互补滤波算法在四旋翼飞行器姿态解算中的应用

针对四旋翼飞行器飞行过程中的姿态最优估计问题,本着准确、快速的原则,选择了基于陀螺仪、加速度计和电子罗盘的捷联式惯性测量系统.由于这些传感器存在温度漂移和噪声干扰等问题,采用互补滤波算法,通过融合IMU多传感器的数据信号,对测得的姿态数据进行补偿修正,解算出高精度的姿态角.为了验证互补滤波算法的有效性和实用性,通过实际的四旋翼飞行器角度测量系统对互补滤波算法展开研究.结果表明姿态角解算中采用互补滤波算法能够快速、稳定的输出高精度姿态数据,姿态角最大跟踪误差控制在±2°以内,满足四旋翼飞行器飞行控制的要求,成功完成了姿态的最优估计.     

基于自适应互补滤波的四旋翼飞行器姿态解算

在四旋翼无人机中,姿态传感器采用捷联式惯导惯性检测单元(IMU),其中包括加速度计、陀螺仪、电子罗盘和空气压力高度计.这些传感器在工作过程中存在温度漂移以及噪声干扰,为了得到准确的姿态数据,首先建立了传感器四元数模型,在频域中设计互补滤波器,并设计了PI自适应补偿系数,对传感器数据进行融合、补偿和修正,有效地避免了系统模型误差对姿态估计的影响.修正后的角速度通过一阶龙格-库塔法、四元数算法完成飞行器的姿态解算.传统互补滤波器在噪声大时滤波效果不理想,故加入PI控制,形成一种效果更好的自适应滤波算法,根据仿真结果,该算法滤波后的信号比传统互补滤波的结果更加平滑,更接近理想波形.     

基于互补滤波器的四旋翼飞行器姿态解算

针对小型四旋翼飞行器姿态解算这一基本问题,详细分析了姿态解算的过程,提出了其中的难点问题.应用低成本捷联惯性测量单元,设计了一种基于互补滤波器算法的姿态求解器.经过实验验证表明:与目前常用的卡尔曼滤波算法相比,采用互补滤波器算法的求解器能显著降低对处理器速度和精度的要求,有效融合了捷联惯性测量单元的传感器数据,实现了小...     

小型四旋翼飞行器的设计与研究

本文介绍了四旋翼飞行器的机体结构、飞行原理、硬件构成,分析了采用互补滤波算法的姿态解算过程,以及飞行控制算法。     

四旋翼飞行器姿态解算与滤波

四旋翼飞行器的运动控制关键在于对飞行过程中的实时姿态角控制。目前实时姿态角信息还不能直接测量出来。为了能利用已有的传感器数据解算出更准确的姿态角,通过物理实验详细分析了四旋翼飞行器姿态角的解算和滤波算法。首先,通过联立欧拉方向余弦矩阵与四元数矩阵,得到用四元数表达的姿态角表达式。然后,结合加速度计和磁强计实时测量的数据,分别采用互补滤波和卡尔曼滤波两种方法来补偿四元数结果,分别分析如何选取最佳参数,并对比分析了两种滤波方式的优缺点。在一定精度要求范围内,这两种滤波方式都能获得更加准确的姿态角,但是互补滤波相对卡尔曼滤波有一定的解算时延。因此在精度要求一般的系统中,这两种滤波方式都可以用来求解姿态角,卡尔曼滤波方法则更适于对实时性要求更高的系统。     

基于LabVIEW的四旋翼飞行器姿态监测系统设计

姿态监测是四旋翼飞行器实现正常飞行的主要因素之一,飞控手操控飞行但无法精准地获取实时姿态数据,存在一定的误差且准确性较低;针对以上问题,系统设计采用STM32F103RBT6单片机和MPU9250传感器采集四旋翼飞行器飞行过程中的飞行高度、飞行速度、滚转角以及俯仰角,并将数据传输给上位机LabVIEW软件平台;在虚拟软件平台对四旋翼飞行器的姿态信息进行显示、存储、报警及回放等功能;测试结果表明,姿态监测系统可以实现数据可视化,采集数据的绝对偏差值小于0.5%,提高了四旋翼飞行器姿态监测的准确性,满足了控制小型四旋翼无人机的实际需要。     

双闭环四旋翼飞行器姿态稳定算法研究

小型四旋翼飞行器系统属于欠驱动、强耦合度的控制系统,在复杂外部空间飞行环境中,需要建立飞行姿态动力学模型,对多变量系统受到自然环境、气流、陀螺效应等的影响进行控制.虽然近年来新型材料、磁惯导技术和控制技术得到快速发展,但仍旧要针对四旋翼飞行器垂直起降、平行飞行等环节,选取模糊自整定PID控制、反演滑模控制、动态逆控制、...     

