捷联航姿自主测姿算法研究

研究飞行器姿态稳定性控制优化问题,针对载体作长时间飞行时,由于低精度陀螺、加速度计和磁传感器使航姿系统易受到运动加速度的影响而导致姿态精度较低,甚至发散的问题,为提高稳定性能,提出在采样周期内根据陀螺输出进行姿态更新.在滤波周期内首先利用系统自身信息实时地判断载体所处运动状态,然后根据运动状态选用不同的量测信息进行卡尔曼滤波,修正陀螺漂移造成的姿态角误差.仿真结果表明,算法提高了机动情况下的姿态精度,且在非机动和机动情况下,姿态精度都能满足系统稳定性能的要求.     

基于卡尔曼滤波器的航姿系统测姿算法研究

航姿系统通常没有载体位置信息和速度信息的解算,且陀螺漂移较大,存在着载体持续机动时姿态精度不高,甚至消失的问题,因此通常的导航算法已不再适用.设计了一种基于卡尔曼滤波技术的姿态算法,用重力加速度在机体系的分量gb和陀螺漂移作为待估计的状态量,进行卡尔曼滤波的时间更新过程,利用加速度计的输出在一定条件下作为观测量,进行卡...     

基于UKF的无人机航姿系统算法研究

研究无人机捷联导航姿态精度优化问题,针对微小型无人机做连续大机动飞行时,MEMS器件用于载体航姿测量精度低、易发散的问题,提出了一种基于UKF技术的姿态融合算法.用重力加速度在机体系的分量和陀螺漂移做为待估的状态量,建立了非线性的滤波模型.在系统模型噪声为复杂加性噪声且量测方程为线性方程时,推导出简化UKF算法.为了验证上述算法的有效性,将UKF和EKF算法进行对比,并通过姿态误差均值和均方差对实验结果进行定量分析.仿真结果表明,数据融合判别准则合理可行,改进算法提高了载体机动情况下的姿态精度,达到了预期的要求.     

捷联惯导系统现场标定方法

陀螺漂移会对捷联惯性导航系统的导航定位误差产生直接的影响,所以需要用实验的方法标定出陀螺漂移,并进行补偿;陀螺漂移随时间和环境变化,因此采用实验室标定方法会降低系统的精度;文章提出一种基于卡尔曼滤波技术的现场标定方法,给出了现场标定时系统的状态方程,分别推导了采用速度、速度加姿态为观测信息时的量测方程;利用奇异值可观测度分析方法比较机动状态不同,观测信息不同的五种现场标定方案的陀螺漂移的可观测度,从而确定了两种最优现场标定方案,即在以速度为外部观测量的情况下,使载体处于“S”型机动状态和在载体静止的情况下,速度加姿态为观测信息;通过仿真实验验证了这两种标定方案可以有效提高现场标定的精度。     

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。     

几何扩展卡尔曼滤波算法在卫星姿态确定系统中的应用

卡尔曼滤波因其良好的性能广泛应用于卫星姿态确定中.经典的扩展卡尔曼滤波(EKF)算法在估计姿态坐标系中表示估计误差矢量,由于没有考虑到估计姿态坐标系与真实姿态坐标系之间存在偏差,从而导致姿态估计精度下降.针对这个问题,Andrle M S通过几何变换引入误差一致性表示,在此基础上,提出了几何扩展卡尔曼滤波(GEKF)算法,将姿态误差四元数和陀螺漂移增量通过几何变换进行一致性表示,解决了估计误差矢量表示不一致的问题.本文介绍了误差一致性表示的原理,并将GEKF算法应用于含常值漂移与时间相关漂移的陀螺模型中,仿真实验表明:GEKF算法比MEKF对陀螺漂移的估计更加精确,在滤波精度上取得了明显改善.     

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。     

小型尾坐式飞行器自适应SRUKF姿态算法

针对小型尾坐式飞行器姿态估计问题,设计了由陀螺、加速度计、磁强计组成的姿态测量系统。为了抑制MEMS陀螺漂移导致的姿态误差,以四元数为状态变量,以加速度计和磁强计的输出作为观测变量,建立了滤波模型。采用平方根无迹卡尔曼滤波(SRUKF)对传感器信息进行融合,保证了滤波算法的数值稳定性。由于小型尾坐式飞行器抗干扰能力弱,引入自适应算法,解决了量测信息受到干扰时滤波精度下降的问题,提高了系统的鲁棒性和可靠性。仿真结果表明,存在外界磁场干扰时,姿态误差小于1°。通过实际飞行实验,验证了算法的可行性。     

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。     

小型尾坐式飞行器航姿参考系统

针对小型尾坐式飞行器姿态实时解算问题,研究了低成本的航姿参考系统(AHRS).由于MEMS惯性器件精度较低,设计了混合卡尔曼滤波器,以姿态四元数和陀螺随机漂移为状态变量,抑制了载体长时间飞行时陀螺漂移造成的累积误差.由于加速度计输出值在除重力加速度之外的附加加速度较大时不可信,完善了判断载体运动状态的方法,根据加速度计的实际输出,选择加速度值或者磁场强度作为观测量.实验结果表明,设计的算法在精度和计算效率方面都能满足控制系统的需求,更加适用于对实时性有较高要求的飞行器.     

