实验结果表明该姿态测量算法能显著提高姿态测量精度和抗干扰能力,与传统的Mahony算法相比,俯仰/滚动角的测量精度完全不受磁干扰的影响,性能得到了明显的提升。     

姿态测量系统稳定性优化算法研究

设计了一种基于模糊规则调整的串级线性卡尔曼(LKF)姿态解算方法,用旋转矩阵部分元素建立状态方程首先以机动加速度补偿的加速度为观测量,并采用模糊规则调整不同运动状态下的协方差阵,减小加速度的干扰,得到水平姿态角;然后采用磁强信息和姿态信息获取间接观测量,得到偏航角。动静态测试表明,该方法消除了累计误差和磁干扰对水平倾角的耦合干扰,与扩展卡尔曼滤波(EKF)相比,提高了在运动加速度干扰和磁场干扰下的姿态估计精度,并且降低了计算量。     

基于Kalman滤波算法的陀螺仪动态漂移补偿研究

应用MEMS陀螺仪测量人体手臂运动姿态时,针对陀螺仪受线加速度干扰导致测量姿态发散的问题,提出基于Kalman滤波算法的姿态误差补偿方法;该方法首先将陀螺仪采集到的角速度通过方向余弦算法解算得到姿态角,并将陀螺仪动态漂移造成的姿态角误差视为时变信号,通过建立姿态角漂移误差的状态方程及观测方程,应用卡尔曼滤波算法,实现对姿态角漂移误差的估计,最终达到对陀螺仪动态漂移误差的补偿;实验与仿真结果表明,应用该算法能够有效的抑制线加速度干扰导致的陀螺仪测量的姿态发散,适用于陀螺仪对人体手臂运动姿态的测量。     

四旋翼无人飞行器姿态数据采集处理系统

针对机械振动等因素产生的噪声对加速度传感器测量姿态数据的影响,增加了陀螺仪并运用卡尔曼滤波对加速度传感器和陀螺仪的数据进行融合处理;与以往均值和中值等滤波姿态算法相比,采用卡尔曼滤波算法能够获得可靠、稳定的姿态数据,为四旋翼无人飞行器稳定飞行提供有效保障;介绍了姿态传感器和采集处理系统硬件结构及软件实现,运用图形化编程语言LabView实现对四旋翼无人飞行器实时姿态曲线显示、姿态数据存储、回放等功能;经测试,能有效的降低机械振动等噪声对飞行器姿态测量的影响,提高姿态数据估计的精度,达到了预期的目标。     

基于不变扩展卡尔曼滤波的无人机姿态估计

为解决四旋翼无人机姿态估计问题，提出了一种不变扩展卡尔曼滤波(Invariant Extended Kalman Filter, InEKF)算法，用于同时估计四旋翼的姿态和惯性测量单元(Inertial Measurement Unit, IMU)的陀螺仪偏差。利用李群理论和不变观测器设计方法，将算法表述为一个连续时间随机非线性滤波器，其状态空间由直积矩阵李群SO(3)×R³给出，SO(3)中的估计值由IMU对重力矢量和地球磁场向量测量值加以修正。为在无人机上实现该算法，将状态和协方差传播方程离散化。最后，所提滤波算法相对于现有算法的性能优势通过仿真实验得到了验证。     

姿态解算与外力加速度同步估计算法

针对惯性导航应用中,姿态解算与外力加速度估计互相干扰的问题,提出一种基于四元数和扩展卡尔曼滤波器的姿态解算与外力加速度同步估计算法。首先,利用估计的外力加速度修正传感器加速度数据得到准确的反向重力加速度,再结合地磁场向量通过梯度下降算法解算得到旋转四元数的测量值;其次,构建扩展卡尔曼滤波模型,对旋转四元数和外力加速度进行更新,得到旋转四元数的预测值和外力加速度的预测值;最后,用旋转四元数的测量值和测量得到的加速度数据对预测值通过扩展卡尔曼滤波的方法进行校正,最终得到准确的旋转四元数和参考坐标系下三轴方向上的外力加速度。实验表明,通过扩展卡尔曼滤波同时对姿态和外力加速度估计的方法,能够迅速收敛并准确得机体姿态信息以及外力加速度信息,欧拉角误差为±1.95°,加速度误差为±0.12 m/s²,并且该算法能有效抑制外力加速度对姿态解算的影响,准确估计外力加速度。     

小型四旋翼无人机姿态测量仿真研究

研究无人机姿态流通量优化问题,由于低成本小型四旋翼无人机中所使用的姿态测量传感器存在精度低、噪声大的缺点,并且易受温度等环境的影响,不能准确的测量出无人机的姿态,特别是在无人机加速飞行过程中,姿态误差会很快累积扩大,不能长时间加速飞行。为提高无人机姿态测量精度,提出设计由陀螺仪、加速度计和磁强计组成的姿态测量系统,通过计算加速度计信任度,并利用卡尔曼滤波的方法实现对误差四元数的估计,从而得到无人机的姿态角度。实验结果表明,该卡尔曼滤波能够在低动态的飞行环境中准确测量出无人机姿态角度,并能克服以往无人机不能长时间加速飞行的缺点,证明卡尔曼滤波被成功应用于四旋翼无人机姿态测量优化提供了科学依据。     

