基于组合滤波的低成本飞行器姿态解算算法

在低成本的飞行器姿态检测系统中,互补滤波器由于原理简单、计算量小,而被广泛应用。针对低成本飞行器在非匀速运动时因为加速度计不能区分重力加速度与运动加速度引起基于互补滤波的姿态解算误差较大的问题,提出了一种互补与自适应限幅组合滤波的姿态解算算法,并给出了自适应限幅滤波门阀的设计方法。通过融合陀螺仪输出的角速度与加速度计输出的加速度获取限幅滤波的限幅阀值;然后将归一化的加速度计输出增量通过限幅滤波的结果代替原互补滤波的加速度计输入,提高非匀速运动下姿态解算精度。经实际系统实时性能测试表明,所提算法估计精度高、计算量小,易于在低成本飞行器控制系统中实现。     

地磁组合重力矢量权值的优化算法

利用惯性-地磁测量组合实现载体定姿遇到的主要问题是在载体运动时重力加速度观测精度很低,导致扩展卡尔曼算法在此情形下姿态估计精度非常差。optimal-REQUEST算法功能与扩展卡尔曼算法类似,也适用于惯性-地磁测量组合,但是同样受载体线加速度影响,为了消除这一影响,实时地估计重力加速度矢量的观测精度,并在精度逐步降低时指数衰减其参与新息计算时的权值,进而利用该算法所具有的单矢量姿态更新能力降低姿态估计误差。仿真结果表明,在做平面圆周运动时,如果动态调整重力加速度观测矢量的权值,即使载体线加速度达到200m/s^2,仍然能够保证俯仰角、滚转角及方位角估计误差在2°以内,证明了文中算法的有效性。     

基于机动检测的捷联航姿算法研究

针对低精度陀螺仪、加速度计和磁传感器组成的捷联航姿系统存在的易受载体运动加速度影响而导致姿态精度下降甚至发散的问题进行了研究,提出了一种基于机动检测的捷联航姿算法。该算法根据陀螺仪数据进行姿态实时更新,利用加速度计和磁传感器输出对载体姿态误差进行校正以保持航姿输出的长期精度。算法根据加速度计输出在导航系中投影的水平分量进行机动检测,剔除机动期间的加速度数据,利用载体匀速运动状态下的加速度数据与磁传感器数据构造量测,利用卡尔曼滤波器对姿态误差进行估计并修正。仿真结果表明,该算法能有效完成载体机动检测,保证系统存在机动的情况下姿态精度满足应用要求。     

AHRS航姿解算中的两种滤波方法的比较研究

关于飞行姿态角优化问题,由于加速度计的测量值中同时包含了重力加速度和运动加速度信息,并且磁传感器易受铁磁性物质干扰,直接利用加速度计的测量值计算横滚角和俯仰角易产生较大误差,进而在利用磁传感器的测量值计算航向角时也将会引入了误差.为了减小加速度计和磁传感器的姿态解算算法所解算的姿态角误差,提出利用陀螺仪的输出,分别设计了互补滤波器和卡尔曼滤波器(Kalman Filter)对加速度计和磁传感器的输出进行处理,采用VN-100的微惯性测量单元(Micro Inertial Measurement Unit,MIMU)的数据进行MATLAB仿真,并对两种滤波器的滤波效果进行了比较.实验结果表明,互补滤波和Kalman滤波均能提高该算法的姿态角精度,并且互补滤波器比Kalman滤波器效率更高,性能更好.     

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。     

基于磁阻传感器与加速度计复合的姿态角检测技术

针对基于三维磁阻传感器解算姿态角时,解算结果会因符号变号出现较大解算误差,并需要已知其中一个姿态角方可解算另外2个姿态角,提出基于磁阻传感器与加速度计复合的姿态角解算算法,利用加速度计单独解算的倾斜角为地磁传感器解算提供一个姿态角,在地磁俯仰角阈值处以加速度计解算的横滚角代替磁阻传感器解算的横滚角,从而能实现同时测量3个姿态角,并在实验室进行了试验,达到预期的效果,为特殊行业对象的姿态角定姿提供一种新的方法思路。     

一种动态环境下载体定姿方法

针对载体线加速度存在的动态条件下,加速度计已不能完全描述重力场信息,提出最速下降法处理地磁与加速度计数据,来减小测量的误差,并引入无迹卡尔曼(UKF)滤波融合陀螺仪信息,抑制微机械陀螺仪漂移,加入飞行状态判别条件一定程度上规避加速度计动态测量精度差的问题。实验结果表明,算法有效地融合了陀螺仪较好的动态性能以及加速度计与地磁的静态性能,避免了由于线加速度存在,姿态解算产生的误差,改善了系统的整体性能。     

