基于MEMS和MR传感器的嵌入式系统姿态测量

本文介绍了一种基于新型MEMS加速度计和MR(磁阻)传感器的嵌入式姿态测量系统.通过本系统,可以获得载体的三个姿态参数:基于地球磁场的方位角,基于地球重力场的俯仰角和横滚角.     

微型航姿系统抗加速度干扰姿态估计研究

基于加速度计、陀螺仪和磁强计的航姿参考系统(AHRS)可提供航向角、俯仰角和横滚角等信息,但加速度计读数中包含的载体运动加速度会影响AHRS航姿精度.针对常用的基于扩展卡尔曼滤波(EKF)的姿态估计算法,讨论了对运动加速度进行估计和补偿的两种不同方法,即内部估计法和外部估计法.仿真和实验结果表明,加速度外部估计法比内部估计法计算量小且补偿效果好,在动态环境下能获得较高的航姿精度.     

基于重力四元数的陀螺漂移估计与补偿

为提高钻探中的钻具姿态测量精度,提出一种基于重力四元数的MEMS惯性随钻姿态测量方法.采用MEMS惯性器件构建钻具姿态测量系统,把加速度计数据解算的姿态四元数作为观测四元数,陀螺仪数据解算的姿态四元数作为误差四元数;然后将陀螺仪漂移融入误差四元数,建立重力四元数估计陀螺仪误差四元数的模型,采用最小二乘法估计陀螺仪三轴漂移,进而补偿陀螺仪姿态四元数;通过补偿后的姿态四元数解算出钻具姿态.最后设计了转台、振动台实验和钻进模拟实验,实验结果表明,姿态四元数补偿后的井斜角和工具面角漂移由平均10 °/h减小到约0.2 °/h,方位角误差由平均12 °/h减小到约0.46 °/h,实现了加速度计补偿陀螺的三轴漂移,表明该方法能够有效提高钻具的姿态测量精度.     

基于MEMS的微型飞行器姿态测量系统

利用三轴加速度计和三轴磁强计,设计了基于MEMS技术的微型飞行器姿态测量系统。系统采用C8051F单片机进行各传感器的数据采集,通过串口通信将采集的信息发送到上位机,用四元数解算算法进行数据融合和姿态解算,将俯仰角,横滚角、航向角等信息在上位机界面上显示出来。     

DA-LM算法在MEMS加速度传感器误差校正中的应用研究

针对随钻测斜(Measurement-While-Drilling,MWD)技术中,微机电系统(Micro-Electro-Mechanical System,MEMS)三轴加速度计存在零点偏差、刻度因子误差、三轴非正交及与载体的未对准误差,造成姿态解算精度较低的问题,提出通过蜻蜓算法Dragonfly Algorithm(DA)及Levenberg-Marquardt(LM)联合校正误差参数的DA-LM算法.基于加速度计误差来源,建立加速度传感器线性误差模型并转化为椭球方程;由DA优化椭球参数实现全局寻优;再经推导得到新的校正目标函数并通过LM算法估计误差参数;最后利用本文所提对准策略实现加速度计与载体的对准.依据仿真实验,DA-LM算法可以精确估计加速度误差参数.通过双轴转台实验获取实验数据,校正前横滚角与俯仰角最大绝对误差分别为:0.86°和4.87°,校正过后分别降低为0.26°及0.49°.结果表明本文提出算法能正确补偿加速度计误差参数,姿态解算精度明显提高.     

基于传感器校正与融合的农用小型无人机姿态估计算法

实时姿态信息获取是运用农用小型无人机(Unmanned aerial vehicle, UAV)进行变量作业控制的重要环节,本文采用STM32单片机、微机电系统(Micro-electro mechanical system, MEMS)加速度计、陀螺仪、磁强计和无线收发模块设计出农用小型无人机姿态实时解算系统,文中对三轴数字传感器的校正方法以及基于四元数和梯度下降法的多传感器融合姿态估计做了详细地介绍与推导.结果表明,在72MHz时钟频率下模拟集成电路总线(Inter-integrated circuit, ⅡC)传感器数据采集及滤波消耗6.2ms,迭代步长取0.8,一次姿态解算消耗约0.96ms,数据更新频率可达100Hz,能满足实时性要求.经测试在静态时俯仰角和翻滚角输出的平均绝对误差小于1.5,偏航角平均绝对误差小于2.9,小幅震动条件下的俯仰角、翻滚角和偏航角平均绝对误差增加1~2左右.这表明该传感器校正方法与姿态融合算法实用有效,能为农用小型无人机的飞行控制与变量作业实施提供准确的姿态数据.     