基于四元数与卡尔曼滤波的四旋翼飞行器姿态估计

设计了一款基于嵌入式处理器STM32的四旋翼飞行器,利用低成本传感器测量加速度和机体的角速率,提出一种结合算法,从而实现飞行器姿态的精确测量。采用四元数法描述飞行器的姿态,在测量过程中结合互补滤波算法进行测量数据的矫正;同时针对出现的随机噪声干扰,采用卡尔曼滤波算法,实现姿态的准确测量,最终在实际的飞行器平台上得到了验证。     

一种自适应残差补偿算法在移动机器人姿态估计中的应用研究

针对两轮移动机器人MEMS IMU姿态估计的数据融合问题,提出一种以卡尔曼滤波为基础的自适应残差补偿算法。该算法结合惯性传感器误差模型与移动机器人姿态模型构建卡尔曼滤波器,利用卡尔曼滤波量测更新的加速度残差自适应补偿非重力载体位移加速度对姿态估计的影响。实验结果表明,该算法有效的融合了MEMS IMU姿态测量数据,抑制了传感器随机漂移误差,同时自适应补偿了非重力载体位移加速度。     

基于陀螺辅助的磁罗盘抗干扰测量方法

为了解决磁罗盘使用过程中受到的磁干扰和加速度干扰影响测量精度问题。提出了基于陀螺辅助的磁罗盘抗干扰测量方法。选取磁罗盘姿态四元数微分程和传感器误差模型共同构建系统的滤波模型,由自适应卡尔曼滤波算法实现磁罗盘姿态估计,并借助于无磁转台对测量方法进行了实验验证,结果表明该方法是可有效实现磁罗盘的抗干扰测量,且能提高磁罗盘测量精度。     

基于MARG的无人机抗干扰系统的研究

由IMU或电子罗盘组成的无人机航姿测量系统易受载体有害加速度或周围局部磁场干扰导致姿态角解算不准确;针对该问题提出将自适应扩展卡尔曼滤波算法应用于该系统;在卡尔曼滤波算法中提出引入分段函数构造自适应测量噪声方差阵;相比于传统噪声方差阵的阈值判断方法,该方法提高了传感器信息的利用率,进一步减小了外界干扰对系统姿态估计的影响,最终提高了姿态角的解算精度;最后针对该方法进行了仿真分析和无磁转台实验验证,仿真和实验结果表明,该方法能有效提高无人机航姿测量系统的抗干扰能力,具有一定的应用价值.     

小型尾坐式飞行器自适应SRUKF姿态算法

针对小型尾坐式飞行器姿态估计问题,设计了由陀螺、加速度计、磁强计组成的姿态测量系统。为了抑制MEMS陀螺漂移导致的姿态误差,以四元数为状态变量,以加速度计和磁强计的输出作为观测变量,建立了滤波模型。采用平方根无迹卡尔曼滤波(SRUKF)对传感器信息进行融合,保证了滤波算法的数值稳定性。由于小型尾坐式飞行器抗干扰能力弱,引入自适应算法,解决了量测信息受到干扰时滤波精度下降的问题,提高了系统的鲁棒性和可靠性。仿真结果表明,存在外界磁场干扰时,姿态误差小于1°。通过实际飞行实验,验证了算法的可行性。     

单球无味卡尔曼滤波在飞船姿态估计中的应用

提出了一种用矢量观测来估计飞船姿态的单球无味卡尔曼滤波算法.该算法将单球无味变换与无味卡尔曼滤波结合起来,与采用尺度无味变换的无味卡尔曼滤波相比,具有更低的计算量.飞船的姿态运动学描述采用了四元数,而用广义罗德里格斯参数来克服卡尔曼滤波过程中的四元数归一化误差.仿真结果表明,该算法比标准扩展卡尔曼滤波具有更低的姿态估计误差及更快的收敛率.与无味卡尔曼滤波相比,较低的计算量及相同的估计精度使该算法更适合在实时姿态估计中应用.     

多微型传感器自适应信息融合姿态估计方法

融合微型惯性和磁传感器数据能够用于实时跟踪人体肢体运动、或估计某一运动刚体姿态.这里,三维加速计被用来测量传感器坐标系下的重力向量,用于确定相对于水平面的方向;三维磁力计测量得到传感器坐标系下的磁场强度向量,用来确定垂直轴上的旋转;三维陀螺仪测量角速度,通过积分可以得到角度.重力向量受人体运动加速度的干扰,磁场强度受周围环境磁感物质的干扰,而角速度在积分过程中也会引入随时间增长的漂移,所以需要融合这3种观测量.提出了一种自适应Kalman滤波的姿态估计算法AKF,通过加速度与磁场强度计算得到的姿态来做观测量与角速度融合,将非线性观测方程线性化,从而降低了计算复杂度;磁场的干扰不会影响Pitch和Roll两个角的估计;而对于运动加速度的干扰,通过自适应调整滤波器中的观测噪声协方差矩阵来抵除.算法的稳定性和精确性在实验中得到了有效验证.