基于多传感器融合的四旋翼飞行器姿态监控

设计了一种基于多传感器融合的四旋翼飞行器姿态监控系统.在有限的单片机计算资源下,通过卡尔曼滤波,对陀螺仪、加速度计和磁强计的测量数据进行数据融合,解算出姿态信息.减小了因电机引起的振动、低成本微机电系统(MEMS)传感器误差较大等因素对姿态信息解算时造成的干扰.通过无线将姿态信息传输至上位机,以民航客机中的主飞行显示器(PFD)形式,对飞行参数进行直观的图形化显示,实现了对四旋翼飞行器的姿态进行监控.     

基于互补滤波器的四旋翼飞行器姿态解算

针对小型四旋翼飞行器姿态解算这一基本问题,详细分析了姿态解算的过程,提出了其中的难点问题.应用低成本捷联惯性测量单元,设计了一种基于互补滤波器算法的姿态求解器.经过实验验证表明:与目前常用的卡尔曼滤波算法相比,采用互补滤波器算法的求解器能显著降低对处理器速度和精度的要求,有效融合了捷联惯性测量单元的传感器数据,实现了小...     

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.     

小型四旋翼飞行器的设计与研究

本文介绍了四旋翼飞行器的机体结构、飞行原理、硬件构成,分析了采用互补滤波算法的姿态解算过程,以及飞行控制算法。     

基于STM32的四旋翼飞行器的姿态最优估计研究

为了解决传感器自身累计误差和周围环境随机误差对姿态最优估计影响的问题,提出了一种基于STM32的姿态解算系统设计方案。该系统由低成本的航姿参考系统(AHRS)和STM32F405微处理器组成。采用四元数坐标换算,将陀螺仪、加速度计和磁罗盘三者数据进行融合,姿态偏差采用双环PI控制器进行修正,并采用互补滤波算法解算出飞行器姿态信息。搭建了四旋翼飞行器半实物仿真平台,模拟飞行器空中悬停时姿态。实验结果表明,该系统较好地解决了噪声干扰与姿态最优估计问题,实现了长时间稳定地输出准确可靠的姿态数据的要求。     

基于PID的四旋翼飞行器姿态控制系统

飞行控制系统很大程度上决定了四旋翼飞行器的飞行性能。分析飞行器模型,并在此基础上设计实现一种基于PID(Proportion, Integration, Differentiation)控制方法的飞行器姿态控制系统。整个控制系统包括第1阶段的四元数姿态解算（PI）和第2阶段的油门计算（PID）。通过PI方法融合加速度和角速度传感器的输出,计算出飞行器当前的姿态角;通过PID方法融合当前姿态和目标姿态控制电机油门输出。上位机通过蓝牙获取飞行器数据,结果显示该系统能很好地保持飞行器的稳定姿态。     

农情监测四旋翼飞行器姿态控制仿真与实现

为解决垦区农作物生长环境监测问题,提出使用搭载高光谱相机的四旋翼飞行器低空航拍的方法.建立了四旋翼飞行器运动学模型和动力学模型.使用旋转矢量插值法解算飞行器的姿态,使用基于卡尔曼滤波器的PID控制算法对飞行器姿态进行控制.对系统进行了Matlab仿真,并通过设计硬件电路和编写软件实现了功能.通过试飞,验证了以上理论与方法的可行性.     

基于STM32的四旋翼飞行器姿态解算的研究

分析了四旋翼飞行器的姿态解算原理,提出了一种基于 STM32的姿态测量系统。系统由 STM32F407微控制器和捷联惯性测量组件(IMU)组成。利用四元数描述姿态进行坐标换算,采用多传感器数据融合方案,通过互补滤波算法进行数据融合,获取精确的姿态角,并完成姿态解算。实验结果表明,采用互补滤波算法有效融合了捷联惯性测量组件的传感器数据,实现了四旋翼飞行器的高精度姿态解算。     

语音控制的四旋翼飞行器设计与实现

基于语音识别技术,设计了一套语音远程控制四旋翼飞行器的系统。使用LD3320语音处理芯片和STM32微处理器实现语音识别功能,采用NRF24L01将识别结果传输到飞行器。选用STM32作为四旋翼飞行器的主控芯片,采用六轴运动组件MPU6050、三轴数字罗盘HMC5583L等传感器对飞行器的姿态进行实时测量,再利用数字滤波器对姿态信息进行处理,然后采用四元数进行姿态解算,最后运用双闭环PID控制算法实现姿态控制的要求。测试结果表明,通过语音可以控制四旋翼的正常飞行及姿态变化,系统稳定可靠。     

基于IEKF的四旋翼无人机姿态测量方法研究

研究四旋翼无人机在实时飞行时姿态测量的问题.由于四旋翼无人机多采用陀螺仪、加速度计、地磁计(MEMS)传感器测量各姿态,测量值存在偏差,无法直接使用.为解决利用不准确的传感器测量信息获得精确姿态角度的难点,并为了克服常规的扩展卡尔曼算法(EKF)带来的较大滤波偏差,以及四元素法表述复杂等困难,采用了一种改进的迭代EKF(IEKF)算法,利用欧拉角的描述方法,融合MEMS的信息对四旋翼无人机的姿态角度进行测量.实验结果表明,改进方法能准确测量出姿态角,且通过与常规EKF测量效果的比对可以看出,IEKF在测量精度上确有较明显的改善,表明改进方法是有效的,为四旋翼无人机实时调整姿态提供了一种科学手段.     