基于STM32的四旋翼飞行器的姿态最优估计研究

为了解决传感器自身累计误差和周围环境随机误差对姿态最优估计影响的问题,提出了一种基于STM32的姿态解算系统设计方案。该系统由低成本的航姿参考系统(AHRS)和STM32F405微处理器组成。采用四元数坐标换算,将陀螺仪、加速度计和磁罗盘三者数据进行融合,姿态偏差采用双环PI控制器进行修正,并采用互补滤波算法解算出飞行器姿态信息。搭建了四旋翼飞行器半实物仿真平台,模拟飞行器空中悬停时姿态。实验结果表明,该系统较好地解决了噪声干扰与姿态最优估计问题,实现了长时间稳定地输出准确可靠的姿态数据的要求。     

基于四元数与卡尔曼滤波的四旋翼飞行器姿态估计

设计了一款基于嵌入式处理器STM32的四旋翼飞行器,利用低成本传感器测量加速度和机体的角速率,提出一种结合算法,从而实现飞行器姿态的精确测量。采用四元数法描述飞行器的姿态,在测量过程中结合互补滤波算法进行测量数据的矫正;同时针对出现的随机噪声干扰,采用卡尔曼滤波算法,实现姿态的准确测量,最终在实际的飞行器平台上得到了验证。     

基于多传感器融合的四旋翼飞行器姿态监控

设计了一种基于多传感器融合的四旋翼飞行器姿态监控系统.在有限的单片机计算资源下,通过卡尔曼滤波,对陀螺仪、加速度计和磁强计的测量数据进行数据融合,解算出姿态信息.减小了因电机引起的振动、低成本微机电系统(MEMS)传感器误差较大等因素对姿态信息解算时造成的干扰.通过无线将姿态信息传输至上位机,以民航客机中的主飞行显示器(PFD)形式,对飞行参数进行直观的图形化显示,实现了对四旋翼飞行器的姿态进行监控.     

EKF与互补融合滤波在姿态解算中的研究

传统的信号滤波方法不能有效的融合多传感器测量数据,或者融合中失去过去信号状态信息.针对这一问题,提出了扩展卡尔曼滤波(Extended kalman filtering,EKF)与互补滤波融合的信号处理策略.借助STM32微处理器采集MPU9250惯性测量传感器的原始数据,运用多传感器信息融合的处理算法,比较了互补滤波姿态解算结果和对互补滤波过程中所得的四元数运用EKF矫正后进行姿态解算的结果,以及互补滤波解算的欧拉角运用EKF矫正后的姿态数据.通过实验中3种解算结果与理论值的对比,得出结论:采用互补滤波会存在一定超调量,且结果波动较大,存在较大的噪声,对互补滤波过程中的四元数进行EKF滤波虽能降低解算结果的噪声,但仍存在超调量.而应用EKF矫正互补滤波解算出的欧拉角能同时解决超调量和降低噪声误差,抑制了随机波动,起到了更好的解算效果.     

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.     

姿态融合滤波的无人机抗干扰控制算法

提出一种基于姿态融合滤波的无人机(UAV)抗干扰控制算法.分析无人机飞行的运动模型,构建无人机在飞行的姿态参量约束下的运动方程,设计扩展卡尔曼滤波器进行干扰滤波,实现飞行姿态参量信息融合,以捷联惯导传输到执行器的姿态融合误差为控制目标进行控制算法优化.仿真实验结果表明:采用该方法进行无人机的姿态信息融合和控制,输出的姿态信息参量具有较高的精度,误差收敛到最小,控制性能较好,抗干扰能力较强,保障了无人机的稳定飞行.     

