一种基于AIKF的姿态测量算法

惯性测量单元中传感器具有较强的非线性和噪声的不确定性,导致使用常规卡尔曼滤波时误差大,容易出现发散,针对此问题,该文提出了一种改进的自适应增量卡尔曼滤波（AIKF）算法。该算法使用互补滤波将加速度计、磁力计和陀螺仪的数据进行融合,利用滤波后的数据增量作为卡尔曼滤波器的观测量,同时对系统噪声进行自适应在线估计,以获得精准的姿态输出。实验结果表明,该算法能够实现姿态的精准测量,摇摆台试验中俯仰角、横滚角误差小于0.05°,航向角误差小于0.15°,具有较好的噪声抑制能力。     

自适应卡尔曼滤波在磁干扰姿态测量中的应用

针对姿态测量系统陀螺仪漂移、周围局部磁场干扰制约姿态测量精度的问题,提出一种基于四元数的自适应卡尔曼滤波(q-AKF)的方法。该方法利用陀螺输出建立姿态解算误差角的状态方程,以磁强计输出构造自适应测量噪声协方差矩阵。仿真结果表明,相比无损卡尔曼滤波(UKF)算法和扩展卡尔曼滤波(EKF)算法,采用q-AKF算法补偿得到的姿态角误差不大于0.5°。q-AKF算法对磁强计进行补偿,能够有效抑制陀螺的漂移误差,提高磁干扰环境下姿态解算精度,具有较高的工程应用价值。     

航姿系统三轴磁强计动态校正研究

航姿系统中的三轴磁强计通过测量地磁场推算方位角或航向角,三轴磁强计常用校正方法仅对静态误差进行建模和补偿,未考虑磁强计的动态响应特性。然而,磁强计输出的滞后特性将使航向角在动态下出现较大误差,且无法通过常用校正算法进行补偿,针对该问题提出了直接动态校正和间接动态校正两种方法,前者借助外部基准提供磁场真值进行磁强 计动态特性补偿,后者则在双内积法的基础上利用重力矢量辅助进行动态特性补偿。实验表明两种方法均可使航向角动态 均方根误差减小到1.5°以内。     

无人机用MINS/光流组合导航系统

目的：减小因为惯导系统在无人机长航时飞行时的误差。方法：提出了一种用INS/光流/磁强计组合导航方案,基于扩展卡尔曼滤波,将INS与光流数据融合,估计无人机的速度和位置。当无人机静止或匀速运动时,将陀螺仪与加速计、磁强计的数据融合,估计无人机的姿态;当无人机加速或减速时,用陀螺仪估计无人机的姿态。结果：在不使用组合导航时,在大约50米的行驶路程中,就出现了近8米的累积误差,而使用组合算法后,所产生的误差不超过1米。结论：该方案有效的减少导航时的速度、位置和姿态的误差,提高导航精度。     

基于AHRS的改进自适应互补滤波算法研究

针对基于MEMS传感器的航姿参考系统精度不高、数据易漂移导致测量无人载体航姿数据不准确的问题,设计了基于四元数与自适应互补滤波相结合的改进自适应互补滤波算法。通过对MEMS加速度计与磁强计输出数据、MEMS陀螺仪的积分数据进行补偿、数据融合,减小积分漂移。仿真实验数据表明,该改进互补滤波算法可抑制外部噪声对输出数据准确性的影响,提高了姿态角输出数据准确性。     

基于共轭梯度的MARG传感器姿态解算方法

针对基于惯性测量单元(IMU)的姿态解算算法噪声大、精度低且无法准确解算偏航方向上姿态角变化的问题,提出一种基于共轭梯度算法的MARG传感器系统姿态解算方法。使用加速度计和磁强计测量姿态误差,通过共轭梯度算法对陀螺仪姿态四元数进行补偿和修正,对数据加权融合求解得到飞行器姿态四元数。利用三轴转台对算法稳定性和准确性进行验证,结果表明,该算法能够有效抑制测量噪声,提高姿态角解算的精度。     

基于L BFGS的自适应模糊互补滤波

针对惯性测量单元噪声大及常规姿态解算算法精度不高的问题,提出了一种基于拟牛顿法（L-BFGS）的自适应模糊互补滤波（AFCF）算法。该方法利用L-BFGS对加速度计、磁力计进行寻优估计,并通过监测系统的运动等级、加速度计、磁力计的误差,运用模糊逻辑理论调控加权因子及增益权重,动态地调整互补滤波参数,实现姿态误差的动态补偿,优化姿态解算结果。经实验验证,系统静态误差在0.4°内;动态误差在1.3°内,且该系统能减少噪声的干扰及陀螺仪的漂移。     

