Kalman滤波算法在自平衡机器人中的应用

针对两轮自平衡机器人系统的单一惯性传感器采集数据不够准确,且极易受到外界噪声信号的干扰的问题,提出了基于片上可编程系统的卡尔曼滤波算法来实现多惯性传感器的数据融合系统.介绍了卡尔曼滤波器的基本原理、特点和应用环境.利用FPGA控制器的硬件可重构特性,搭建了Nios软核处理器的SOPC系统硬件平台,在硬件平台上采用C语言实现多姿态传感器的卡尔曼滤波算法,为两轮自平衡机器人的多传感器姿态数据融合提供了有效工具,获得了自平衡机器人姿态数据的最优估计,解决了陀螺仪和加速度计惯性传感器的数据补偿问题.测试结果表明,采用FPGA硬件平台实现卡尔曼滤波算法效率高,姿态数据融合准确、可靠,能够满足自平衡机器人控制系统的姿态最优估计和倾角数据实时反馈要求,系统工作稳定.     

两轮自平衡机器人运动控制研究

轮式移动机器人是典型的不完整控制系统,其自身的不确定性影响控制的性能.以两轮自平衡机器人为研究对象,建立了机器人的运动学与动力学模型.利用多惯性传感器信息融合建立的基于T-S模糊模型的模糊控制器有效地解决了两轮自平衡机器人平衡控制的问题,并同时对轨迹跟踪的问题进行了探讨.仿真结果表明,通过多惯性传感器的信息融合建立的控制器对于机器人的平衡和跟踪问题是有效的,并在实际的实验中得到了验证.     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

用卡尔曼滤波方法实现运动平台多传感器配准

目的针对运动平台的多传感器系统,研究一种能有效地估计配准误差并消除其影响的算法．方法提出用卡尔曼滤波方法估计失调误差和姿态误差,该方法首先估计失调误差,然后利用不含失调误差的模型,估计并消除姿态误差．结果该算法能有效地估计多传感器系统的配准误差,使融合数据确定性明显增强．结论将卡尔曼滤波算法应用于运动平台的多传感器数据配准,它能有效估计配准误差,对于传感器的数据融合有重要的意义．     

一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。     

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。     

基于多传感器数据融合的合成孔径声纳运动补偿算法

利用集中卡尔曼滤波技术对多传感器数据进行融合得到运动误差最优估计值,实现比单一设备更高的量测精度.实验结果表明,经过数据融合后的运动补偿图像辐射性能得到提高,目标能量集中,聚焦良好.     

捷联惯导误差分析与误差补偿

通过误差分析,讨论了各种误差源对捷联惯导系统的影响.根据惯导系统精度要求,确定了惯性测量元件最大允许误差,从而为选择合理的传感器确定了理论依据.这些传感器组成的惯性测量元件需要经过标定实验来确定系统误差补偿模型中的系数.误差补偿后,通过均匀设计法得到系统精度,满足了精度要求.     

基于地磁场矢量误差反馈的姿态补偿算法

针对小型空中机器人在全球定位系统（GPS）失锁情况下的姿态估计问题,提出一种新的闭环姿态补偿算法.有GPS辅助的情况下,采用组合导航算法对姿态角和地磁场矢量做出估计;当组合系统无法有效工作时,将反馈控制的思想引入姿态估计过程,充分利用地磁场测量值与估计值之间隐含的姿态信息,通过地磁场矢量误差反馈对姿态角速率测量值进行修正,进而抑制惯性导航系统误差的发散.在小型空中机器人上对算法进行实物验证,并与参考系统对比.结果显示:在GPS失锁的情况下,与开环工作模式下的INS/GPS组合导航系统相比,新的闭环姿态补偿算法的姿态估计误差更小,使惯性导航系统的姿态误差积累得到了有效的抑制．     

