基于MEMS的车辆姿态感知系统

针对MEMS传感器精度低、误差大等缺点,采用三轴加速度计、三轴磁强计和三轴陀螺仪进行组合姿态测量,使用卡尔曼滤波进行多传感器数据融合。将旋转矢量法解算出的陀螺仪的姿态四元数作为卡尔曼滤波的预测矢量,将高斯牛顿法解算出的加速度计和磁强计的姿态四元数作为卡尔曼滤波的观测矢量,建立卡尔曼传播方程,求出更高精度的姿态四元数,解算出姿态角,将 AHRS 中的姿态角与车辆的坐标系对应,实验结果表明车辆在不同状态下的姿态角度变化与车辆的运行状态一致。     

小型航姿参考系统设计

针对航姿测量的需求,提出了一种基于四元数扩展卡尔曼滤波的航姿参考系统(AHRS)设计方案。系统采用低成本微机电系统(MEMS)三轴陀螺仪、加速度计和磁力计,利用基于四元数的扩展卡尔曼滤波方法对传感器数据进行融合,得出三轴姿态角。为了仅根据磁偏角确定磁力计量测方程,避免磁倾角影响,提出了利用加速度计对磁力计数据进行正交化处理的方法。为了减小加速度计和磁力计测量误差,利用基于最小二乘法的椭球拟合校正方法对测量数据进行校正。实物试验表明:传感器校正效果较好,系统具有相对较高的测量精度和较好的动态特性。     

基于共轭梯度法和互补滤波相结合的姿态解算算法

为了提高姿态解算精度,提出了一种基于共轭梯度和互补滤波相结合的多传感器数据融合策略。系统采用四元数方法进行姿态解算。利用加速度计和磁强计的输出数据,通过共轭梯度方法对姿态四元数进行寻优估计,再将其和利用陀螺仪输出数据更新的四元数进行互补滤波,解算出姿态角。实验测试表明,这种融合策略使姿态检测系统静态性能和和动态性能均有所提高,尤其在姿态剧烈变化时,其性能明显优于卡尔曼滤波和梯度下降法。     

基于机动检测的捷联航姿算法研究

针对低精度陀螺仪、加速度计和磁传感器组成的捷联航姿系统存在的易受载体运动加速度影响而导致姿态精度下降甚至发散的问题进行了研究,提出了一种基于机动检测的捷联航姿算法。该算法根据陀螺仪数据进行姿态实时更新,利用加速度计和磁传感器输出对载体姿态误差进行校正以保持航姿输出的长期精度。算法根据加速度计输出在导航系中投影的水平分量进行机动检测,剔除机动期间的加速度数据,利用载体匀速运动状态下的加速度数据与磁传感器数据构造量测,利用卡尔曼滤波器对姿态误差进行估计并修正。仿真结果表明,该算法能有效完成载体机动检测,保证系统存在机动的情况下姿态精度满足应用要求。     

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.     

基于多传感器的智能车辆姿态解算方法

针对智能车辆主动环境感知的需求,提出了一种采用三轴加速度计、三轴磁强计和三轴陀螺仪组合进行车辆姿态解算的方法.首先以旋转矢量法为陀螺仪的车辆姿态解算方法,作为扩展卡尔曼滤波的状态方程,用于车辆姿态的预测;其次以高斯牛顿法为加速度计和磁强计的车辆姿态解算方法,作为扩展卡尔曼滤波的观测方程,用于车辆姿态校正;然后在此基础上构建扩展卡尔曼滤波传播方程,采用扩展卡尔曼滤波进行多传感器信息融合,得到车辆的姿态解算结果;最后通过构建实车测试环境对解算方法有效性进行验证.实验结果表明,通过基于多传感器的车辆姿态解算方法解算得到的车辆姿态角稳定、准确,能够满足智能车辆行为参数估计的实际需求.     

基于四元数解算陀螺仪姿态角算法的实现

采用四元数将三轴陀螺仪以及三轴加速度计的数据进行互补融合,讨论了四元数解算的设计过程,给出了相应步骤的详细代码.实验证明,该算法有效抑制陀螺仪的误差发散,并提高了系统的测量精度.     

