基于UKF信息融合的多旋翼飞行器姿态估计

姿态估计是多旋翼飞行控制的基础,为实现多旋翼三轴姿态估计,构建了基于MEMS陀螺、加速度计和磁力计的低成本姿态测量系统.该系统采用STM32F103作为控制器,集成加速度计和陀螺仪MPU6050,磁强计HMC5883作为测量传感器.针对多旋翼飞行器单一传感器无法准确测量姿态信息的问题,提出了基于无迹卡尔曼滤波信息融合的姿态估计算法.以陀螺仪为状态矢量,加速度计和磁强计解算的姿态角为观测矢量,无迹卡尔曼滤波器将陀螺的良好动态性能与加速度计、磁强计的良好静态性能结合起来,提高姿态测量精度,具有良好的动态跟踪性能.通过飞行测试,与高性能成品飞行器的姿态信息做对比,验证和分析该低成本姿态测量系统的有效性.实验结果表明,基于无迹卡尔曼滤波的姿态测量系统实现了动态环境下低成本多旋翼的精密姿态测量,为无人机自主飞行控制奠定了基础.     

基于MEMS传感器的高精度姿态角测量研究

针对传统姿态参考系统姿态解算容易受到载体运动加速度的干扰,导致系统精度变低、稳定性变差等问题,提出一种改进的卡尔曼滤波算法。该算法建立基于四元数的惯性系统姿态解算数学模型,并根据载体运动加速度的大小,适时调整卡尔曼滤波器的量测噪声方差的大小,以此减弱卡尔曼滤波过程中运动加速度对姿态角解算精度的影响。采用MEMS三轴陀螺仪、加速度计和磁阻传感器完成载体在电梯升降过程中的测量,对实验测量数据进行姿态解算,结果表明改进后的卡尔曼滤波算法能够有效减小运动加速度对姿态解算的影响,姿态角的均方根误差相对于传统的姿态参考系统降低约40%。     

基于EKF的地磁/陀螺信息融合姿态测量算法研究

针对智能弹药机动飞行中仅利用地磁信息制导时无法实现全姿态角解算的问题,提出一种采用三轴陀螺仪角速率信息辅助三轴磁传感器信息进行弹体姿态角解算的EKF融合算法。算法利用磁传感器测量模型和四元数微分方程建立观测方程和状态方程,并分别对非线性的系统进行线性化得到卡尔曼滤波方程。通过在高速飞行仿真转台上进行半物理仿真试验,最终全姿态角的解算实现对地磁/陀螺信息的融合。经过对仿真信号的处理,在弹体俯仰角±30°变化的情况下,该EKF融合算法解算滚转角和俯仰角比传统单纯依靠地磁信息进行滚转角和俯仰角解算的精度提高近一个数量级,并且解算偏航角误差在1°以内。     

基于修正EKF的微小型飞行器姿态估计

分析了常用飞行姿态估计方法在微小型飞行器上应用的局限性,针对基于微机电系统(MEMS)惯性器件的姿态测量方案,构建了以MEMS陀螺仪姿态矩阵解算为状态更新、以MEMS加速度计重力矢量解算为观测更新的扩展卡尔曼滤波器(EKF),推导了相应的卡尔曼滤波方程.为了提高该滤波器抵抗机动加速度干扰的能力,设计了基于M估计的新息修...     

基于加性超球体平方根UKF算法的无人机姿态确定

针对无迹卡尔曼滤波(UKF)计算量大的问题,提出一种加性超球体平方根UKF算法,即ASSRUKF算法.该算法通过引入加性非扩展形式减少状态维数,并采用超球体单形采样减少采样点的数量,有效降低了算法计算量;同时采用协方差阵的平方根代替协方差阵参加递推运算,以提高滤波算法的计算效率和数值稳定性.建立了加性噪声下基于微机械惯性测量单元和磁强计的无人机姿态模型,并采用ASSRUKF算法进行姿态估计.仿真结果表明,本算法的精度与UKF相当,而执行时间仅为UKF的36.8％,有效降低了算法的计算复杂度.     

基于MEMS惯性传感器的微型姿态测量系统

提出了一种基于低成本MEMS惯性传感器的微型姿态测量系统,包括MEMS速率陀螺、MEMS磁强计、单轴MEMS加速度传感器.重点研究了基于扩展Kalman滤波（EKF）的姿态估计创新算法,通过速率陀螺更新误差状态四元数计算姿态角,并通过飞行方向的加速度传感器和三轴磁强计来补偿陀螺漂移和姿态角误差,利用扩展卡尔曼滤波方程消除瞬时干扰,实现高动态姿态测量.系统的仿真和高动态实验表明,姿态测量动态精度低于5°,静态精度低于0.7°.     