基于点球约束的七自由度机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求,由于各种误差因素的影响,机器人理论位姿和实际位姿总是存在着一定的误差,若绝对定位精度过低,容易导致装配过程中零部件之间发生碰撞,严重影响着装配机器人的应用与推广。标定技术是提高定位精度的主要手段,误差建模、数据测量、参数辨识是标定与误差补偿过程中的重要环节。为此,提出了一种基于点球约束的机器人误差建模与参数识别方法：1)通过在机器人末端安装的六维力传感器反馈末端受力情况控制机器人以多种姿态使标定锥与靶标球球面重合,记录接触时各关节的位置数据;2)以靶标球球体半径为适应度函数,利用遗传算法辨识误差参数,从而建立完整的误差补偿模型。以自主研制的七自由度装配机器人为研究对象,针对装配机器人的结构特点,由正向递推建立机器人的正运动学方程,应用固定关节法与反变换法获得机器人逆运动学方程;基于D-H模型,建立机器人的运动学误差模型,在理论研究中,预设定误差参数与位姿变换矩阵,通过牛顿迭代法获取了关节变量值,将关节变量值代入正运动学方程进行验证,利用遗传算法进辨识误差参数,将辨识结果代入运动学模型中进行验证,机器人定位精度得到明显提高。通过实验,采用点球式标定方法采集机器人关节数据,应用遗传算法辨识误差参数,将所求得的误差参数代入误差模型中进行实验,绝对定位精度提升了76.74%,验证了基于点球约束的机器人误差建模与参数识别方法的有效性,为多自由度机器人标定研究提供有益参考。     

视觉和IMU融合的移动机器人运动解耦估计

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差,提出实时扩展卡尔曼滤波器姿态估计模型,利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考,对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦,修正姿态估计的累积误差;根据运动状态采用模糊逻辑调整滤波器参数,实现自适应的滤波估计,降低加速度噪声的影响.实验采用高精度的全站仪作为真值,并结合多种地形环境,实验结果表明：50 m内跟踪的累积误差低于0.3 m,有效地提高了视觉里程计的定位精度和鲁棒性.     

Identification of coefficients in platform drift error model

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｉｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎｐｌａｔｆｏｒｍｉｓａｎｉｍｐｏｒｔａｎｔｃｏｍ ｐｏｎｅｎｔｏｆＩＮＳ ,ｗｈｉｃｈｐｒｏｖｉｄｅｓａｎｉｎｅｒｔｉａｌｍｅａｓｕｒｉｎｇｂａ ｓｉｓ .Ｇｙｒｏｄｒｉｆｔｅｒｒｏｒ ,ａｃｃｅｌｅｒｏｍｅｔｅｒｏｕｔｐｕｔｅｒｒｏｒａｎｄｓｏｏｎｃａｕｓｅｔｈｅｐｌａｔｆｏｒｍｄｒｉｆｔ .Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｓｙｓｔｅｍａｃｃｕｒａｃｙ ,ｗｅｃａｎｕｓｅｔｈｅｇｙｒｏｓａｎｄａｃｃｅｌｅｒｏｍｅｔｅｒｓｏｆｈｉｇ…     

考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

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.     

一种用于反辐射导弹的惯导轴指向误差的修正方法

在考虑被动雷达导引头测角的系统误差和随机误差的条件下，给出了一种用于修正反辐射导弹惯导轴指向误差的方法，其思想是基于广义卡尔漫滤波，仿真结果证明了方法的有效性。     

惯性元件的失准角分离技术研究

针对陀螺仪和加速度计存在失准角的问题,采取误差分离技术,设计了简单、高精度测试失准角的方法.对失准角进行了定义,利用方向余弦阵的基本性质,从小角度的原理推导了惯性元件失准角的二维分解表达式,在测量陀螺仪的失准角时,对安装误差、夹具误差和失准角误差进行了误差分离.针对加速度计失准角的测试,设计了简易的测试方法,有效分离了加速度计的失准角以及夹具体的安装误差.对一个半球谐振陀螺仪和一个石英加速度计的失准角进行了实测,标定精度达到角秒级,验证了采用误差分离技术的测试方案的正确性,提高了失准角测试精度.     

一种新的基于粒子滤波的全盲接收机设计算法

提出一种新的基于粒子滤波的适用于时变衰落信道的全盲接收机设计算法。该算法根据粒子滤波理论估计后验概率分布,并采用贝叶斯滤波进行同步参数估计与符号判决。与卡尔曼滤波相比,该算法能有效应用于定时误差以及相差等非线性模型中的参数估计;同时较前馈式参数估计算法,能实现对时变定时误差、时变相差的实时跟踪与矫正,算法具有收敛速度快,所需数据量少等优点。文章最后通过计算机仿真对该算法性能进行分析比较。     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器,里程计和惯性导航系统作为内部传感器,对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型,考虑到系统的不确定性,提出了一种基于混合模型的系统误差描述方法,同时采用扩展卡尔曼滤波对多传感器信息进行了融合,仿真试验的结果表明该定位系统具有较高的定位精度。