一种无振荡误差的车载惯导系统测姿方法

车载GPS/INS组合导航系统中的卫星信号易受环境影响出现失锁,而惯导独立工作时处于无阻尼状态,其特有的机械编排导致解算的姿态信息中存在舒勒振荡和傅科振荡误差,因此无法满足测量系统对姿态信息的高精度需求。为此,提出一种基于罗经方案的无振荡误差的车载惯导姿态确定方法,通过将加速度计测量的载体运动加速度进行低通滤波处理,引入惯性坐标系并间接地建立载体与导航坐标系之间的姿态转换矩阵,改变惯导无阻尼解算模式并实现系统无振荡性误差的姿态信息的求解。试验结果表明,论文提出的无振荡误差测姿方法具有为车载平台提供准确姿态信息的可行性与可靠性。     

级联卡尔曼滤波在初始对准中的应用

针对微惯组测量误差大,尤其是陀螺仪误差较大,不能辨别地球自转角速度,造成捷联惯性导航系统不能实现自对准的问题,采用GPS和磁强计辅助微惯组进行对准。当载体处于静止状态时,没有外力作用,加速度计仅输出重力加速度信息,可提供水平姿态角的观测信息,航向角观测由加速度计和磁强计的输出融合解算得到,通过构建级联的四个卡尔曼滤波器,分别实现水平姿态角、航向角、陀螺仪误差、失准角和加速度计零偏的估计,将估计的姿态角转换为待修正的姿态矩阵,利用估计的失准角对姿态矩阵作进一步修正,最终得到修正的姿态矩阵,完成初始对准目的。     

采煤机捷联惯导定位方法研究

针对综采工作面采煤机定位精度较低的问题,提出了一种基于Rodrigues参数法的采煤机捷联惯导定位方法。该方法运用捷联惯导的三轴加速度计和三轴陀螺仪输出采煤机的加速度和角速度信息,采用无冗余度的Rodrigues参数法对其进行位姿解算。仿真结果表明,在采煤机斜切进刀过程中,采煤机最大定位误差为0.291 4m,姿态误差最大值为0.602 2°,满足采煤机的定位精度要求。     

基于误差修正技术的井下人员MEMS定位方法

针对矿井安全对井下人员位置信息精度和连续性提出的更高要求,提出一种基于误差修正方案的井下人员MEMS定位技术。依据加速度计输出比力均值和方差判定人员步态识别并完成脚部静止时间段的检测,结合零速误差修正工作原理,改进传统卡尔曼滤波方案,完成人员静止状态下运动信息计算误差和惯性器件偏差的滤波估计与补偿。搭建MEMS惯导系统实验平台,设计加速度方差阈值获取实验以及人员水平与三维运动实验。实验结果表明,基于误差修正技术的人员定位方法具有较高定位精度和可靠性。     

基于捷联惯导系统的采煤机定位与姿态调整

针对现有采煤机定位与姿态调整方法准确性较差的问题,在地面有缓慢坡度变化的情况下,对基于捷联惯导系统的采煤机定位与姿态调整方法进行了研究。首先介绍了采煤机定位技术,即由捷联惯导系统获取采煤机运动参数信息,采用欧拉角法对数据进行处理,进而完成采煤机位姿解算及实时定位;然后以采煤机截割高度调整为例,介绍了基于捷联惯导系统的采煤机姿态调整方法,重点推导了采煤机在不同截割工况下,采煤机截割高度与机身倾角之间的关系式;最后采用采煤机模型进行采煤机定位与截割高度调整实验,结果表明基于捷联惯导系统的采煤机定位与姿态调整方法可有效提高采煤机的定位与姿态调整精度。     

用于高速旋转载体的惯性导航系统设计

针对高速旋转载体的实际应用情况,采用了无陀螺捷联惯性导航技术方案,快速精确测量载体的姿态、速度和位置信息。无陀螺捷联惯导系统采用加速度计来解算载体相对惯性系的角速度,从而代替角速度陀螺仪,提高了系统的高过载的适应能力。首先推导了一种基于六加速度计配置方式力学编排方程,分析了加速度计精度、杆臂长度以及时间等因素对角速度误差产生影响,最后仿真分析了加速度计精度对惯导系统的定位精度的影响,为系统设计提供理论依据。     

一种新的无陀螺惯性测量组合标定方法

无陀螺惯性测量组合在角速率解算过程中不仅需要知道加速度计标定因数、零偏及实际安装方向向量,还需要准确获取加速度计的实际安装位置.针对上述特点,以加速度计输出模型为基础,提出并建立了一种广泛适用于各种无陀螺惯性测量组合的标定方法.该方法经转台位置和速率实验验证可以准确得到加速度计标度因数、零偏及安装误差,进一步提高了载体线加速度和角速率解算精度,从而为后续的姿态解算奠定基础.     