基于GPS与惯性组件的复合测姿系统设计

针对微小型载体空间有限而无法安装大型测姿系统,提出了一种低成本的微型复合测姿方案.复合测姿系统由单天线GPS和MEMS惯性组件构成.利用扩展卡尔曼滤波将单天线GPS和MEMS惯性组件信息融合,提高了姿态估计精度.室外车载实验结果表明,利用该复合测姿系统解算的滚角和俯仰角误差可控制在1°以内,航向角误差可控制在2°以内.     

微小型无人机航向姿态解算研究

在低成本硬件的约束下,微小型四旋翼无人机在完成翻滚、竞速、旋转等复杂的大幅度机动动作的同时,还必须保证机体航向角的稳定性,这对四旋翼无人机航向姿态解算提出了较高的要求.传统的航向角计算方法由于存在收敛速度过慢,误差较大等问题,导致机体缓慢自旋,影响飞行航向稳定性.故设计了基于优化的HMC5883L和MPU6050融合航向姿态解算新方法,将该算法与陀螺仪积分方法或HMC5883L直接解算方法进行实验对比,实验表明:采用该算法不仅保证了航向角的输出精度也提高了其收敛速度,从而保证了无人机航向的稳定.     

基于中心差分扩展卡尔曼滤波算法的三相感应电机转速和转矩的估计

针对三相感应电机在转速和转矩测试过程中,存在采集数据易受外界干扰而导致转速和转矩等估计值出现较大偏差的问题,提出采用中心差心扩展卡尔曼滤波算法实现对三相感应电机转速和转矩的估计.首先,以三相感应电机的定子和转子电流作为状态变量,推导出了三相感应电机在α-β坐标系下的状态方程和输出方程.然后,采用中心差分扩展卡尔曼滤波算法实现对三相感应电机转速和转矩的解算.仿真结果表明,与扩展卡尔曼滤波算法相比,中心差分扩展卡尔曼滤波算法对电机运行状态的变化具有更好的跟随性能及更快的收敛速度,能够准确的估计三相感应电机的转速和转矩.     

用于微小型飞行器姿态估计的四元数扩展卡尔曼滤波算法

针对MEMS陀螺、加速度计、磁强计组合的姿态确定系统,笔者设计了用于微小型飞行器姿态估计的四元数扩展卡尔曼滤波算法．取姿态误差四元数和陀螺随机漂移构建滤波状态向量,通过误差四元数微分方程和陀螺随机误差模型建立了卡尔曼滤波状态方程;采用改进的高斯-牛顿算法将传感器观测量转化为四元数,通过与利用陀螺信息估计的四元数相乘,得到姿态误差四元数作为卡尔曼滤波量测值,显著减小了机动加速度对姿态估计的影响．仿真实验显示：四元数静态估计误差小于0．22％,在动态情况下,四元教估计值能够较好地跟踪真实值的变化,表明该滤波算法能够有效提高姿态估计的精度．     

基于摄影测量法的头盔运动姿态测量技术

针对头盔瞄准具精度鉴定系统设计要求,需要精确测量头盔瞄准具活动范围、最大视场角以及相对瞄准线的方位、俯仰、滚转偏差等参数.本文利用加装在座舱内的两个摄像机,获取到两个不同视角的头盔运动影像.采用角锥体法、空间后方交会算法以及基于外方位元素分解的姿态解算算法,推导出了头盔姿态解算的数学模型,实现基于单视角影像的头盔运动姿...     

基于MEMS陀螺仪和加速度计的自适应姿态测量算法

针对MEMS陀螺仪以及加速度计传感器单独测姿时,传感器数据中存在复杂噪声和测量误差导致测量得不到最优姿态角的问题,设计了一种基于MEMS陀螺仪和加速度计的自适应姿态测量算法.算法采用扩展卡尔曼滤波方法实现数据融合,并且在利用Allan方差估计MEMS陀螺动态噪声的同时,加入了遗忘因子和限定记忆的算法思想,从而实时地跟踪数据的量测噪声,实时修正角度估计误差,有效地提高了姿态测量系统的精度.实验结果表明,二者组合定姿可实现高精度的姿态测量,验证了算法良好的动态噪声抑制能力,提高了系统对环境变化的适应性.     

非线性滤波CRLB推导及在目标跟踪中的应用

针对可叠加零均值高斯白噪声的非线性滤波,利用无迹变换,推导出理论上的误差性能下界Cramét-Rao Low Bound(CRLB).在利用光电信号对目标进行纯方位角跟踪中,提出一种次优的非线性滤波算法--距离参数化无迹卡尔曼滤波(RPUKF).仿真中将其和距离参数化扩展卡尔曼滤波(RPEKF)的性能曲线以及理论性能下界做了比较.结果表明,两种次优算法的曲线逐渐逼近理论下界,且PRUKF性能更优.     