基于改进小波变换的MEMS陀螺信号去噪算法

为提高MEMS陀螺仪测量精度,抑制测量噪声对其造成的影响,该文分析了某型号MEMS陀螺仪误差特性,提出基于递归最小二乘法(RLS)多重小波分解重构的强追踪自反馈模型,建立新的软阈值函数。由于模型处理后的数据带有部分奇异值,该文提出了一种改进的中值滤波算法。对于陀螺仪零偏噪声问题,提出零偏不稳定性抑制算法,并对该算法模型进行了详细的描述。将某项目研究中列车姿态测量系统的实验数据应用到该算法模型中。测试实验分为静态、动态两组,其结果均表明:该算法减小了信号中的噪声,有效地抑制了MEMS陀螺仪随机漂移,提高了姿态解算的精度。肯定了该算法对陀螺仪输出信号噪声去除,以及使用精度提升的可行性和有效性。     

基于BP神经网络的磁罗盘误差补偿研究

研制了一款基于磁阻传感器HMC1052/1051Z和MEMS加速度计ADXL203的磁罗盘,介绍了三轴磁阻罗盘的测量原理并分析了磁罗盘工作过程中可能存在的误差及其来源。针对样机的水平状态,利用前馈神经网络算法,建立了以测量航向角为输入、补偿后的航向角为输出的三层BP神经网络模型,并用样机的航向角采样数据进行仿真验证。实验数据表明,采用该BP神经网络补偿算法,可将航向角的精度从±35.73°提高至±0.5°以内,研制的样机可应用于普通导航领域。     

INS/光流/磁强计组合导航在小型无人机中的应用

由于低成本的惯性导航系统存在较为严重的漂移,小型无人机在使用其导航时,往往会出现较大的误差。针对这一问题,本文提出了一种INS/光流/磁强计组合导航方案：基于扩展卡尔曼滤波,将INS与光流数据融合,估计无人机的速度和位置。当无人机静止或匀速运动时,将陀螺仪与加速计、磁强计的数据融合,估计无人机的姿态;当无人机加速或减速时,用陀螺仪估计无人机的姿态。利用无人机飞行数据对本文所提出的组合导航方案进行了验证,验证结果表明,该方案有效的减少导航时的速度、位置和姿态的误差,提高导航精度。     

一种图像校正的偏振光罗盘系统的研究

导航传感器在探险、应急、精确制导武器、船舶、航空器导航和定位系统中起着关键作用。针对偏振光罗盘在倾斜状态下误差较大的问题,提出了一种利用加速度计和陀螺仪对偏振光罗盘进行图像校正的方法,设计了一种基于陀螺仪校正的偏振光罗盘系统。首先利用加速度计和陀螺仪计算得到载体姿态角,对偏振光图像数据进行图像校正,采用Stokes矢量法解算大气偏振模式分布,进而提取导航特征点,最后对特征点进行拟合解算出航向角信息。并且进行了静态和动态测试实验,实验结果表明,该算法能够有效的对偏振光罗盘姿态变化引起的误差进行补偿,可以将偏振光罗盘的航向角测量误差控制在1.86°之内,平均误差为0.09°。     

微航姿仪的磁力计标定算法及误差补偿研究

针对目前磁力计标定算法中存在磁干扰或噪声导致航向角测量误差等问题,提出了一种改进的磁力计标定算法。该算法考虑磁力计安装误差和外界磁干扰,提出改进的磁力计误差模型;同时运用BP神经网络训练软磁干扰下的磁航向与真实航向之间的非线性关系,降低了非线性误差。通过仿真和实验验证,算法有效地解决了磁力计误差补偿问题,降低了软硬磁干扰对航向角的影响,得到较精确的航向角,误差范围在±1°内,证明了改进误差补偿算法的可行性和有效性。     