AHRS航姿解算中的两种滤波方法的比较研究

关于飞行姿态角优化问题,由于加速度计的测量值中同时包含了重力加速度和运动加速度信息,并且磁传感器易受铁磁性物质干扰,直接利用加速度计的测量值计算横滚角和俯仰角易产生较大误差,进而在利用磁传感器的测量值计算航向角时也将会引入了误差.为了减小加速度计和磁传感器的姿态解算算法所解算的姿态角误差,提出利用陀螺仪的输出,分别设计了互补滤波器和卡尔曼滤波器(Kalman Filter)对加速度计和磁传感器的输出进行处理,采用VN-100的微惯性测量单元(Micro Inertial Measurement Unit,MIMU)的数据进行MATLAB仿真,并对两种滤波器的滤波效果进行了比较.实验结果表明,互补滤波和Kalman滤波均能提高该算法的姿态角精度,并且互补滤波器比Kalman滤波器效率更高,性能更好.     

姿态航向测量与误差补偿方法研究

设计了一种基于MEMS陀螺仪、加速度计、磁传感器的小型姿态航向参考系统;以四元数和角速率偏差为状态矢量,磁场强度和加速度计信息为量测矢量,构建基于Kalman的四元数姿态航向解算方法;通过调整测量噪声方差矩阵,解决动态过程中由于运动加速度造成的姿态角误差;采用陀螺仪误差建模和磁航向罗差补偿技术,进一步提高了系统测量精度。根据飞行数据分析,姿态航向参考系统具有较高测量精度和较好的稳定性、动态性,姿态角均方根误差小于1.5°,航向角均方根误差小于3°。     

基于STM32单片机四旋翼飞行器建模分析与设计

针对四旋翼飞行器稳定性差、控制难的问题,使用牛顿-欧拉方程建立了数学模型,提出了姿态解算的实现方法。设计了以STM32单片机为控制核心,加速度计、陀螺仪及磁力计等组成的硬件控制电路。提出将加速度计解算出的角度数据与陀螺仪解算出的角度数据进行融合,通过卡尔曼滤波滤去干扰信号,保证了角度数据的准确性。设计了三路串级PID控制器,通过对横滚角、俯仰角、偏航角3种姿态角进行控制,实现了对飞行器的悬停、前进、后退、左转、右转等控制。经室内外飞行测试表明,飞行器可以平稳飞行。     

基于MEMS传感器的惯导系统预处理和姿态解算

为解决MEMS惯性传感器的系统误差和环境干扰影响,捷联惯导系统(SINS)无法准确测量姿态的问题,设计了一种基于优化自适应无迹卡尔曼滤波(优化AUKF)的姿态解算方法。先对陀螺仪和加速度计的误差信号进行预处理,分别建立ARMA模型和一元高阶模型,使用经典Kalman滤波实现其过程,然后建立姿态角的微分方程,使用高精度的优化AUKF算法实现姿态角解算过程。跑车实验结果表明,该方法可以得到高精度的姿态角信息,抑制 MEMS陀螺漂移引起姿态角发散。     

小型无人机姿态解算方法研究

姿态解算是小型多旋翼无人机研究的核心问题之一.为进一步提高姿态反馈数据的准确度和实时性,设计了低成本姿态解算系统,根据不同姿态传感器的信号特点,结合卡尔曼滤波融合算法和改进型互补滤波融合算法的优势,提出了一种基于前置卡尔曼滤波器的互补滤波融合姿态解算方法,并进行了飞行姿态解算实验.结果表明,代码的运行周期比改进型互补滤波融合算法增加了0.253 ms,比基于加权滑动方差的卡尔曼滤波融合算法减少了0.246 ms;姿态更新时间提前了约1 ms.悬停状态下,俯仰角和翻滚角的解算误差控制在±0.2°以内;航向角的解算误差控制在±0.6°以内.该方法集合了卡尔曼滤波算法和互补滤波算法的优势,准确度更高,实时性更强.     

基于MAEKF算法的航姿参考系统设计

构建了以低成本MEMS陀螺仪、加速度计和磁传感器组合的航姿参考系统,提出了一个乘性自适应扩展卡尔曼滤波算法.取乘性误差四元数和陀螺仪误差作为状态量,基于重力场和磁场构造了量测矢量,用于修正航姿数据.并采用准确量测法,给滤波器加入了四元数的归一化约束,最后给出了基于新息的估计量测噪声方差矩阵的公式.通过仿真和试飞验证,表明本文设计的低成本的航姿参考系统能够提供比较准确的航姿信息.与常规的扩展卡尔曼滤波器比较,本文设计的乘性自适应扩展卡尔曼滤波算法有效提高了系统的精度和稳定性,并且具有较好的鲁棒性.     

