基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

状态切换UKF的飞行器姿态确定算法

针对全维无迹卡尔曼滤波(UKF)算法状态维数倍增所带来的计算负担加剧的问题,提出一种过程和量测不相关的状态切换UKF算法.该算法通过在预测和量测阶段选取不同的状态变量,降低实时滤波的状态维数及Sigma点的选取个数,减小了计算量,提高了运算速度.针对姿态确定中四元数规范化限制,给出一种参数切换算法,在滤波过程中通过四元数与修正罗德里格斯参数实时切换,解决了四元数加权均值和协方差奇异性问题.针对SINS/CCD姿态的仿真实验结果表明,与全维UKF算法相比,状态切换UKF算法估计精确度相当,估计时间缩短了约1/3.     

基于四元数卡尔曼滤波的四旋翼姿态测量系统设计与实现

在嵌入式微小型四旋翼姿态测量系统中,姿态算法、系统冗余、硬件方案等直接影响了测量系统的性能和实用性。针对上述问题构建了一种兼具实用性、鲁棒性以及准确性的姿态测量系统。系统使用四元数卡尔曼滤波对微机电陀螺仪、微机电加速度计以及微机电磁力计进行数据融合处理,在硬件设计中采用双加速度计,并同时采用不同采样频率对其采样以增强系统的冗余性。仿真结果表明该数据融合方法的稳定性以及准确性,同时仿真数据表明系统的测量误差在0.5°以内,能够满足微小型四轴飞行器控制系统所需的姿态测量要求。     

基于MTi—IMU微惯性航姿系统的姿态算法

利用基于微机电系统陀螺、加速度计和磁强计的MTi—IMU微惯性航姿系统,设计了一种确定航向和姿态的算法。该算法利用加速度计的输出判断载体的运动状态,当载体处于非加速运动状态时,利用磁强计和加速度计的输出计算姿态角,再利用卡尔曼滤波器校正姿态误差。采集M＇I、iIMU微惯性航姿系统输出的数据进行仿真。仿真结果证明了该姿态算法的有效性。     

基于IMU的机械臂末端执行器姿态优化

为了补偿机器人关节扭转不足和末端执行器连接等造成的末端执行器姿态误差，提出一种基于惯性测量单元在线获取末端姿态的方法。首先将整个机械臂系统的运动过程分为静态和动态过程。静态时，由于外部加速度噪声较小，提出使用加速度计根据当地重力估计末端执行器姿态角的方法。动态时，针对系统外部加速度噪声和陀螺仪零漂、比例因子误差等影响测量精度的问题，提出一种基于噪声统计方法的自适应扩展卡尔曼滤波算法。根据加速度计的测量值，更新观测噪声方差阵的权重，从而调节卡尔曼增益，降低加速度噪声对测量精度的影响。实验结果表明：静态时，通过静态算法估算的姿态角误差平均值为0.07°、0.05°、0.2°;动态时，本文算法可以很好补偿外部加速度的对姿态的影响，能有效提高姿态测量精度，相比于EKF算法，姿态角平均误差分别降低了2.69°、1.01°、0.5°。     

用于三维姿态估计的双矢量并行卡尔曼滤波

基于磁强计、加速度计和陀螺仪的微型航姿参考系统(AHRS)通常采用卡尔曼滤波算法实现传感器间的数据融合。然而,卡尔曼滤波包含的矩阵运算导致其计算复杂度较高,不利于在处理能力有限的单片机上应用。提出一种以地磁矢量和重力矢量为状态变量的双矢量卡尔曼滤波算法,极大地简化了量测模型,有助于降低计算量和避免线性化误差。在AHRS上进行了实验验证,结果表明所提出的双矢量卡尔曼滤波算法在单片机上的运行耗时可比已有的基于四元数的滤波算法减少60%以上,且姿态估计精度优于已有算法。所提出的算法可实现三维姿态的快速、准确估计,改善AHRS姿态输出的实时性。     

基于姿态参数切换的四元数快速传递对准算法

针对快速传递对准过程中的大失准角情况,在建立非线性四元数误差模型的基础上,对利用姿态参数转换的四元数无迹卡尔曼滤波(QUKF)进行研究。通过四元数和修正罗德里格斯参数间的相互转换关系对四元数加权求和公式进行推导,使计算更为直观。针对扰动sigma点中四元数部分的规范性问题,通过先计算sigma点得到其向量部分,再利用单位化约束得到标量部分的方法进行解决,并在此基础上对含有姿态四元数的误差方差阵进行推导并给出相应公式。仿真结果表明,该算法对大失准角的估计准确度和快速性可以满足传递对准的要求。     