在人体运动测量中应用四元数扩展卡尔曼滤波

提出了一种适合多运动传感器方位测定系统的四元数扩展卡尔曼滤波,该方位测定系统适合人体运动领域的研究,它是基于iNEMO整合套件,集成了三轴陀螺仪、三轴加速度计和三轴磁强计。在该文的扩展卡尔曼滤波过程中,通过加速度计、磁力计的量测噪声进行陀螺仪角度修正,使测量角度值逐渐逼近真实角度大小,同时量测噪音的协方差矩阵设计,可以使方位测定系统辨别静止和运动,增加了可靠性。结合人体前臂屈伸运动的测试,验证了算法的有效性,加之其小尺寸、多功能、低功耗的特点,证明基于MEMS的运动传感器在人体运动测量领域的应用前景良好。     

速率偏频激光捷联惯组加速度计分析

速率偏频激光捷联惯组的定向精度除与激光陀螺仪有关外,还与加速度计有关,因此,研究加速度计的指标体系对提高整个速率偏频激光捷联惯组的性能和精度有重要意义。从初始对准和航向保持两个方面研究了加速度计对定向精度的影响：加速度计零偏误差和随机游走均会导致初始对准航向角误差。为了得到高精度的航向保持精度,速率偏频激光惯组的3个加速度计的漂移趋势需要保持一致。试验结果表明,加速度计的零偏稳定性提高4倍,初始对准航向角统计精度提高30%;加速度计精度相同情况下,加速度计漂移趋势一致的速率偏频激光捷联惯组,相比其漂移趋势不一致的速率偏频激光捷联惯组,航向保持精度提高了57%。     

基于卡尔曼滤波的动态角度测量系统设计

数字倾角仪主要用于静态环境下的角度测量,但当被测物体在动态（非匀速直线运动）环境下,倾角仪内部加速度计会受到除重力加速度外的加速度影响而变得不准确,此时仅依靠加速度无法准确解算出被测物体真实角度。针对动态下的测量问题,设计一种低成本的动态角度测量系统,利用MPU9255传感器中集成的三轴加速度计和三轴陀螺仪,采用融合陀螺数据的卡尔曼滤波和系统误差补偿,解决加速度计在动态下无法准确测量角度的问题。经测试表明,所设计的测量系统能够满足动态下较高精度的角度测量。     

基于QEKF的四旋翼飞行器姿态估计

提出了一种基于四元数扩展卡尔曼滤波(QEKF)数据融合算法,应用于四旋翼飞行器的姿态估计。首先,用四元数表示航向姿态参考系统(AHRS)中的坐标旋转关系,获取飞行器的姿态信息;然后,结合扩展卡尔曼滤波算法,融合低成本的MPU9250中陀螺仪、加速度计、磁力计传感器的9轴原始输出数据,对飞行器的真实姿态进行跟踪估计;最后,通过MATLAB实验仿真,与互补滤波(CF)和梯度下降法(GD)算法进行比较,实验证明QEKF对姿态的估计更加精准。     

融合多传感信息的仿人机器人姿态解算

在RoboCup Soccer仿人机器人比赛中,机体姿态实时解算是仿人机器人运动控制系统的核心技术之一。文中分析了MEMS加速度计、磁强计和陀螺仪性能,以自主姿态测量为前提,融合惯性测量单元中多传感信息,提出了一种基于四元数的姿态解算算法。针对仿人机器人步行姿态控制中传感器数据存在的噪声干扰和测量误差,设计卡尔曼滤波器实现了对数据漂移的有效补偿,从而提高了全姿态检测的测量精度。试验结果验证了该算法对仿人机器人运动控制系统机体姿态实时解算的有效性。     

基于MFFAKF的微惯导磁匹配粗对准方法

针对微机电系统(MEMS)陀螺仪精度低,无法完成惯导系统方位对准的问题,该文提出一种采用加速度计与磁强计输出完成MEMS惯导系统粗对准法。同时针对遗忘卡尔曼滤波法的缺点,提出将一种多遗忘因子自适应卡尔曼滤波法(MFFAKF)引入系统的对准方案中。该方法通过基于指数渐消记忆的方式计算量测噪声方差阵,并采用多遗忘因子调节不同的滤波通道。实验结果表明,采用MFFAKF得到的粗对准航向角精度满足MEMS惯导系统粗对准要求。     

安装误差对单轴旋转对准精度影响分析

针对激光陀螺单轴旋转惯导系统初始对准问题,分析了影响初始对准精度的惯性器件误差参数,理论推导了陀螺安装误差对对准精度及加速度计零位估计的影响,并进行了仿真分析。仿真结果表明,陀螺安装误差直接带入失准角估计误差,并会引起等效加速度计零位估计误差,可通过标定陀螺安装误差提高对准精度。