基于不变扩展卡尔曼滤波的无人机姿态估计

为解决四旋翼无人机姿态估计问题,提出了一种不变扩展卡尔曼滤波(Invariant Extended Kalman Filter, InEKF)算法,用于同时估计四旋翼的姿态和惯性测量单元(Inertial Measurement Unit, IMU)的陀螺仪偏差。利用李群理论和不变观测器设计方法,将算法表述为一个连续时间随机非线性滤波器,其状态空间由直积矩阵李群SO(3)×R³给出,SO(3)中的估计值由IMU对重力矢量和地球磁场向量测量值加以修正。为在无人机上实现该算法,将状态和协方差传播方程离散化。最后,所提滤波算法相对于现有算法的性能优势通过仿真实验得到了验证。     

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.     

基于IEKF的四旋翼无人机姿态测量方法研究

研究四旋翼无人机在实时飞行时姿态测量的问题.由于四旋翼无人机多采用陀螺仪、加速度计、地磁计(MEMS)传感器测量各姿态,测量值存在偏差,无法直接使用.为解决利用不准确的传感器测量信息获得精确姿态角度的难点,并为了克服常规的扩展卡尔曼算法(EKF)带来的较大滤波偏差,以及四元素法表述复杂等困难,采用了一种改进的迭代EKF(IEKF)算法,利用欧拉角的描述方法,融合MEMS的信息对四旋翼无人机的姿态角度进行测量.实验结果表明,改进方法能准确测量出姿态角,且通过与常规EKF测量效果的比对可以看出,IEKF在测量精度上确有较明显的改善,表明改进方法是有效的,为四旋翼无人机实时调整姿态提供了一种科学手段.     

基于卡尔曼滤波的四旋翼飞行器姿态估计和控制算法研究

四旋翼飞行器作为无人机的一种,由于其简单气动布局和复杂的动力学模型,在控制领域获得了越来越多的学术关注;本文首先分析了微机电系统惯性测量单元(MEMS IMU)传感器的误差,给出了基于自回归(autoregressive,AR)噪声模型的卡尔曼滤波算法设计;然后根据加速度计和陀螺仪长短周期测量的不同特性,进一步对姿态数据做互补融合,实验表明此算法可以实现良好的滤波效果;基于上面的姿态估计,本文又提出了一种双增益的PD控制算法对飞行器进行姿态控制;最后将姿态估计算法和控制算法应用到实验平台中,可以实现四旋翼在支架上的自主悬停等功能.     

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。     

小型四旋翼无人机姿态测量仿真研究

研究无人机姿态流通量优化问题,由于低成本小型四旋翼无人机中所使用的姿态测量传感器存在精度低、噪声大的缺点,并且易受温度等环境的影响,不能准确的测量出无人机的姿态,特别是在无人机加速飞行过程中,姿态误差会很快累积扩大,不能长时间加速飞行。为提高无人机姿态测量精度,提出设计由陀螺仪、加速度计和磁强计组成的姿态测量系统,通过计算加速度计信任度,并利用卡尔曼滤波的方法实现对误差四元数的估计,从而得到无人机的姿态角度。实验结果表明,该卡尔曼滤波能够在低动态的飞行环境中准确测量出无人机姿态角度,并能克服以往无人机不能长时间加速飞行的缺点,证明卡尔曼滤波被成功应用于四旋翼无人机姿态测量优化提供了科学依据。     

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。     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

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。     

基于补偿卡尔曼滤波的姿态估计算法实现

九轴的姿态测量单元包括加速度计、磁力计和陀螺仪,它采用微机电加工工艺,价格低廉但精度较差.为了获得更好的滤波稳定性和估计精度,基于补偿卡尔曼滤波原理,讨论了姿态估计算法的实现.具体过程如下:基于补偿卡尔曼滤波原理,讨论九轴测量信息的融合方法;利用加速度计和磁力计估算姿态初始值;使用手动转台实现静态标定,纠正零偏;使用高精度陀螺仪STIM210实现动态标定,设置滤波系数.结果表明,估计算法具有良好性能.     

