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.     

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。     

基于重力四元数的陀螺漂移估计与补偿

为提高钻探中的钻具姿态测量精度,提出一种基于重力四元数的MEMS惯性随钻姿态测量方法.采用MEMS惯性器件构建钻具姿态测量系统,把加速度计数据解算的姿态四元数作为观测四元数,陀螺仪数据解算的姿态四元数作为误差四元数;然后将陀螺仪漂移融入误差四元数,建立重力四元数估计陀螺仪误差四元数的模型,采用最小二乘法估计陀螺仪三轴漂移,进而补偿陀螺仪姿态四元数;通过补偿后的姿态四元数解算出钻具姿态.最后设计了转台、振动台实验和钻进模拟实验,实验结果表明,姿态四元数补偿后的井斜角和工具面角漂移由平均10 °/h减小到约0.2 °/h,方位角误差由平均12 °/h减小到约0.46 °/h,实现了加速度计补偿陀螺的三轴漂移,表明该方法能够有效提高钻具的姿态测量精度.     

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.     

基于多传感器的智能车辆姿态解算方法

针对智能车辆主动环境感知的需求,提出了一种采用三轴加速度计、三轴磁强计和三轴陀螺仪组合进行车辆姿态解算的方法.首先以旋转矢量法为陀螺仪的车辆姿态解算方法,作为扩展卡尔曼滤波的状态方程,用于车辆姿态的预测;其次以高斯牛顿法为加速度计和磁强计的车辆姿态解算方法,作为扩展卡尔曼滤波的观测方程,用于车辆姿态校正;然后在此基础上构建扩展卡尔曼滤波传播方程,采用扩展卡尔曼滤波进行多传感器信息融合,得到车辆的姿态解算结果;最后通过构建实车测试环境对解算方法有效性进行验证.实验结果表明,通过基于多传感器的车辆姿态解算方法解算得到的车辆姿态角稳定、准确,能够满足智能车辆行为参数估计的实际需求.     

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。     

小型无人直升机嵌入式导航系统算法与飞行试验

基于微陀螺、加速度计、磁强计以及GPS模块构建了姿态航向位置参考系统(Attitude heading position ref-erence system,AHPRS).首先,通过等效旋转矢量法由陀螺解算出估计姿态角;其次通过GPS、加速计的测量值,结合磁强计估计补偿姿态角,推导基于误差四元数的滤波方程,滤波器的周期...     

几何扩展卡尔曼滤波算法在卫星姿态确定系统中的应用

卡尔曼滤波因其良好的性能广泛应用于卫星姿态确定中.经典的扩展卡尔曼滤波(EKF)算法在估计姿态坐标系中表示估计误差矢量,由于没有考虑到估计姿态坐标系与真实姿态坐标系之间存在偏差,从而导致姿态估计精度下降.针对这个问题,Andrle M S通过几何变换引入误差一致性表示,在此基础上,提出了几何扩展卡尔曼滤波(GEKF)算法,将姿态误差四元数和陀螺漂移增量通过几何变换进行一致性表示,解决了估计误差矢量表示不一致的问题.本文介绍了误差一致性表示的原理,并将GEKF算法应用于含常值漂移与时间相关漂移的陀螺模型中,仿真实验表明:GEKF算法比MEKF对陀螺漂移的估计更加精确,在滤波精度上取得了明显改善.     

基于模糊卡尔曼滤波的四旋翼姿态估计方法

针对四旋翼在飞行中因运动加速度及磁场干扰等影响引起的姿态估计误差，提出一种基于动态估计的模糊扩展卡尔曼滤波姿态估计算法。该算法利用传感器数据对运动频率、运动加速度及磁场干扰的大小进行估计，对估计值模糊推理后，使用输出值调整卡尔曼滤波测量噪声方差和梯度下降步长，增加姿态估计算法的动态适应性。为验证所设计算法的估计效果，使用四旋翼仿真模型进行验证。实验结果表明，该算法能够有效地提高四旋翼在高机动、强干扰情况下姿态估计的姿态跟踪精度、动态性能、抗干扰能力。     

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。     

小型无人机姿态解算方法研究

姿态解算是小型多旋翼无人机研究的核心问题之一.为进一步提高姿态反馈数据的准确度和实时性,设计了低成本姿态解算系统,根据不同姿态传感器的信号特点,结合卡尔曼滤波融合算法和改进型互补滤波融合算法的优势,提出了一种基于前置卡尔曼滤波器的互补滤波融合姿态解算方法,并进行了飞行姿态解算实验.结果表明,代码的运行周期比改进型互补滤波融合算法增加了0.253 ms,比基于加权滑动方差的卡尔曼滤波融合算法减少了0.246 ms;姿态更新时间提前了约1 ms.悬停状态下,俯仰角和翻滚角的解算误差控制在±0.2°以内;航向角的解算误差控制在±0.6°以内.该方法集合了卡尔曼滤波算法和互补滤波算法的优势,准确度更高,实时性更强.     