基于MTi微惯性航姿系统的卡尔曼滤波器设计

本文介绍了惯性航向姿态系统中两种常用的航向姿态测量方法和MTi的组成,并以MTi微惯性航姿系统（微机械陀螺、做机械加速度计、三轴磁强计）为研究对象,构建航姿系统。给出了基于MTi的航姿系统的四元数卡尔曼滤波算法,并在卡尔曼滤波器中利用加速度计和磁强计计算的姿态角来补偿陀螺的漂移。仿真结果表明了该方法的有效性。     

基于MEMS传感器的微型姿态确定系统研究

针对捷联式姿态确定系统误差随时间积累的缺点,设计了一种由MEMS陀螺、加速度计及微磁强计组合的姿态确定系统。采用Allan方差方法分析了陀螺随机误差,通过建立姿态误差四元数微分方程和磁强计线性化测量方程,设计了姿态估计卡尔曼滤波器。系统采用实际测量值进行姿态解算,结果表明这种组合能够有效抑制传感器随机漂移引起的姿态误差,系统具有体积小、成本低、性能可靠等优点。     

Application of wavelet neural network in signal processing of MEMS accelerometers

A new method with wavelet neural network is described to optimize MEMS accelerometers for temperature independent sensitivity. Linear accelerations are measured and compensated by a thermocouple the fast algorithm which is used to deal with the nonlinearity error. The simulation results show that MEMS accelerometers with compensation is characterized by an excellent temperature stability of the sensitivity with less than 0.1% variation for a temperature range −40–100°C, while the variation of acceleration without compensation is 8%. The proposed algorithm can be useful for realization of high accuracy miniature gyroscope systems based on MEMS technology.     

基于互补滤波的输电导线舞动轨迹还原算法

方向余弦矩阵算法(DCM算法)是工业级MEMS惯性传感器姿态解算常用算法;但由于受到外部机械振动和电磁环境影响,MEMS陀螺仪输出数据的漂移较大,导致陀螺积分解算得出的姿态角误差会随着时间累积增长,因此常须结合DCM算法与GPS或磁罗盘对陀螺计算出的角度进行误差修正;然而电网的导线舞动监测仪是直接安装于高电压架空输电线路表面,仪器处于很强的工频电磁干扰环境中,GPS和磁罗盘传感器完全失效,所以若要实现实时准确输出高压导线的运动轨迹,有必要研究一种改进的DCM算法,即MEMS陀螺和加速度计的互补滤波算法;并且设计出高电压导线舞动轨迹适用的解算流程,最后在专用的舞动监测实验平台上验证此新型舞动监测仪样机的有效性。     

多MEMS传感器的嵌入式姿态测量系统设计

针对姿态测量在低成本、低功耗、微型化应用中的需求,设计了三轴MEMS陀螺仪、加速度计、电子罗盘与嵌入式技术相结合的姿态测量系统。介绍了系统的组成结构,设计了嵌入式姿态测量硬件电路,并实现了基于姿态计算DCM算法的程序。上位机演示表明,系统的姿态测量结果准确、动态效果好。     

互补滤波算法在四旋翼飞行器姿态解算中的应用

针对四旋翼飞行器飞行过程中的姿态最优估计问题,本着准确、快速的原则,选择了基于陀螺仪、加速度计和电子罗盘的捷联式惯性测量系统.由于这些传感器存在温度漂移和噪声干扰等问题,采用互补滤波算法,通过融合IMU多传感器的数据信号,对测得的姿态数据进行补偿修正,解算出高精度的姿态角.为了验证互补滤波算法的有效性和实用性,通过实际的四旋翼飞行器角度测量系统对互补滤波算法展开研究.结果表明姿态角解算中采用互补滤波算法能够快速、稳定的输出高精度姿态数据,姿态角最大跟踪误差控制在±2°以内,满足四旋翼飞行器飞行控制的要求,成功完成了姿态的最优估计.     

一种微惯性测量单元标定补偿方法

在介绍微惯性测量单元组成与结构的基础上,根据MEMS惯性器件的输出特性,建立了微惯性测量单元中加速度计和陀螺仪的数学标定模型,提出并推导了一种适用于微惯性测量单元的标定方法,该方法可以得到微惯性测量单元中惯性传感器的零位、标度因数、安装误差系数及g值敏感项等33个参数;然后,具体介绍了通过加速度计重力场静态翻滚试验和陀螺仪恒角速率试验对MIMU中参数标定的方法和步骤,并对实验室自研的MIMU进行了标定;最后利用得到的标定参数对测试结果进行了误差分析与补偿;实验结果表明,该方法使MIMU的测量精度提高了1～2个数量级,能够满足姿态解算及导航计算的精度要求。     

基于改进互补滤波器的低成本微小飞行器姿态估计方法

针对微飞行器（MAV）在不同机动状态下如何获得对重力加速度的有效估计这一问题,提出一种具有增益调节机制的显性互补滤波器,对微飞行器类似周期性盘旋等典型状态,利用陀螺仪的测量和指示空速的估计构建了向心加速度补偿机制,使得基于重力加速度估计的互补滤波器能获得较为精确的姿态估计,并克服了传统互补滤波器对姿态估计进行重构的缺点。在比例积分补偿环节中,对俯仰角和横滚角的估计赋予不同的截止频率,使得比例增益和积分增益具有较好的自适应性。对比实验表明,姿态角估计误差能保持在±2°之内,与现有的典型滤波算法相比,该方法在算法效率和估计误差方面具有良好的综合性能,并适合用低成本的微惯性测量单元实现微飞行器的精确姿态估计。