基于智能粒子滤波的多传感器信息融合算法

针对粒子滤波中存在粒子质量低和粒子贫化的问题,提出了一种基于智能粒子滤波的多传感器信息融合算法。该算法分为两个模块,首先,将多传感器数据发送给相应的粒子滤波计算模块,以优化粒子分布为目的更新建议分布密度;然后,在智能粒子滤波模块中对多传感器数据构造完整的似然函数,引入设计的遗传因子将小权重粒子修正为大权重粒子,近似于真实的后验分布,重采样过程中保留了权值较大的粒子,又避免了粒子耗尽问题,进一步保持粒子的多样性,提高了滤波精度,最终得到最优的估计值。根据实船实验的数据进行了验证,将所提算法应用于GPS/SINS/LOG组合导航系统进行仿真计算验证了其有效性。实例仿真结果表明,所提算法能够得到精确的位置、速度和航向信息,而且也能有效改善滤波性能,提高了组合导航系统的解算精度,能够满足船舶高精度导航定位的要求。     

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。     

基于EKF的四旋翼姿态解算仿真与设计

随着电子技术的发展,四旋翼上的控制芯片处理速度越来越快,使得运行较复杂的姿态处理算法成为可能。扩展卡尔曼滤波(EKF)在无人机姿态解算领域也得到了应用。推导了四旋翼的传感器和EKF的数学模型,并对其进行了MATLAB仿真。仿真结果表明,扩展卡尔曼滤波器能解算出比较好的姿态数据。最后在实际无人机上进行了验证。     

捷联惯导互补滤波姿态融合算法设计

为了满足低成本、高性能的载体测姿需求,针对MEMS器件漂移导致载体姿态无法准确测量的问题,提出了一种基于方向余弦矩阵（DCM）更新的多轴显式互补滤波载体姿态估计算法。利用陀螺仪和辅助传感器的噪声所处频段互补的特点,运用互补滤波进行信息融合,发挥各个传感器的优点,提升系统的姿态测量精度。分别以三轴转台与实验车辆为验证平台,设计了静态与动态实验。实验结果表明,该姿态融合算法能够稳定输出高精度的姿态信息,抑制陀螺漂移导致的姿态发散,有效提高载体姿态的测量精度,满足捷联惯导系统的测姿需求。     

一种新型非线性滤波的多特征融合跟踪算法

为有效解决非线性系统的状态估计问题,提出一种新型非线性滤波算法。该算法通过在积分卡尔曼滤波中引入修正因子,对积分点进行优化重组,并采用修正后的积分卡尔曼滤波产生优选建议分布函数,较好地克服了粒子退化现象。在新算法的框架内,利用颜色和运动边缘特征作为观测模型进行视频目标跟踪,并通过D-S证据理论的方法进行权值融合,较好地克服了单一颜色特征在姿态改变、相似背景遮挡等情况下跟踪稳定性较差的问题。实验表明本方法对复杂条件下的目标跟踪问题在保持较强鲁棒性的同时,跟踪精度提升了近32%。     

基于梯度下降的自适应姿态融合算法

针对第一代帆船姿态测量系统中采用的自适应卡尔曼滤波算法作用范围有限、动态性能较差等缺陷,基于微机电系统(MEMS)惯性传感器与梯度下降姿态融合算法提出了两种自适应方法,分别根据当前时刻之前N个采样点的平均运动加速度与加速度的变化量设计自适应控制因子,得到稳定的动态梯度下降步长。实验结果表明:两种算法性能均优于自适应卡尔曼滤波与单点加速度抑制法,其中,基于加速度增量的控制算法更加符合高速运动状态下加速度剧烈变化的实际规律,测量性能达到最优,符合海面帆船运动船体姿态测量的实际需求。     

双因子自适应滤波算法在四旋翼上的应用

针对动力学模型的不精准和观测存在误差问题,建立四旋翼的动力学模型和双因子自适应滤波模型,采用两个因子分别调节动力学模型和观测模型对滤波的影响,通过仿真,对比卡尔曼、扩展卡尔曼滤波算法。结果表明：双因子自适应滤波算法在误差与稳定性方面均有所提高。