面向两轮平衡机器人姿态检测系统的研究与设计

以两轮平衡车的平衡姿态研究为背景,提出了一种基于陀螺仪与加速度计的两轮平衡机器人的姿态检測系统,对姿态检測系统的原理、组成及数据采集进行了研究。通过对各传感器输出信号特征的提取、分析,将PID控制算法与卡尔曼滤波思想相结合,实現了数据融合,从而有效地提高姿态检测系统的检测精度。经过软硬件的综合调试取得了良好的效果,并应用到实际的机器人姿态检测。     

基于卡尔曼滤波的两轮平衡姿态检测系统设计

针对传统两轮平衡检测系统易受噪声等环境因素影响,导致测量产生误差的现象,提出基于卡尔曼滤波的两轮平衡系统设计。选择SCA610-CA1H1G型号姿态传感器,以MEMS技术为基础设计姿态传感器结构,具备可选择的多种数据输出模式。选取36V电源将3个12V12AH的铅酸电池利用串联在一起,为系统提供充足电源。设计主控芯片Pentium II/III/4系列CPU,将它的状态信息描述和对外输出。设计基于卡尔曼滤波的去噪流程,构建误差修正模型,通过四元数转旋转矩阵转移到当前设备坐标系上处理,由此获取姿态矩阵从本体坐标系旋转到另一个坐标系的过程,对测量数值进行归一化处理,可得到无量纲标量。使用定时采样三阶逼近法,更新四元数,完成姿态检测。由实验结果可知,无论是在0-15dB噪声环境,还是15-30dB噪声环境下,系统监测精准度最高为92%,为汽车、航天领域提供设备支持。     

基于卡尔曼滤波的两轮自平衡车姿态检测

建立了两轮自平衡车的动力学模型;设计了一种采用卡尔曼滤波的两轮自平衡车姿态检测控制算法的控制器;搭建了SIMULINK仿真模型,仿真分析了控制器中各参数对系统的影响;并将仿真程序移植到16位Freescale单片机中对两轮自平衡车进行控制;通过实测数据验证了所设计控制算法的合理性和设计电路的正确性。     

两轮自平衡机器人惯性传感器滤波问题的研究

针对惯性传感器在两轮机器人姿态检测中存在随机漂移误差的问题,基于卡尔曼滤波实现对倾角仪与陀螺仪的信息融合,设计了简单而实用的滤波算法,对传感器的误差进行补偿后得到机器人姿态信号的最优估计,从而将其应用于两轮自平衡机器人系统。实验结果表明,采用卡尔曼信息融合的方法,来得到机器人姿态信息最优估计是有效可行的,并且有利于机器人完成自平衡的控制。     

基于卡尔曼滤波数据融合的磁浮列车悬浮姿态检测研究

在磁悬浮列车行驶过程中,列车悬浮控制系统的姿态检测对列车平稳控制有重要影响.针对磁悬浮列车行驶过程中姿态检测存在一定的噪声干扰和测量误差的问题,提出了基于卡尔曼滤波的由多个传感器数据融合的算法.通过对比正常行驶和出现压轨现象的数据仿真表明,卡尔曼滤波方法下的多数据融合算法可更好地抑制系统噪声,同时通过融合间隙传感器和加...     

两轮自平衡车运动姿态的测量和控制

两轮自平衡车姿态测量与控制是两轮自平衡车设计的关键环节.针对两轮自平衡车倾角的测量问题,采用了卡尔曼多传感融合算法.该算法融合了加速度传感器和陀螺仪传感器数据,实现了两轮自平衡车倾角实时在线估算.根据测量得到的倾角和角速度,采用了比例微分(PD)控制算法,实现了两轮自平衡车姿态的稳定控制.     

