改进的基于三正交磁传感器的旋转弹体定姿方法

针对基于三正交磁传感器在解算旋转弹体姿态过程中使用的极值比值法需要查表,且解算精度受所取极值点精度影响较大的问题,对极值比值法进行了改进,提出将积分比值法应用于三正交磁传感器的定姿.推导了旋转弹体的俯仰角表达式,使得在利用极值比值法进行实时姿态解算时无需任何预先辅助的存储数据,利用数值计算可直接得到俯仰角.然后使用磁传感器三轴数据进行积分比值解算弹体的姿态角.最后使用数值仿真对两种定姿方法的精度进行仿真验证.仿真结果表明,相较于极值比值法,积分比值法在旋转弹体的姿态解算中具有更高的精度和更好的抗干扰能力.     

基于四元数互补滤波算法的车载MIMU

针对MEMS惯性器件由于测量精度低、数据易漂移而导致车载惯性导航系统姿态解算数据不稳定和精度不高的问题,设计一种基于四元数互补滤波算法的高精度车载MEMS惯性测量单元(MIMU)。通过四元数算法降低MIMU在运行过程中的计算难度,解决姿态解算中的奇点问题。利用互补滤波算法对惯性传感器运行过程中的高低频误差进行动态补偿、数据融合,减小陀螺仪积分漂移累加,抑制加速度计振动误差,实现多传感器数据融合的MIMU姿态解算。将MIMU放置于高精度无磁转台上进行动态测试,通过设置转台运行动作模拟车载环境,采集并分析MIMU在动态环境中的各个轴向角实时数据与误差数据。试验结果表明,MIMU横滚角精度为0.26°,俯仰角精度为0.23°,航向角精度为0.51°。     

基于磁强计和陀螺的姿态测量方法

提出了一种采用磁强计和单轴微机械陀螺的低成本磁-惯性姿态测量方法.介绍了系统的基本组成及其工作原理.三分量磁强计固连在弹体上,三轴与弹体坐标系重合,单轴微机械陀螺安装在弹体轴线上;对陀螺测量的滚转角速率实时积分得到弹体滚转角,结合三轴磁强计输出的地磁分量测量值,通过求解姿态解算方程获得姿态信息.建立了弹体姿态解算数学模型,以某火箭弹为例,对该模型进行了仿真.误差分析表明:姿态角解算结果具有较小的误差,且误差不随时间积累.     

无人机磁罗盘校准与航向解算实验系统设计与实现

针对无人机磁罗盘校准和航向解算缺乏专用实验系统问题,依据磁罗盘校准与航向解算相关理论,设计了以单片机为核心的实验系统.该实验系统使用永磁体模拟磁干扰,实现了磁场的采集、存储和显示;采用最小二乘法处理磁场数据,解算出硬磁干扰系数;利用姿态传感器,获取俯仰角、滚转角,以辅助无人机空中任意姿态飞行时航向的解算.经测试,该实验系统符合精度要求且易于使用.     

基于扩展卡尔曼滤波的无人机航姿算法

针对小型无人机在大机动或连续飞行时姿态解算精度低的问题,提出了一种基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的航姿算法。该算法以机体系加速度分量与陀螺漂移作为待估状态量,建立了非线性滤波模型,在对传感器量测值预处理的基础上完成数据融合,获得了姿态角数据的准确输出,同时,根据外部运动加速度的大小不断调整噪声协方差以达到对EKF的自适应修正,从而抑制无人机航姿解算中磁干扰的影响。经三轴转台实验测试,姿态角的静态误差不超过0.5°,动态误差不超过2°,瞬变磁干扰误差不超过5°,该结果表明该算法能有效提高小型无人机的航姿解算精度。     

一种高动态环境巡飞器姿态快速解算算法研究

针对高动态环境下现有姿态更新方法存在圆锥误差,姿态更新频率较低的问题,提出了一种基于滑动三周期旋转矢量姿态解算算法.该算法以角速率输入的等效旋转矢量算法为基础,以连续两个单周期算法作为启动项,在第3个采样周期后采用三周期算法解算姿态角,从而实现姿态的快速更新.试验结果表明:该算法解算航向姿态角误差为龙格库塔法解算航向姿态角误差的1/2,且仅为单周期旋转矢量算法解算航向姿态角误差的1/7.该算法的姿态更新周期为普通三周期旋转矢量法的1/3.     