基于加速度变噪声EKF的无人机姿态融合算法

针对传统无人机姿态解算方法过程复杂、计算量大、动态性能差的缺点,建立无人机姿态模型;采用陀螺仪对加速度计直接进行滤波的方法,设计出新的基于扩展kalman滤波的加速度滤波器;并且考虑到无人机非重力加速度的影响,对常规kalman滤波器进行了变噪声的改进。利用STM32微控制器和MEMS惯性单元搭建硬件平台进行对比实验。结果表明:在168 MHz时钟频率下,一次传感器数据读取和姿态解算总共耗时3.27 ms,数据更新率可达100 Hz。新算法飞行动态误差小于1°,而传统四元数法动态误差为2°左右;变噪声处理后静态瞬时偏差由4°降到1°。说明新算法的抗震效果和解算精度更好,可以为无人机自主飞行提供更准确的姿态信息。     

基于卡尔曼滤波的高精度弹道滤波算法研究

在弹道轨迹估计中,卡尔曼滤波算法是一种普遍使用的算法,常规卡尔曼滤波算法适用于线性离散系统.对于非线性离散系统模型,为了提高滤波的精度,减小系统模型误差以及未知的量测噪声和过程噪声统计特性对滤波精度的影响,提出了一种带有噪声统计估计器的拟线性最优平滑滤波算法.将该算法应用到弹道系统模型中,对弹道轨迹进行滤波估计.通过计算机建模仿真改进的算法和传统的拟线性最优平滑滤波算法,得到的实验结果表明,改进后的算法可以减小由于系统模型不精确带来的误差,很大程度上提高了弹道轨迹滤波估计的精度.     

基于ESO-LQG-PI的无人直升机悬停姿态角控制研究

为了提高无人直升机姿态角的控制精度,增强抗干扰能力,本文根据TREX 700L无人直升机机型,提出了一种ESO-LQG-PI的控制方法.考虑到直升机系统的高度非线性,采用了小扰动增量线性化处理方法.利用扩张状态观测器(ESO)对系统扰动进行实时估计并补偿,通过增加比例积分(PI)控制器来减小输入信号造成的稳态误差,使用...     

农用植保无人直升机飞行航路的自动规划算法与实现

随着农业机械化和现代化的发展,微小型无人直升机在农业植保领域的应用日益得到重视,其飞行控制技术是农用植保无人直升机的核心技术.针对不规则形状的农田,如何自动、高效地规划出飞行航路,是保证无人直升机农业自动化应用和提高商业应用效益的关键技术之一.本文针对农用植保领域对微小型无人直升机飞行轨迹的技术需求,利用图形学理论,重点研究了不规则农田的辨识、最优航路设计等规划算法,并实现了规划算法的相应函数模块和应用软件.该软件在工程应用中得到了验证,取得了较好的应用效果.     

红外图像目标瞄准点测量和基于自适应Kalman滤波的瞄准点跟踪

前视红外图像(FLIR)包含有关目标形状的丰富信息,可据以识别目标的背景干扰,从而增强抗干扰能力,且可根据目标要害部的亮度特点及预定范围,确定并进而跟踪瞄准点,本文提出目标瞄准点的序贯相关测量与Kalman滤波相结合的跟踪方法,在用110帧红外序列图像目标瞄准点跟踪仿真研究中,获得令人满意的结果,本文给出仿真误差方差、误差曲线和代表性的跟踪照片。     

基于Mahony-EKF的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种Mahony和扩展卡尔曼滤波(EKF)融合的姿态解算算法。首先通过Mahony滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。再以Mahony滤波器的姿态四元数作为EKF的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息建立EKF状态方程。最终经过EKF滤波后,获取无人机姿态的估计。经过仿真实验验证,融合算法解算静态姿态角误差小于0.1°,解算动态姿态角误差小于1°,均优于互补滤波算法和改进EKF算法。融合算法能有效抑制陀螺仪漂移误差,滤除加速度计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

