全景多模式组合导航姿态估计算法

随着导航系统研究的不断进步,其在高空侦察等诸多领域得到了广泛的应用.同时,在越来越多的情况下,导航系统的应用环境可能发生变化.而国内外对导航系统的研究,较多倾向于单一环境开展,对全景环境下算法的研究相对较少.提出一种以四旋翼飞行器为背景的姿态估计算法.算法可以根据四旋翼飞行器所处的环境与运动情况采用不同的姿态计算模式,并通过变量值与门限值的比较进行模式之间的切换.实验结果表明:该算法在四旋翼飞行器所处的环境发生变化时能够实现无缝切换,并达到较高的精度(误差1°之内),同时有很好的实时性.  

基于卡尔曼滤波的MUH姿态信号融合算法研究

利用MEMS陀螺仪和加速度计获取姿态的方法已被广泛用于低成本的民用无人直升机上,陀螺仪的漂移和加速度计中的运动加速度都会影响估计精度,设计了基于四元数的卡尔曼滤波器,根据三轴角速率陀螺和加速度计信号,融合无人直升机姿态信号,并针对陀螺仪的漂移和加速度计的测量误差,设计了自适应的量测噪声方差矩阵,补偿融合精度,得到稳定可靠且精度较高的姿态信息,用于无人直升机的内环增稳控制.实验表明,该方法估值精度较高,能有效解决小型无人直升机姿态求解问题.  

一种面向AHRS的改进互补滤波融合算法

针对三轴陀螺、三轴磁强计和三轴加速度计等MEMS传感器所构成的AHRS系统对全局环境下的姿态检测问题,在分析线形融合滤波器、Kalman滤波器的缺陷基础上,对互补滤波器的IMU姿态解算算法进行拓展,通过磁场计测量数据在全局坐标系下水平分量的求解,获得了传感器偏航方向的姿态角,从而构成了完整的三维空间姿态测量系统。并基于硬件实验验证算法有效消除陀螺漂移和加速度及地磁场干扰的可行性。  

状态切换UKF的飞行器姿态确定算法

针对全维无迹卡尔曼滤波(UKF)算法状态维数倍增所带来的计算负担加剧的问题,提出一种过程和量测不相关的状态切换UKF算法.该算法通过在预测和量测阶段选取不同的状态变量,降低实时滤波的状态维数及Sigma点的选取个数,减小了计算量,提高了运算速度.针对姿态确定中四元数规范化限制,给出一种参数切换算法,在滤波过程中通过四元数与修正罗德里格斯参数实时切换,解决了四元数加权均值和协方差奇异性问题.针对SINS/CCD姿态的仿真实验结果表明,与全维UKF算法相比,状态切换UKF算法估计精确度相当,估计时间缩短了约1/3.  

小型飞行器姿态估计系统设计与实现

提出了一种基于最小二乘拟合和四元数拓展卡尔曼滤波器小型无人机姿态系统估计方法.首先建立三轴磁力计的物理模型,采用最小二乘拟合算法估算磁力计的干扰向量,然后采用加速度计对磁力计进行倾斜补偿,最后采用拓展卡尔曼滤波器融合加速度计、陀螺仪和磁力计的4数据,估计飞行器三维姿态.测试结果表明,姿态系统的方位角的线性误差最大为4°,倾斜40°情况下,方位角最大误差为2.6°,静止放置时,横滚角、俯仰角和方位角最大的静止偏差分别为0.215°、0.103°和0.464°.