阵列式MEMS惯性传感器及噪声抑制研究

针对惯导系统中MEMS惯性传感器随机噪声较大的问题,本文利用MEMS惯性传感器体积小的特点,采用32个消 费级MEMS惯性传感器,组成惯性传感器阵列,设计了阵列形式的MEMS惯性传感器测量单元。通过对阵列传感器建模与分析,将32个惯性传感器数据进行数据融合,以此降低消费级MEMS惯性传感器的随机噪声误差与零偏不稳定性。最后利用Allan方差分析了惯性传感器的噪声特性。实验结果表明,在静态状况下,阵列式MEMS惯性传感器有效的抑制了惯性传感器的随机误差,提高了惯性传感器的精度。     

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。     

MEMS惯性传感器ADIS16355在姿态测量中应用研究

为了实现惯性导航控制,需获取控制对象的姿态角信息,设计了基于MEMS惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程,基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验,测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在?1?左右。     

面向皮纳卫星姿态确定的MEMS陀螺磁强计组合滤波系统

针对难以配置高精度部件的皮纳卫星姿态测量系统,当卫星处于阴影区或任何太阳敏感器不可用的状态下,MEMS陀螺与磁强计的组合便成为卫星在轨姿态测量精度的重要保障.本文基于MEMS陀螺与磁强计的低功耗、全轨、全天时、最小姿态敏感组合,提出一种适用于皮纳卫星在轨运行的滤波系统方案.该方案通过滑窗ARMA建模降低陀螺随机噪声的影响,并由姿态滤波器估计所得的零偏在线去除陀螺常值分量,以保证其建模的长期有效性.本文以浙江大学皮星二号卫星搭载的敏感部件以及姿态测量算法为研究基础,结合在轨实测数据,仿真对比表明,该系统方案有效降低了陀螺随机噪声,抑制比达50％以上;陀螺零偏估计精度提高310％,可达到0.001°/s;姿态确定精度提升190％,可达1.2127°.该系统方案是对皮纳卫星姿态确定最小系统精度提升及实用方案设计的有益探索.     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

MEMS INS/GNSS组合导航系统在车辆和机器人载体上的性能对比分析

同一款MEMS INS/GNSS组合导航系统在不同运动载体上的定位定姿性能差异会显著影响应用效果,有必要做深入的定量研究。本文首先采用奇异值分解方法,分析了组合导航状态量在载体不同运动场景下的可观测度。然后,对比了车辆和轮式机器人载体在开阔场景和GNSS卫星失锁场景下的组合导航性能,并详细分析了两种载体在不同运动模式下的导航误差和卡尔曼滤波均方误差。实测结果表明,车载和轮式机器人组合导航性能的差异主要表现在航向角方面,载体的加减速和转弯有助于航向角和陀螺z轴零偏误差的收敛,轮式机器人采用自动指令控制,造成运动模式单一,加减速时段少,同时转弯过程中加速度变化幅度小,转弯对其航向角和陀螺z轴零偏误差的收敛作用不如车载明显。因此,轮式机器人航向角误差比车载大,差异显著。     

基于MEMS的数据手套传感技术研究

目前数据手套大多采用机械式、光纤式或者图像识别等方法来获取手势姿态.基于MEMS传感器设计的数据手套利用MEMS传感器（三轴陀螺、三轴加速度计和三轴磁阻）,根据惯性测量原理,采用基于四元数解算的扩展卡尔曼滤波信息融合方法来获得手指全姿态信息,克服了传统方法的局限性.其穿戴方便、运动自由度大、抗干扰能力强,且不受光线条件的约束.测试和实验的结果表明,基于MEMS传感器的数据手套稳定可靠,具有一定的创新性和实际应用参考价值.     

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。     

一种新的无陀螺惯性测量组合标定方法

无陀螺惯性测量组合在角速率解算过程中不仅需要知道加速度计标定因数、零偏及实际安装方向向量,还需要准确获取加速度计的实际安装位置.针对上述特点,以加速度计输出模型为基础,提出并建立了一种广泛适用于各种无陀螺惯性测量组合的标定方法.该方法经转台位置和速率实验验证可以准确得到加速度计标度因数、零偏及安装误差,进一步提高了载体线加速度和角速率解算精度,从而为后续的姿态解算奠定基础.     

基于四元数姿态估计的捷联惯导初始对准算法

针对传统动基座捷联惯导系统OBA粗对准算法,在低精度传感器中,易受到陀螺零偏的影响,存在累计误差导致观测矢量精度低的缺点,本文研究了基于四元数的无迹卡尔曼滤波来进行载体的姿态估计.该方法可以估计陀螺仪的零偏,并在预测方程中将其去除,能够有效地抑制陀螺零偏带来的累计误差,从而提高姿态误差角的收敛精度.最后设计了仿真与车载实验,验证本文所研究算法的有效性.     

自主姿态测量算法研究

航姿系统一般不实时计算速度和位置信息,无法补偿地球自转和表观运动引起的分量误差,同时陀螺漂移较大,载体长时间持续机动时,出现姿态精度不高,甚至发散的问题。提出了一种基于卡尔曼滤波的姿态融合算法,将等效陀螺漂移列入系统状态,利用卡尔曼滤波的新息对运动状态进行判别,在一定条件下,用加速度计的输出作为量测量进行卡尔曼滤波的量测更新过程。实验结果表明,所提出的姿态融合算法考虑了陀螺漂移,能提高载体长时间机动时的姿态精度。     