可分离式立体侦察机器人运动建模与仿真

针对陆空两栖侦察机器人侦察灵活性与姿态角估计准确性不足的问题,设计一种改进的可分离式立体侦察机器人。通过牛顿-欧拉法建立机器人姿态角解算模型,描述其横滚角、俯仰角和偏航角3种飞行姿态角。根据模型建立系统状态方程和观测方程,采用不敏卡尔曼滤波算法,进行姿态角解算,得到飞行姿态角最优估计值。对比仿真结果表明,不敏卡尔曼滤波算法比扩展卡尔曼滤波算法姿态角估计精度更高、实时性更强。实物性能测试结果表明,改进的机器人在空中飞行和地面运动性能表现良好,灵活性高。     

MEMS陀螺随机误差补偿在提高姿态参照系统精度中的应用

为提高航姿系统姿态角测量精度,论文对MEMS陀螺随机误差的测试和补偿进行了研究。运用Allan方差方法分析了MEMS陀螺各项随机误差的特性,建立了针对MEMS陀螺的随机误差补偿模型。采用Allan方差辨识算法完成对各项随机误差的分离,获取速率随机游走(RRW)和角度随机游走(ARW)噪声方差值。通过设计的卡尔曼滤波器对MEMS陀螺随机误差进行实时估计补偿,利用姿态解算算法得到随机误差补偿前和补偿后各3个方向的姿态角。实验结果表明经误差补偿后系统的静态偏航角测量精度提高了3倍、横滚角提高了4倍、俯仰角提高了12倍。     

捷联姿态算法非互易误差的分析与修正

在捷联惯性导性导航系统中,陀螺仪的输出是迭代时间内载体的角增量的量化值;由其解算出的载体姿态存不可交换性误差,该误差的大小与捷联姿态算法密切相关,研究的目的在于选择适当的捷联算汉,减小姿态算法中的不可交换误差,提高捷联算法的精度,以鱼雷捷联惯性姿态基准为例,对四元数法的捷联姿态算法误差和基于等效旋转矢量的优化的三子样捷联姿态算法误差进行了分析比较,数字仿真结果表明,三子样法比四元数法的捷联姿态算精度高7至8个数量级,而前者的采样周期却低一个数量级,显著地提高了捷联姿态算法的制度。     

基于重力场与地磁场序贯修正的姿态解算研究

针对无人系统姿态解算中存在陀螺仪误差发散快、磁力计易受软磁环境干扰等问题,提出了一种基于重力场与地磁场序贯修正的姿态解算方法。该方法采用陀螺仪输出构建姿态四元数的状态方程,然后依次利用加速度计与磁力计数据对四元数进行2次序贯修正,以获得姿态的准确输出。实验结果表明,相比传统的2种姿态解算算法,新算法能有效抑制陀螺仪的漂移误差,提高磁干扰环境下的姿态输出精度,其姿态角的静态精度不大于0.5°,动态精度优于2°。     

MEMS惯性传感器融合的水平姿态解算方法

为获取惯性导航系统的姿态信息,针对MEMS惯性测量单元,设计了基于多传感器信息融合的水平姿态解算方案.在此基础上,提出了一种基于卡尔曼滤波的解决方案:利用陀螺仪测得的角速度更新前一步的姿态角,利用加速度计对重力矢量的观测修正陀螺仪给出的姿态角信息.设计了水平姿态解算试验平台以验证该算法,采用姿态航向参考系统AHRS500GA提供精确姿态角对解算结果进行对照,试验结果表明:在静态、动态条件下该算法均能准确地得到实时水平姿态角,其误差一般小于1°.     

引入倾斜等效观测值的盾构姿态解算方法

提出了一种新的盾构姿态解算方法,该方法能够对盾构姿态测量中全站仪获取的控制点三维坐标,以及倾斜传感器获取的水平倾角数据进行联合解算.采用适用于大角度空间坐标转换的十三参数模型,在原有坐标观测值误差方程基础上,引入水平倾角对应的等效观测值,建立联合误差方程,在合理定权的基础上建立平差模型,该方法适用于棱镜-倾斜仪联合盾构自动导向系统.在宁波地铁2号线工程中,由Trimble5600全站仪在始发井对盾构机上焊接的3个棱镜进行标定测量,获取一组标定坐标.在盾构掘进过程中进行自动化跟踪观测,获取至少2个棱镜点实测坐标,结合双轴电子倾斜仪实时返回的角度数据解算包含滚动角、俯仰角、偏转角在内的坐标转换参数,在此基础上计算盾构首尾中心点坐标.以上实例验证了该方法的可靠性和实用性.     