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.     

无人机自适应姿态角度估计仿真

针对复杂环境下传感器噪声未知且不断变化,会导致姿态融合结果不准确的问题,设计了一种基于单新息自适应算法的卡尔曼滤波器,对加速度计和陀螺仪噪声协方差进行在线估计。首先,介绍了能够结合各个传感器优势的无人机姿态融合算法。然后,设计了采用基于单新息自适应算法的卡尔曼滤波器,给出了能够在线估计加速度噪声协方差R和陀螺仪噪声协方差Q的自适应算法。MATLAB仿真表明单新息自适应卡尔曼滤波器在环境噪声变化时,能够更准确地获得无人机的姿态信息,提高了姿态融合精确度,提高了滤波器的鲁棒性。     

基于改进扩展卡尔曼滤波的姿态解算算法研究

为了解决标准扩展卡尔曼滤波器(EKF)在多旋翼无人机姿态解算中精度较低的问题,提出了一种改进扩展卡尔曼滤波算法(BPNN-EKF),使得解算精度得到较大提升。针对EKF存在预测模型参数要求具有先验已知性,在工程实践中难以获得准确的参数,以及标准EKF对非线性系统采用线性化模型带来的误差等问题,利用神经网络的非线性映射能力和自适应能力对标准EKF的估计值进行补偿,减小模型以及滤波参数误差对最优估计值的影响,从而提高最优估计精度。仿真实验证明,BPNN-EKF对多旋翼无人机姿态解算精度的提升具有显著作用。     

微机电系统姿态估计系统算法与仿真

结合陀螺仪、加速度计误差模型,实现了以微机电系统(MEMS)陀螺仪与MEMS加速度计为基础的姿态估计硬件仿真系统,可用于模拟任意噪声强度和安装偏差下三轴捷联惯导系统(INS),即按照给定运动曲线仿真输出陀螺仪与加速度计数据,为设计姿态估计算法提供仿真验证平台.同时,以姿态四元数为状态变量,载体俯仰角与横滚角为观测值设计了基于扩展卡尔曼滤波器(EKF)的姿态估计算法,俯仰角估计误差小于0.04°,横滚角估计误差小于0.05.,偏航角漂移速度0.01(°)/s.     

应用于多旋翼MAVs的姿态测量系统

应用一个三轴加速度计、三个单轴角速率陀螺和一个三轴磁强计等微机械惯性传感器,设计廉价轻量姿态测量系统,研究了姿态角推算算法。在以往的姿态测量系统中,陀螺偏差和动加速度的影响限制其应用。将角速度陀螺的误差作为状态量导入到系统,动加速度作为噪音项导入到观测方程中,然后利用扩展卡尔曼滤波器来构成姿态估计算法来降低误差。实际飞行中对比商用高精度传感器和多次室外飞行测试表明,设计的系统能够应于旋翼MAVs。     

基于改进互补滤波器的低成本微小飞行器姿态估计方法

针对微飞行器（MAV）在不同机动状态下如何获得对重力加速度的有效估计这一问题,提出一种具有增益调节机制的显性互补滤波器,对微飞行器类似周期性盘旋等典型状态,利用陀螺仪的测量和指示空速的估计构建了向心加速度补偿机制,使得基于重力加速度估计的互补滤波器能获得较为精确的姿态估计,并克服了传统互补滤波器对姿态估计进行重构的缺点。在比例积分补偿环节中,对俯仰角和横滚角的估计赋予不同的截止频率,使得比例增益和积分增益具有较好的自适应性。对比实验表明,姿态角估计误差能保持在±2°之内,与现有的典型滤波算法相比,该方法在算法效率和估计误差方面具有良好的综合性能,并适合用低成本的微惯性测量单元实现微飞行器的精确姿态估计。     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。