基于扩展卡尔曼滤波的风速估计算法研究

风场信息是机载大气数据系统故障情况下重构大气数据的基础,飞机对所处的风场的感知对飞行器的安全飞行具有重要意义。目前机载风速测量通常是基于惯性导航系统或GPS提供的地速与大气数据系统提供的真空速计算法,由于真空速的测量滞后以及测量误差,直接计算的风速不能满足飞机使用要求。利用高空风场以水平风为主的大气特点,建立风场估计模型,以水平风速的东向及北向分量作为状态向量,以机载大气数据系统压力传感器提供的动压为量测量,通过构建扩展卡尔曼滤波器的方法实现外部风场的精确估算。在此基础上对虚拟大气数据系统提供的风场信息进行分析,验证此估计算法的可行性和有效性。仿真结果表明,该方法可获得较高的风速估算精度,并具有良好的稳定性,为飞机高空飞行提供精确的外部风场信息备份。     

基于模糊PID 的直升机增稳控制系统设计与实现

针对小型无人直升机开环不稳定,通道耦合性较强以及控制较难的问题,设计并实现了基于模糊PID的增稳控制系统。首先从理论上分析了小型无人直升机的操控原理,设计了基于模糊PID控制方法的飞行控制律;然后,分别设计了基于DSP芯片的增稳控制系统硬件平台和软件并具体实现;最后,通过试飞验证了基于模糊PID增稳控制系统的可行性和有效性。实验结果表明文中设计的模糊PID增稳控制系统能够很好地改善小型无人直升机动稳定性,并且系统运行稳定,可靠性高。     

小型无人直升机分布式飞控系统的设计与实现

基于总线的分布式结构以其结构简单、易于扩展、可维护性强的优点已开始应用于无人机领域。以无人直升机为研究对象，在原有的集中式飞行控制系统的基础上进行技术升级改造，提出了一种基于CAN总线的分布式飞行控制系统设计方案。描述了基于CAN总线的分布式系统总体设计方案、硬件设计、通信机制、软件开发和实现，并进行了半物理仿真验证。测试结果表明，CAN总线实际占用带宽为10.5%，未出现丢帧现象，通信基准时钟同步精度小于150 μs，完全可以满足飞控系统的要求。通过进行全过程飞行半物理仿真，证明基于CAN总线的分布式飞控系统能够满足无人直升机飞控系统的实时性、可靠性等控制需求，设计达到了工程化的要求。     

SVR辅助改进鲁棒卡尔曼滤波的UWB/INS组合定位方法

针对UWB/INS组合定位中UWB定位信息异常和短时缺失的问题,本文提出一种SVR辅助改进鲁棒卡尔曼滤波的UWB/INS组合定位方法。该方法对鲁棒卡尔曼滤波（RKF）进行改进,采用改进的IGG3权函数分段修正新息,减小异常量测信息对滤波结果的影响。在UWB信号正常时,采用改进RKF估计位置误差;在UWB信号缺失时,采用在线训练的SVR模型预测位置误差,并根据估计或预测的位置误差校正载体位置信息。实验结果表明,本文所提的方法不但可使UWB信号正常时的组合定位误差减小33.33%,而且在线训练SVR模型辅助比固定SVR模型辅助可明显提升定位算法的性能,在UWB信号短时缺失时仍能持续有效定位,使组合定位误差减小29.63%。     

异步电机无速度传感器矢量控制系统中扩展卡尔曼滤波器的优化研究

利用扩展卡尔曼滤波器,将转速看成一个状态量,根据定子的电流和电压值估算转速.通过仿真对滤波器初值的选取进行了研究,得到优化的卡尔曼滤波器,试验结果表明,速度估算的准确性高,系统对于电机参数的变化不敏感,具有较强的鲁棒性.     

考虑量测相关性的容积卡尔曼滤波动态状态估计

针对电力系统动态状态估计中SCADA量测量间存在相关性的实际情况,文中提出了一种考虑量测相关性的容积卡尔曼滤波动态状态估计方法。首先进行了SCADA量测相关性分析,然后基于状态转移方程推导过程噪声协方差矩阵,基于容积变换方法计算考虑SCADA量测相关性的量测误差协方差矩阵,并提出了考虑量测相关性的电力系统动态状态估计流程,每次估计实时修正量测误差协方差矩阵及过程噪声协方差矩阵。IEEE-39节点系统的仿真结果表明,相较于不考虑量测相关性的容积卡尔曼滤波算法,文中方法能够明显提高状态估计结果的精度。