飞行体姿态测试及仿真技术研究

本文针对飞行体姿态测试及仿真问题,阐述了无陀螺捷联惯性系统的应用,并提出其在弹体姿态测试上的优势,重点分析了采用九加速度计组合的姿态解算方法,进行了算法误差分析和比较,并探讨了可以采用的最优化解算方法以尽可能真实地解算出飞行体在各时刻的真实姿态.     

旋转载体锥形运动的两轴旋转表征方法研究

针对旋转载体因旋转表征方式不同出现姿态解算诱导误差问题,通过分析旋转特点,提出两轴旋转表征方法。定义锥形运动的姿态角,建立角运动方程及姿态解算方程,并给出与常规姿态角的关系式,仿真分析不同表征方式的角速度和姿态解算的差异,并通过试验设计进行对比验证。综合仿真和实验结果表明:在相同的锥形运动条件下,两轴旋转表征方法与三轴旋转表征方法的差异随着锥形运动条件的恶劣而变大,但两轴旋转表征方法解算姿态误差较小,因此采用两轴旋转表征方法更为有效。该表征方法不但为旋转载体的抑制姿态误差提供理论基础,还能为攻角和侧滑角测量提供新思路。     

部分加速度测量下结构恢复力与质量非参数化识别方法

传统的基于扩展卡尔曼滤波方法的结构非线性行为识别方法往往要求结构质量以及结构非线性恢复力的参数化模型已知。该研究为解决非线性结构质量,结构参数,非线性恢复力的识别问题,提出了一种两阶段识别方法;为提高计算效率采用遗忘因子扩展卡尔曼滤波算法结合等效线性模型实现结构非线性位置的定位,随后采用无迹卡尔曼滤波算法与恢复力的二重切比雪夫多项式非参数化模型识别结构参数,质量与恢复力。在对一个含形状记忆合金(SMA)阻尼器的多自由度体系的数值模型进行了数值模拟验证的基础上,设计了一个含SMA阻尼器的四自由度框架开展动力试验,验证了所提出方法对结构质量以及恢复力的识别效果。     

基于前向神经网络的非线性时变系统辨识改进EKF算法

为了克服传统扩展卡尔曼滤波算法进行参数估计时可能产生的新数据失效问题,提出了一种改进的扩展卡尔曼滤波(EKF)步骤,然后将改进步骤做为人工神经网络的学习算法用于基于前向神经网络的非线性时变系统辨识。与传统的扩展卡尔曼滤波步骤相比克服了新数据的饱和现象,可以更好地反映系统时变特征。通过一个单变量一般时变非线性系统和一个三自由度非线性时变刚度结构系统算例,仿真验证了新算法在辨识精度和计算量方面的改进特性。     

基于三子样更新的EKF低成本MEMS姿态估计算法

针对低成本MEMS惯性器件精度较低、噪声较大、存在误差随时间积累而无法满足长时间载体姿态测量的问题,提出一种基于三子样姿态更新的扩展卡尔曼姿态估计算法。该算法结合三子样构造姿态更新四元数作为扩展卡尔曼滤波的状态量,利用当地导航系下重力场、磁场中相关数据通过比例积分控制器完成对角速率误差的一次补偿,同时作为扩展卡尔曼观测信息,完成对姿态四元数的实时校正,以此降低误差随时间积累的影响。为验证算法精度,设计转台静态及车载动态试验,试验结果表明在测试约为400 s的时间内,航向角误差约为5°,俯仰角及滚转角误差低于2°,且无发散问题,满足长时姿态测量要求。     

大失准角SINS初始对准的UPF算法

针对大失准角条件下捷联惯导系统(SINS)初始对准误差模型呈严重非线性的特点,设计了大失准角SINS的无迹粒子滤波(UPF)初始对准算法;并针对UPF算法实时性不强的特点,采用残差系统重采样对其重采样方法进行改进;再结合三轴转台静基座采集得到的实测数据,分别进行了UPF和无迹卡尔曼滤波(UKF)算法仿真,仿真结果表明:UPF算法比UKF算法具有更高的对准精度和更快的对准速度;改进后的UPF算法在对准精度上略差一些,但比原算法具有更强的实时性。     

基于地磁测量的火箭弹滚转角解算误差补偿方法研究

为实现火箭弹弹道修正,需实时解算弹体的滚转角。根据地磁场基本特性,采用两轴磁传感器测量地磁场分量,并同时测量弹道倾角以解算弹体姿态角。提出一种火箭弹弹体滚转角解算的误差补偿方法,进行某型火箭弹打靶试验,利用该方法对火箭弹飞行试验过程中的姿态角数据进行实时解算,并与陀螺测量到的滚转角数据进行比较。试验结果表明:利用该方法解算滚转角准确度在4°以内,能够满足火箭弹弹道修正的要求。