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。     

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。     

基于小波降噪的MEMS惯导系统对准方法研究

针对当前MEMS器件受加工工艺限制导致器件输出信噪比低,进而影响MEMS惯导系统初始化的问题,提出一种采用小波降噪的“重力+地磁”信息粗对准方法。分析MEMS器件输出信息结构特征,探索不同小波基函数在不同分解层数下的降噪效果并设计小波分解方案并实现惯性器件噪声的有效滤除;根据重力矢量垂直当地地理坐标系水平面的特征,利用加速度计敏感重力矢量水平分量实现载体初始水平姿态角的确定;结合地球表面任意位置处的地磁信息具有唯一指向性的特征,通过测量载体所在位置处的地磁信息并结合磁偏角修正实现载体初始方位角的求取。转台实验结果表明,经过小波降噪处理后得到的重力与地磁信息可实现MEMS惯导系统初始对准。     

Bearing-only visual SLAM for small unmanned aerial vehicles in GPS-denied environments

This paper presents a hierarchical simultaneous localization and mapping(SLAM) system for a small unmanned aerial vehicle(UAV) using the output of an inertial measurement unit(IMU) and the bearing-only observations from an onboard monocular camera.A homography based approach is used to calculate the motion of the vehicle in 6 degrees of freedom by image feature match.This visual measurement is fused with the inertial outputs by an indirect extended Kalman filter(EKF) for attitude and velocity estimation.Then,another EKF is employed to estimate the position of the vehicle and the locations of the features in the map.Both simulations and experiments are carried out to test the performance of the proposed system.The result of the comparison with the referential global positioning system/inertial navigation system(GPS/INS) navigation indicates that the proposed SLAM can provide reliable and stable state estimation for small UAVs in GPS-denied environments.     

Attitude determination algorithm using state estimation including lever arms between center of gravity and IMU

In this paper, an enhanced attitude determination algorithm is proposed to decrease the estimation error by including an additive state variable for the lever arm. Attitude determination generally is carried out by measurements from an IMU (inertial measurement unit), which is typically located at the center of gravity of the vehicle. The IMU lever arm, which spans the distance between the IMU and the center of gravity, causes extra acceleration in the accelerometer and increases the error in attitude estimates. However, if the extra accelerations caused by the lever arm can be removed from the measurements of accelerometers, the increased attitude error caused by the IMU lever arm can be prevented. Because an IMU lever arm is fixed in a vehicle after installation, it can be considered as an additive element of the state vector in Kalman filter for attitude determination. The proposed algorithm is composed of a quaternion-based Kalman filter and includes an estimation of the IMU lever arm. In addition, in order to determine components of lever arm, the gross measure of modal observability is investigated for the system. An evaluation of the proposed algorithm is carried out by simulations with a noise model based on an actual IMU. Evaluations through simulations show that the proposed algorithm improves the performance with regard to errors.     

自主姿态测量算法研究

航姿系统一般不实时计算速度和位置信息,无法补偿地球自转和表观运动引起的分量误差,同时陀螺漂移较大,载体长时间持续机动时,出现姿态精度不高,甚至发散的问题。提出了一种基于卡尔曼滤波的姿态融合算法,将等效陀螺漂移列入系统状态,利用卡尔曼滤波的新息对运动状态进行判别,在一定条件下,用加速度计的输出作为量测量进行卡尔曼滤波的量测更新过程。实验结果表明,所提出的姿态融合算法考虑了陀螺漂移,能提高载体长时间机动时的姿态精度。     

基于自回归模型的汽车姿态角在线预测系统

针对汽车姿态角在线预测问题,利用微惯性测量单元以捷联方式测量汽车6自由度运动参数,通过四元数法解算汽车的姿态角,应用卡尔曼滤波器对姿态角进行最优估计处理,在此基础上建立自回归模型对未来1 s~3 s的姿态角进行实时预测,使用Visual Basic 2005、NI Measurement Studio开发汽车姿态角在线预测软件,并对其进行实车道路试验,结果证明该软件具有较高的预测准确性。     

基于惯性传感器的上肢位置跟踪

为辅助中风病人的康复训练,设计了一种手腕固定惯性测量单元的上肢位置跟踪方案.导航定位算法采用传统的捷联惯性导航解算算法,并在此基础上根据标准康复训练中手臂做屈伸运动时速度周期性为零的特征,引入零速修正技术(ZUPT).采用姿态检测最优算法检测零速区间,将此时惯性导航解算的速度作为量测值进行Kalman滤波,对系统的速度、姿态、位置、加速度计和陀螺仪常值零偏误差进行估计,将估计结果反馈以修正捷联惯性导航的累积误差.同时在Kalman滤波的基础上设计了固定区间RTS平滑算法,解决了零速修正引起的运动轨迹的突变问题.实验结果证明,该方案可以有效地实现上肢位置跟踪,在运动时间为108 s的情况下,定位误差为运动路程的0.089％.     

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.     

带有转动机构的捷联惯导初始对准方法分析

在现有器件精度基础上依靠旋转调制技术实现更高精度导航成为当前惯性技术的研究热点。针对移动测量系统旋转光纤惯导系统对初始化可靠性和准确性提出的更高要求,设计一种不同惯性系下重力加速度建立转换矩阵的粗对准加两位置卡尔曼滤波精对准的初始化方法。分析粗对准过程转换矩阵求取机理,设计惯性坐标系重力及其微分构建初始捷联矩阵的方法;利用转动机构实现IMU处于2个最优方位完成光纤惯导系统的卡尔曼滤波精对准。转台实验结果表明,惯性系粗对准加两位置卡尔曼组合精对准可有效实现旋转惯导系统的高精度初始化。     

改进强跟踪滤波算法及其在汽车状态估计中的应用

准确实时地获取汽车行驶过程中的状态变量,对汽车底盘控制有着重要的意义,而这些关键状态往往难以直接测量或 者成本较高.结合纵向、侧向和横摆三自由度非线性汽车模型,将改进强跟踪滤波(Improved strong track filter, ISTF)算法应用到汽车的状态估计中,并改进了算 法的稳定性.与扩展卡尔曼滤波(Extended Kalman filter, EKF)算法进行比较分析.通过Carsim和Matlab/Simulink联合仿真和实车双移线实验验证算法,结果 表明,该算法在估计精度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.