低成本无人机姿态解算研究

针对小型四旋翼无人机姿态解算数据精度低、缺少余度控制、易发散等问题,提出一种基于GPS、三轴陀螺仪加速度计、三轴磁力计的随机加权自适应滤波算法估计无人机姿态;建立四旋翼无人机姿态旋转矩阵,搭建加速度计和磁力计获取无人机姿态信息的模型,以及采用四元数解算法的陀螺仪定姿解算模型;采用随机加权自适应估计法,依据多元函数求极值定理,在保证总体均方差最小的情况下导出最优随机加权因子,进而解算出姿态角信息,提高四旋翼无人机姿态解算滤波精度与稳定性;仿真与试验结果表明:随机加权自适应滤波与平均值滤波算法相比解算精度更高,输出结果更平稳,且无人机各项预期功能均能正常实现,能够满足四旋翼无人机自主飞行的需要。     

示教机械臂姿态解算改进方法仿真研究

在示教机械臂姿态解算精度优化的研究中,针对使用单组传感器进行数据融合,姿态解算的传统方法中存在的精度低,稳定性差的问题,设计了一种组合MEMS传感器的姿态解算方法。将六组传感器安装于载体坐标系三个轴上,分别测量两组传感器数据。以传感器量测数据与四元数估计数据的向量积代替姿态角误差作为互补滤波器的输入量,分别利用模糊控制器和PI控制器,根据互补滤波原理调节陀螺仪输出量。通过拓展卡尔曼滤波器进行姿态估计,得到更精确的四元数,进而转化为姿态角。仿真结果表明,在静态和动态情况下,多组传感器组合调节后的姿态角数据相比单组传感器PI调节在姿态角精度和系统稳定性上有进一步提高。     

微机电系统姿态估计系统算法与仿真

结合陀螺仪、加速度计误差模型,实现了以微机电系统(MEMS)陀螺仪与MEMS加速度计为基础的姿态估计硬件仿真系统,可用于模拟任意噪声强度和安装偏差下三轴捷联惯导系统(INS),即按照给定运动曲线仿真输出陀螺仪与加速度计数据,为设计姿态估计算法提供仿真验证平台.同时,以姿态四元数为状态变量,载体俯仰角与横滚角为观测值设计了基于扩展卡尔曼滤波器(EKF)的姿态估计算法,俯仰角估计误差小于0.04°,横滚角估计误差小于0.05.,偏航角漂移速度0.01(°)/s.     

基于DSP的航姿系统多传感器信息融合技术

设计了基于DSP的专用导航计算机,并以此为硬件平台,采集陀螺仪、加速度计、磁航向传感器和速度传感器信号,利用卡尔曼滤波技术进行多传感器信息融合,成功搭建了低成本小型航姿系统。针对该航姿系统的特点,设计了导航计算机程序快速更新软件,对卡尔曼滤波器进行低阶处理。针对导航计算机“数字信号处理器(DSP)+单片机(MCU)”的特殊结构,设计了合理的多传感器信息融合程序。实验证明:航姿系统利用多传感器信息融合技术,使用自行研制的专用导航计算机平台,姿态误差小于0.2,°航向误差小于0.5°,且大大减小了系统成本、体积和功率,具有实际应用价值。     

基于陀螺辅助的磁罗盘抗干扰测量方法

为了解决磁罗盘使用过程中受到的磁干扰和加速度干扰影响测量精度问题。提出了基于陀螺辅助的磁罗盘抗干扰测量方法。选取磁罗盘姿态四元数微分程和传感器误差模型共同构建系统的滤波模型,由自适应卡尔曼滤波算法实现磁罗盘姿态估计,并借助于无磁转台对测量方法进行了实验验证,结果表明该方法是可有效实现磁罗盘的抗干扰测量,且能提高磁罗盘测量精度。     

小型无人直升机嵌入式导航系统算法与飞行试验

基于微陀螺、加速度计、磁强计以及GPS模块构建了姿态航向位置参考系统(Attitude heading position ref-erence system,AHPRS).首先,通过等效旋转矢量法由陀螺解算出估计姿态角;其次通过GPS、加速计的测量值,结合磁强计估计补偿姿态角,推导基于误差四元数的滤波方程,滤波器的周期...     

基于四元数和卡尔曼滤波的两轮车姿态稳定方法

针对自平衡两轮车姿态角的在线估计问题,采用四元数的姿态解算算法,利用Levenberg-Marquardt非线性最小二乘法对自平衡两轮车陀螺仪信号拟合,建立了随机漂移误差数学模型,应用卡尔曼滤波融合陀螺仪和加速度计输出的信号,补偿了陀螺仪输出角速度的随机漂移误差,得到了自平衡两轮车姿态的最优估计。实验结果表明,这种姿态估计算法是有效的,有利于车体的自平衡控制。     

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.