SINS/CNS组合导航系统陀螺在线标定技术

陀螺仪长时间工作时,由于环境变化等因素,会产生陀螺漂移、标度因数误差和安装轴不正交误差,而且由积分得到的姿态参数信息误差也会相应变大,因此需要对陀螺进行在线标定。借助CNS提供的高精度姿态信息,基于四元数误差建立陀螺在线标定模型,采用卡尔曼滤波器对SINS/CNS组合导航系统陀螺在线标定技术进行仿真研究。仿真结果验证了该算法的有效性,能够估计误差模型中的所有参数,并且满足标定精度要求,具有工程应用价值。     

微固态航姿系统的仿真与设计

本文提出了基于固态传感器的航姿系统设计方案,介绍了基于四元数的航姿求解方法,设计了多传感器融合的卡尔曼滤波器。仿真结果表明,该算法在保证精度的同时能有效地估算出陀螺漂移。以TMS320F28335处理器为核心构建了硬件系统。实验结果表明,该设计能满足航姿系统对精度和速度的要求。     

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MEMS传感器的数字式航姿系统设计

针对传统的模拟平台式航姿系统的不足,设计并实现了基于微惯性传感器和微磁传感器的数字式捷联惯性航姿系统。结合四元数微分方程,利用一种以加速度计和磁航向为观测量的卡尔曼滤波器进行数据融合,实现了对陀螺漂移的修正。PC104作为导航计算机,安装了微软高性能嵌入式操作系统。实物静态和跟踪实验表明:该航姿系统简单可行,能够很好地满足航姿系统精度要求。     

Marginalized particle filter for spacecraft attitude estimation from vector measurements

An algorithm based on the marginalized particle filters (MPF) is given in details in this paper to solve the spacecraft attitude estimation problem: attitude and gyro bias estimation using the biased gyro and vector observations. In this algorithm, by marginalizing out the state appearing linearly in the spacecraft model, the Kalman filter is associated with each particle in order to reduce the size of the state space and computational burden. The distribution of attitude vector is approximated by a set of particles and estimated using particle filter, while the estimation of gyro bias is obtained for each one of the attitude particles by applying the Kalman filter. The efficiency of this modified MPF estimator is verified through numerical simulation of a fully actuated rigid body. For comparison, unscented Kalman filter (UKF) is also used to gauge the performance of MPF. The results presented in this paper clearly demonstrate that the MPF is superior to UKF in coping with the nonlinear model.     

Marginalized particle filter for spacecraft attitude estimation from vector measurements

An algorithm based on the marginalized particle filters （MPF） is given in details in this paper to solve the spacecraft attitude estimation problem： attitude and gyro bias estimation using the biased gyro and vector observations. In this algorithm, by marginalizing out the state appearing linearly in the spacecraft model, the Kalman filter is associated with each particle in order to reduce the size of the state space and computational burden. The distribution of attitude vector is approximated by a set of particles and estimated using particle filter, while the estimation of gyro bias is obtained for each one of the attitude particles by applying the Kalman filter. The efficiency of this modified MPF estimator is verified through numerical simulation of a fully actuated rigid body. For comparison, unscented Kalman filter （UKF） is also used to gauge the performance of MPE The results presented in this paper clearly derfionstrate that the MPF is superior to UKF in coping with the nonlinear model.     

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。     

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。     

基于旋转矩阵KF的低成本MEMS姿态解算

针对低成本MEMS器件组合的姿态检测系统在运动加速度干扰下姿态估计精度较差等问题,提出了一种基于旋转矩阵卡尔曼滤波器(KF)的姿态解算方法.为了克服四元数法观测方程为非线性的缺点,该方法以旋转矩阵部分元素建立状态方程,并对量测加速度采用状态反馈估计的运动加速度进行补偿,减小了外部加速度的干扰,然后通过构造水平观测向量降低了计算复杂度,并给出了量测噪声协方差的推导.最后设计了卡尔曼滤波器对量测信息实现融合.动静态测试表明,该方法消除了累计误差,与无迹卡尔曼滤波(UKF)相比,提高了在运动加速度干扰下的姿态估计精度.