卡尔曼滤波在二轮自平衡车直立控制中的应用

目前车模倾角一般采用陀螺仪或加速度计进行测量。然而单纯利用其中一种传感器采集到的信号存在极大误差,无法满足二轮自平衡车直立控制的需要。为此,采用陀螺仪和加速度计测量倾角,并应用卡尔曼滤波算法对上述两种信号进行融合,得出理想的输出倾角。同时,将得到的卡尔曼滤波程序移植到车模直立控制程序中,进行车模直立控制试验。试验结果表明,运用该方法可以得到很好的滤波效果。     

基于UKF的两轮自平衡机器人姿态最优估计研究

针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计．将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当．因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求．     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

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。     

基于PI自适应卡尔曼滤波的无人机姿态解算算法

针对无人机姿态解算过程中,机载加速度计噪声时变,导致姿态估计值出现较大误差的问题,提出了一种基于PI自适应卡尔曼滤波的姿态解算算法,通过监视残差方差的理论值与实际值的差值,利用PI控制算法对观测噪声协方差矩阵进行在线修正,来解决由于噪声估计不准而导致滤波发散的问题。实验结果表明,即使是在无人机的姿态发生剧烈变化时,该算法依然具有良好的精度,鲁棒性较好。     

MEMS四元数卡尔曼滤波算法的电梯姿态估计

将多维MEMS传感器应用于电梯监测,根据电梯的工作特点,优化四元数互补滤波方法修正陀螺仪数据求解电梯的实时姿态,然后应用卡尔曼滤波方法进一步提高姿态监测精度.实际验证表明,该方法可以提高电梯姿态监测数据的准确性,利用运行的姿态角和加速度峰度进行分析、比对可为电梯安全舒适度评估提供关键的数据依据.     

基于DSP和STM32的电液伺服控制器设计

基于DSP和STM32的智能伺服控制器在位置闭环反馈伺服控制系统中有着广泛的应用。本设计采用TMS320F28335与STM32F103RET6双核控制器,两者通过SPI进行数据通信分工协作。另外,设计了完善的系统故障自检测报警程序与复合控制算法程序,在提高了系统稳定性与智能化的同时,又提高了整个系统的精度。     

机器视觉系统在拉链缺陷检测中的应用

受工艺过程影响,拉链在生产过程中会产生缺齿次品,传统方法是靠人眼和测量工具进行检测,耗费大量人力和时间。采取机器视觉技术,对拉链图像的特征进行研究,提出针对拉链齿数检测的三种检测原理:神经网络识别方法、模板匹配识别方法和基于一维灰度投影的识别方法。根据检测原理分别编写核心处理程序及其上位机软件,模拟工厂实际检测环境设计搭建实验平台,进行检测实验。     

基于卡尔曼滤波数据融合算法的智能钓鱼竿系统

针对目前国内市场智能钓鱼竿功能不足的问题,本文通过四元数法对鱼竿姿态解算,利用基于卡尔曼滤波的数据融合算法,并以微处理器STM32为核心搭建uC/OS-II操作系统,结合多种环境传感器和串级PID控制方法,设计了一种具有智能选钓位、智能报警及自动遛鱼等功能的智能钓鱼竿系统.实验结果表明,该系统不仅能极大地减少短线跑鱼的几率,而且为恶劣环境下自动钓鱼提供可能.     

卡尔曼滤波器在入侵检测中的应用

本文首先分析了当前入侵检测系统中存在的不足,指出了将卡尔曼滤波器应用在入侵检测系统的好处,并且详细介绍了信号处理和卡尔曼滤波理论,接下来又给出了一个基于卡尔曼滤波和神经网络技术的入侵检测模型,最后分析了测试的结果。     

基于不变扩展卡尔曼滤波的无人机姿态估计

为解决四旋翼无人机姿态估计问题,提出了一种不变扩展卡尔曼滤波(Invariant Extended Kalman Filter, InEKF)算法,用于同时估计四旋翼的姿态和惯性测量单元(Inertial Measurement Unit, IMU)的陀螺仪偏差。利用李群理论和不变观测器设计方法,将算法表述为一个连续时间随机非线性滤波器,其状态空间由直积矩阵李群SO(3)×R³给出,SO(3)中的估计值由IMU对重力矢量和地球磁场向量测量值加以修正。为在无人机上实现该算法,将状态和协方差传播方程离散化。最后,所提滤波算法相对于现有算法的性能优势通过仿真实验得到了验证。