基于间接EKF的MEMS惯性系统最优姿态估计

针对MEMS惯性系统姿态估计中的扩展卡尔曼滤波EKF(Extended Kalman Filter)是非线性状态方程的次优估计且性能受量测噪声协方差矩阵影响的问题,提出一种间接EKF最优姿态估计方法。推导与状态向量扰动相关的线运动特性并设计扰动状态方程,采用标准线性卡尔曼滤波完成扰动状态及其协方差最优更新,最后利用加速度计输出作观测量并采取链式法则完成量测矩阵的求取。对比实验结果表明,间接EKF算法可有效降低陀螺随机漂移对姿态估计的影响,姿态收敛速度与精度均优于传统EKF方法。     

基于MEMS阵列的虚拟陀螺的实现

MEMS陀螺随半导体技术的发展迅速兴起,但其普遍精度不高,为提高MEMS陀螺的精度,满足实际应用需求,利 用4个陀螺组成阵列.标定并补偿了其对准误差和标度因数误差。并采用基于自回归模型的卡尔曼滤波融合算法进行数据融合。从而得到一个精度更高的虚拟陀螺、在静态实验中。陀螺的１σ 标准差降低了4.36倍,零偏不稳定性降低了2.22倍。在动 态摇摆实验中,其速率误差的1σ标准差降低了3.69 倍。实验也表明,经过标定补偿陀螺阵列的输出数据更接近真实值, 根据实验结果,可知对四陀螺阵列的标定补偿和数据融合的方法有效抑制了陀螺的噪声。     

基于三轴转台的MEMS惯性传感器参数测量方法

运动学参数的可靠与准确测量,对于高精度的MEMS惯性传感器应用于农业作业复杂环境具有重要意义。设计了一种基于SGT320E转台的MEMS惯性传感器运动学参数检测方法。对MEMS惯性传感器的陀螺仪和加速度计进行了固定零偏、标度因数、标度因数非线性、标度因数对称性等参数测量,采用Matlab软件分析试验数据,并将分析后的数据与传感器数据手册上的相关性能指标进行对比,结果表明该方法能够通过误差校正提高MEMS传感器精度。     

基于Allan方差的MEMS陀螺随机误差建模

针对由于MEMS陀螺随机误差较大而影响MEMS惯性测量系统测量精度的问题,提出一种利用Allan方差分析随机误差并建模的方法。在分析Allan方差原理的基础上,通过Allan方差分析法分离和辨识了MEMS陀螺仪的各项随机误差以及误差系数,并利用随机误差系数进行了数学建模。通过与ARMA模型比较,表明利用Allan方差建立的模型更加精确。该方法为MEMS惯性导航系统中姿态测量的误差补偿和滤波提供了新的思路,对提高MEMS惯性测量系统的测量精度具有一定的实际应用价值。     

基于行人运动模态辨识的室内外无缝导航航向算法研究

目前行人导航航向解算算法均基于导航传感器在行人身体上的固定安装模式,或者依赖其他射频信息辅助修正陀螺航向,这极大约束了导航传感器的适用条件.为此,利用陀螺对低频噪声的敏感性及加速度计低频的稳定性,提出了解决行人手持手机稳态查看与非稳态摇摆的运动模态辨识算法和基于时域互补滤波器实现姿态的最优融合方法;研究了改进型互补滤波以消除行人的运动加速度对姿态解算的干扰误差,提高了载体姿态的测量精度;此外,利用磁传感器标定后的数据设计了自适应卡尔曼滤波算法,抑制了航向角的误差发散.经实际数据测试验证,室内外行人手持稳态与非稳态下的航向角测量精度提高了80%,同时大大提高了导航传感器的适用性与便携性,满足实际工程的使用需求.     

基于扩展卡尔曼滤波的球形机器人姿态解算

针对球形机器人在姿态解算的过程中,惯性测量元件精度不高、稳定性差和易受噪声干扰从而导致无法精确控制其运动姿态的问题,提出一种通过扩展卡尔曼滤波融合IMU(Inertial Measurement Unit)惯性测量元件数据来进行姿态解算的方法,利用多传感器测量数据进行融合,并使用扩展卡尔曼滤波得到精确的姿态信息。通过相关实验充分验证了基于扩展卡尔曼滤波的姿态解算方法的精度和鲁棒性明显提高,抗噪声干扰能力更强。实验表明,该姿态解算方法相比于互补滤波的姿态解算,全姿态角均方根误差和平均误差分别下降了0.0601和0.1984,可见其对于球形机器人的运动控制具有良好的适用性。     

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DSP的MEMS陀螺误差建模与滤波方法研究

针对微机电系统(MEMS)陀螺测量精度低、随机噪声复杂的问题,根据MEMS陀螺的实测数据,分析其噪声特性,研究MEMS陀螺的随机噪声模型。应用时间序列分析方法,采用时间序列分析(AR)模型对MEMS陀螺测量数据噪声进行建模,该模型反映陀螺的噪声特性,基于该随机噪声模型,采用Kalman滤波技术有效降低了随机噪声对MEMS陀螺测量精度的影响。通过对MEMS陀螺实测数据的仿真试验结果表明:提出的建模与滤波方法能够有效地抑制其随机噪声误差,提高实际应用中的测量精度。     

基于惯性技术的端帮采煤机姿态测量仪设计

针对端帮采煤机特殊的机械构造及工作运动模式对自身姿态信息获取时效性和准确性以及无人自主化提出的更高要求,设计一种基于惯性解算方法的姿态测量设备。利用惯导系统中的水平加速度计敏感重力分量完成载体水平对准,根据加速度计敏感的采煤机运动状态实现载体静止状态的辨别,引入零速修正的闭环卡尔曼滤波完成惯导解算姿态及惯性器件偏差信息的修正。搭建基于DSP+FPGA的导航信息采集与处理平台并开展室内转台实验和户外模拟车载实验,结果表明：采用零速修正的闭环卡尔曼组合方法可有效准确地完成载体姿态信息的自主求取。