望远镜主镜位置解算算法研究

利用位移传感器测量望远镜主镜相对镜室的相对位置时,需要设计算法将传感器测得值解算为主镜的姿态和位置信息。本文对已有的算法进行了改进,从空间解析几何角度出发研究了主镜位置解算算法,并分析了传感器安装位置偏差对解算精度的影响,发现传感器安装径向尺寸误差对解算精度影响较小,而安装角度误差影响较大,并得到最佳的传感器安装角度为30°,从而得到最佳的传感器布局和解算方法。     

全导式多弹头分导子系统初始对准算法研究

提出了一种适用于全导式多弹头分导系统的初始对准算法。以MEMS IMU/GPS组合作为子弹头制导系统,对准算法分3部分,由陀螺仪积分描述弹体系在惯性空间姿态变化;由GPS位置信息描述导航系在惯性空间姿态变化;采用2级减速方案及Quest算法确定载体系及导航系在对准开始时刻的相对姿态。分析了器件误差、弹体俯仰角初值、弹体机动方式及强度对对准结果的影响。Monte Carlo仿真表明,采用10°/h陀螺和0.1 m/s GPS组合时,在弹头2级减速机动下,20 s内水平误差小于0.12°(1σ),方位误差小于0.4°(1σ),完全满足分导系统初始对准精度要求,为工程应用提供了有益参考。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

组合导航系统中一种基于IMM-Kalman的数据融合方法

针对INS/GNSS组合导航系统中对传感器随机零偏动态估计的需求,本文提出了一种基于IMM-Kalman的数据融合方法。该算法基于IMM框架,通过模型概率更新,进行自适应系统模型选择,实现对传感器零偏的动态最优估计,提高组合导航系统数据融合精度。仿真验证表明：与常规算法相比,改进算法可以实现对传感器随机零偏的动态估计,提高姿态解算精度,将俯仰角和滚转角误差由0.26°和0.23°分别降至0.11°和0.04°;同时仿真了卫星失锁的情况,改进算法的应用,使INS独立导航时位置累积误差仅为21.8 m,较常规方法的42.2 m减少了近50%,进一步证明了算法的有效性。     

陆地自主车姿态角误差分析

建立了姿态角误差分布的正态概率模型,深入研究了姿态角误差在陆地自主车三维视觉处理中的传播特性。结果表明,当陆地自主车俯仰角或侧滚角不为零时,姿态角误差对三维世界直角坐标影响较大。     

基于扩展卡尔曼滤波的多旋翼飞行器融合姿态解算算法

针对多旋翼飞行器飞行时机身振动对加速度计产生的噪声干扰,建立径向基(RBF)神经网络结构模型,提出扩展卡尔曼滤波融合姿态解算算法。采用加速度计解算的姿态角作为输入向量,四元数互补滤波解算的姿态角作为参考向量,通过学习不断调整网络最优权值,得到滤波后的由加速度计解算的姿态角,并将四元数互补滤波算法解算出的姿态角与经RBF神经网络非线性滤波得到的加速度计解算的姿态角进行扩展卡尔曼滤波融合姿态解算,以提高飞行器姿态角的解算精度。实验结果表明:基于RBF神经网络的非线性滤波算法可对加速度计解算的姿态角进行有效滤波,提高飞行器姿态角的解算精度;采用的扩展卡尔曼滤波融合姿态解算算法收敛速度快、稳定性强,能够更准确地实时解算飞行器的当前姿态,验证了该算法的可行性。     

基于卡尔曼滤波和互补滤波的改进型姿态解算方法

四元数融合互补滤波通常采用三轴陀螺仪的角速度积分来获取角度,进而利用角度求得四元数,再由四元数解算出姿态角。但三轴陀螺仪由角速度积分得到的角度由于温漂、单次迭代等原因,往往偏差较大,难以消除,这就导致求得的四元数精度不够,最终影响互补滤波解算出的姿态角的精度。针对这个问题,提出采用卡尔曼滤波融合陀螺仪、加速度计的数据进行基于误差协方差最小的迭代估计,并通过对过程噪声和观测噪声的滤波,最终得到姿态角的最优估计,再将这个估计值代入互补滤波中求得四元数,利用该四元数进行误差负增益调节。本工作基于STM32F4搭建实验平台进行验证,结果表明:该改进型姿态解算方法明显地提高了姿态角的精度,具有良好的动态和静态特性。     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。