基于加速度分离算法的姿态测量方法研究

针对运动状态下探测器姿态解算精度不高的问题,提出了一种基于加速度分离算法的姿态测量方法。首先,分别利用椭球拟合法和建模法对加速度计、陀螺仪进行误差补偿,保证了MEMS传感器初始测量数据的精度。其次,提出了一种分离运动加速度的方法,以消除运动对加速度计测量数据的影响。最后,结合加速度分离算法实现了基于卡尔曼滤波器的高精度姿态解算。模拟实验结果表明,该姿态测量方法具有较高的精度和抗干扰能力,在变加速运动时姿态误差减小了70%以上,满足了设计的要求。     

基于PI自适应卡尔曼滤波的无人机姿态解算算法

针对无人机姿态解算过程中,机载加速度计噪声时变,导致姿态估计值出现较大误差的问题,提出了一种基于PI自适应卡尔曼滤波的姿态解算算法,通过监视残差方差的理论值与实际值的差值,利用PI控制算法对观测噪声协方差矩阵进行在线修正,来解决由于噪声估计不准而导致滤波发散的问题。实验结果表明,即使是在无人机的姿态发生剧烈变化时,该算法依然具有良好的精度,鲁棒性较好。     

基于MEMS的车辆姿态感知系统

针对MEMS传感器精度低、误差大等缺点,采用三轴加速度计、三轴磁强计和三轴陀螺仪进行组合姿态测量,使用卡尔曼滤波进行多传感器数据融合。将旋转矢量法解算出的陀螺仪的姿态四元数作为卡尔曼滤波的预测矢量,将高斯牛顿法解算出的加速度计和磁强计的姿态四元数作为卡尔曼滤波的观测矢量,建立卡尔曼传播方程,求出更高精度的姿态四元数,解算出姿态角,将 AHRS 中的姿态角与车辆的坐标系对应,实验结果表明车辆在不同状态下的姿态角度变化与车辆的运行状态一致。     

基于载波相位差分的形变监测高精度定位算法

传统载波相位差分算法在形变监测领域适用性不足，实时动态定位（RTK）精度难以满足要求，而载波双差静态相对定位连续解算时形变跟踪性能较低等。针对这些问题，在对动静态算法深入研究的基础上，提出一种基于载波相位差分的动静态自适应融合算法。通过方差变化法实时判断定位结果是否收敛，自适应调节扩展卡尔曼滤波（EKF）状态先验估计过程。在收敛时刻增大位置参数的先验估计误差的协方差值，使EKF后验估计过程倾向于信赖测量值；未收敛时刻通过EKF迭代，使EKF后验估计过程倾向于信赖状态预测值。实验结果表明：相比传统RTK新算法精度有明显提高，水平达±2 mm内，高程达到±4 mm内；相比静态定位则缩减了观测周期，提高了微小形变跟踪性能。     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

基于UKF的两轮自平衡机器人姿态最优估计研究

针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计．将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当．因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求．     

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。     

SVD‐aided EKF attitude estimation with UD factorized measurement noise covariance

This paper describes singular value decomposition (SVD) aided extended Kalman filter (EKF) for nanosatellite's attitude estimation. The development of the filter kinematic/dynamic model, the measurement models of the sun sensors, and the magnetometers used to generate vector measurements are presented. Vector measurements are used in SVD for satellite attitude determination purposes. In the proposed method, EKF inputs come from SVD as the linear measurements of attitude angles and their error covariance. In this step, UD factorizes the attitude angles error covariance, forming the measurements in order to obtain the appropriate inputs for the filtering stage. Results are presented and analyzed in addition to discussion of the sub‐step, which is the UD factorization on the measurement covariance. The accuracy of the estimation results of the SVD‐aided EKF with and without UD factorization is compared for estimation performance.     

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.     

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MIMU和磁力计的姿态更新算法研究

针对传统人体姿态解算算法中存在MEMS陀螺误差发散快的问题,提出一种基于微惯性测量单元( MIMU)及磁力计信息融合的姿态解算算法。该算法利用互补滤波结合PI调节控制完成陀螺零偏校正,然后在加速度计和磁强计的辅助校正下,通过EKF( Expand Kalman Filter)滤波器更新四元数法实现陀螺姿态解算。本算法采用MPU9150传感器模块完成测试实验,实验中对比分析了单独扩展卡尔曼滤波算法与本算法的滤波效果。实验结果表明,本算法能够有效地抑制陀螺的发散,实现稳定地输出高精度姿态数据。