基于卡尔曼滤波的四轴飞行器成像、惯性和高度组合导航

为了提高四轴飞行器在非结构化、室内和GPS失效环境下的导航精度,本文提出一种用于四轴飞行器的成像、惯性和高度组合导航。首先对四轴飞行器搭载的摄像机进行了标定,获取了摄像机的内外参数。其次设计了着陆标志为标准参照物,以及着陆标志识别方案。再利用卡尔曼滤波器融合视觉、惯性测量系统和超声波测距仪的数据,通过相似三角形定理估计飞行器的相对高度,利用视觉测程法估计飞行器位置和位移速度。最后验证组合导航的有效性,用成像、惯性与高度组合导航实验平台依次进行了相对高度估计实验、平移速度和相对位置估计实验,实验测试表明:在高度估计实验中,组合导航能够很好的描述四轴飞行器的飞行高度估计;在平移速度估计实验中,卡尔曼滤波器估计的速度估计值很平滑;相对位置估计实验中,四轴飞行器的x方向位置保持在原点附近,y方向位置保持在-1.0 m附近,高度位置的最大误差在0.3 m之内。     

惯导系统辅助CSS的室内定位方法

提出一种惯性导航系统INS(Inertial Navigation System)辅助线性调频扩频CSS(Chirp Spread Spectrum)的高精度室内定位方法.首先设计了基于MPU9250多轴传感器的惯性测量单元IMU(Inertial Measurement Unit),利用数字运动处理(DMP)数据库经四元数解算可求得准确稳定的航向角,由于MPU9250自带的磁力计,规避了航向角的累积误差问题.随后在分析CSS非视距定位误差基础上,提出了基于三角形三边准则的选星方法,有效降低了室内复杂环境下非视距的影响;最后利用扩展卡尔曼滤波对惯导系统与CSS定位进行融合,以输出稳定、准确的定位结果.通过在50 m×20 m的地下车库实验分析比较,结果表明:惯导与CSS单独定位的平均误差分别为0.3456 m、0.3659 m,本文组合导航方法平均误差为0.158 l m,较前两种单一的定位方式性能提高了50%以上,该方法降低了定位的成本,系统实现复杂度降低,定位精度提高.     

多导航传感器的数据融合处理方法研究

在舰船导航过程中为克服单一模型的卡尔曼滤波器对真实系统状态参数发生变化时造成滤波误差过大甚至发散的现象,将多模自适应控制用于导航数据融合处理方法中,设计了组合导航系统的多模型自适应卡尔曼滤波器,通过数字仿真将单一模型的INS/GPS/Doppler组合导航系统与多模自适应控制的组合导航系统的性能进行了比较,表明了多模自适应控制在组合导航系统中可以改善系统的瞬态响应和覆盖大范围的参数不确定性,提高了组合系统的导航精度.     

利用神经网络和卡尔曼滤波的组合导航技术

Kalman滤波是组合导航中最常用的最优滤波工具, 但在组合导航系统中仍有一些应用的局限性.针对卡尔曼滤波受到需要已知精确系统模型的限制,文中利用神经网络在解决非线性、时变系统、不确知系统中的独特优势,提出一种新的Adaline /Kalman组合滤波方法,阐述了神经网络的选取,网络的训练,给出具体仿真条件,应用于卫星/惯性组合导航系统.文末给出了仿真结果,表明滤波的效果较之单独的Kalman有所改善,导航精度有所提高,同时也说明了提出的整个方法是可行的,正确的.     

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。     

GPS信号自适应抗干扰系统

针对GPS卫星信号易受干扰,不稳定的问题,提出INS/GPS组合导航抗干扰的方法并用硬件电路进行实现验证。给出了惯性器件的误差模型,采用松散组合方式,设计卡尔曼滤波器,取姿态、速度、位置的误差作为状态变量。提出以INS与GPS输出的东北天向速度误差作为滤波器观测量的方案。通过计算机的仿真和实验验证,对系统的精度进行了分析,证明该方案是可行的,实现实时滤波计算,并能满足导航的精度要求。     

组合导航中低成本磁航向系统的神经网络补偿

根据组合导航的特点,设计了低成本磁航向系统神经网络补偿方法。研究了磁航向系统的误差和补偿技术;在全球定位系统信号良好情况下,以捷联惯导/全球定位组合导航系统的航向信息为参考,使用卡尔曼滤波作为学习算法,建立多层前向神经网络模型补偿磁航向系统。实验结果表明,神经网络补偿方法将磁航向系统的航向角误差由±15°减小到约±1°,取得了明显的效果。     

除冰机器人的多传感器融合障碍测距方法研究

障碍物测距是高压输电线路自主除冰机器人的关键技术之一。针对220 kV输电线路除冰机器人的结构特点,提出了一种基于扩展卡尔曼滤波的障碍物距离信息融合检测方法。首先根据障碍物分布情况设计了除冰机器人多传感器检测系统的结构,建立了障碍物信息融合系统模型。然后根据障碍物信息状态模型的非线性特点,对传感器获取的异步测量数据进行同步处理,再应用改进的扩展卡尔曼滤波对多传感器信息进行滤波和融合,并与单个传感器的结果相比较,实验结果研究表明：该方法能有效地融合不同传感器的信息,具有更高的测距精度和更快的收敛速度。     

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.     

MEMS惯性传感器ADIS16355在姿态测量中应用研究

为了实现惯性导航控制,需获取控制对象的姿态角信息,设计了基于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。