基于激光测距传感器校正四旋翼飞行器姿态的室内组合导航

摘 要：为了提高室内环境下四旋翼飞行器的姿态解算精度,提出一种基于激光测距传感器校正四旋翼飞行器姿态的室内组合导航。首先从搭载激光测距传感器的四旋翼飞行器的运动模型出发,采用三角函数方法求解飞行器的姿态角参数,通过对其微分获得角速度数据。其次,将惯性系统中经过互补滤波融合后的陀螺仪、加速度计及磁力计的角速度作为观测量,再应用扩展卡尔曼滤波将惯性系统数据与激光测距传感器获得的角速度数据融合,对旋转矩阵中的误差进行修正。最后验证组合导航的有效性,用带有激光测距传感器及惯性系统的开发板依次进行静态、水平滑动和动态测试,实验测试表明：这种组合导航融合策略使姿态检测系统静态特性和水平滑动特性均有所提高,5s内,静态误差控制在0.05度以内,水平滑动误差控制在7度;在静态时能够抑制姿态角漂移和滤除噪声,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。     

基于反幂法和扩展卡尔曼滤波的姿态估计算法

针对基于Davenport的四元数法和扩展卡尔曼(extended Kalman filtering,EKF)的姿态估计算法的精度受特征值精度影响的问题,设计一种基于反幂法与EKF算法的姿态估计算法。根据Davenport矩阵K的近似特征值,利用反幂法迭代计算出Davenport矩阵K的特征向量,将其作为EKF的测量值,降低EKF测量值对特征值的敏感度。为验证算法有效性,搭建四旋翼无人机实验平台,实测实验结果表明,该算法能为无人机提供高精度、实时的姿态信息,实现了无人机的稳定飞行。     

基于四元数和卡尔曼滤波的两轮车姿态稳定方法

针对自平衡两轮车姿态角的在线估计问题,采用四元数的姿态解算算法,利用Levenberg-Marquardt非线性最小二乘法对自平衡两轮车陀螺仪信号拟合,建立了随机漂移误差数学模型,应用卡尔曼滤波融合陀螺仪和加速度计输出的信号,补偿了陀螺仪输出角速度的随机漂移误差,得到了自平衡两轮车姿态的最优估计。实验结果表明,这种姿态估计算法是有效的,有利于车体的自平衡控制。     

单球无味卡尔曼滤波在飞船姿态估计中的应用

提出了一种用矢量观测来估计飞船姿态的单球无味卡尔曼滤波算法.该算法将单球无味变换与无味卡尔曼滤波结合起来,与采用尺度无味变换的无味卡尔曼滤波相比,具有更低的计算量.飞船的姿态运动学描述采用了四元数,而用广义罗德里格斯参数来克服卡尔曼滤波过程中的四元数归一化误差.仿真结果表明,该算法比标准扩展卡尔曼滤波具有更低的姿态估计误差及更快的收敛率.与无味卡尔曼滤波相比,较低的计算量及相同的估计精度使该算法更适合在实时姿态估计中应用.     

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。     

两种四旋翼无人机姿态解算算法仿真分析

近年来随着微电子技术和控制技术的发展,四旋翼无人机也得到了快速的发展,为了精确的得到四旋翼无人机的姿态角,从而提高无人机控制系统的控制精度,由传感器测到的信息需要进行解算处理,常用的解算算法有互补滤波算法和卡尔曼滤波算法。本文对两种常用的姿态解算算法原理进行推导并进行了仿真实验,实验结果表明两种解算算法均能优化所测得的信息,互补滤波算法可以有效融合陀螺仪和加速度计的特性从而提高滤波性能,在卡尔曼滤波算法中可以自由配置Q和R的值来调整观测信息和预测信息的权重。     

基于分解四元数的自适应姿态四元数卡尔曼滤波

基于Clifford代数的四元数卡尔曼滤波在融合陀螺/加表/磁强计以估计姿态时,由于四元数各参数与欧拉角不是一一对应关系,无法独立估计各个欧拉角.这样即使重力观测量是可信的,受到干扰的磁场观测量也会影响整个估计结果.为了消除磁场观测量对四元数中横滚角和俯仰角分量的影响,对四元数进行分解,以重新组合重力/磁场观测量.同时,为了减少载体附近磁场和线性加速度干扰对姿态估计的影响,构造了观测噪声自适应算法和观测量自适应干扰补偿.消费级微机电系统(micro-electro-mechanical system,MEMS)传感器的实验结果表明,对比四元数卡尔曼滤波的原型,改进后的抗干扰能力明显提升.但由于自适应过程引入了两个经验参数,这使得其工作范围和抗干扰能力有待考验.     

基于改进型卡尔曼滤波的运动载体姿态估计

针对MEMS陀螺零偏导致运动载体姿态精度下降的问题,本文以MEMS惯性测量器件MPU6050为核心,提出了一种基于改进型卡尔曼滤波的姿态估计算法,采用欧拉角作为姿态解算的基础,通过惯性测量单元(IMU)测量运动载体的姿态数据,采用改进型卡尔曼滤波,对陀螺仪和加速度计数据进行融合,并实时估计陀螺零偏。实验结果表明,本文提出的算法能够获得较高精度的姿态信息,抑制MEMS陀螺零偏引起的姿态发散,可以准确地表示运动载体在静态和动态情况下的方位。     

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。