基于卡尔曼滤波和互补滤波的改进型姿态解算方法

四元数融合互补滤波通常采用三轴陀螺仪的角速度积分来获取角度,进而利用角度求得四元数,再由四元数解算出姿态角。但三轴陀螺仪由角速度积分得到的角度由于温漂、单次迭代等原因,往往偏差较大,难以消除,这就导致求得的四元数精度不够,最终影响互补滤波解算出的姿态角的精度。针对这个问题,提出采用卡尔曼滤波融合陀螺仪、加速度计的数据进行基于误差协方差最小的迭代估计,并通过对过程噪声和观测噪声的滤波,最终得到姿态角的最优估计,再将这个估计值代入互补滤波中求得四元数,利用该四元数进行误差负增益调节。本工作基于STM32F4搭建实验平台进行验证,结果表明:该改进型姿态解算方法明显地提高了姿态角的精度,具有良好的动态和静态特性。     

基于四元数互补滤波算法的车载MIMU

针对MEMS惯性器件由于测量精度低、数据易漂移而导致车载惯性导航系统姿态解算数据不稳定和精度不高的问题,设计一种基于四元数互补滤波算法的高精度车载MEMS惯性测量单元(MIMU)。通过四元数算法降低MIMU在运行过程中的计算难度,解决姿态解算中的奇点问题。利用互补滤波算法对惯性传感器运行过程中的高低频误差进行动态补偿、数据融合,减小陀螺仪积分漂移累加,抑制加速度计振动误差,实现多传感器数据融合的MIMU姿态解算。将MIMU放置于高精度无磁转台上进行动态测试,通过设置转台运行动作模拟车载环境,采集并分析MIMU在动态环境中的各个轴向角实时数据与误差数据。试验结果表明,MIMU横滚角精度为0.26°,俯仰角精度为0.23°,航向角精度为0.51°。     

四旋翼飞行器的姿态解算及控制实现

针对四旋翼飞行器的姿态控制问题,首先结合四元数及互补滤波法给出姿态解算及数据更新算法;其次采用PID控制算法对姿态进行稳定控制;最后通过上位机观察数据得出控制效果曲线并在实物实验平台上基础上进行了实际飞行验证算法的可行性.实验结果表明:四元数互补滤波算法能实现稳定高精度的姿态解算;PID控制器可以有效的完成飞行器的自稳控制且能有效的校正外界扰动造成的角偏移量,满足四旋翼飞行器的控制要求.     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

飞行器姿态确定的四元数约束滤波算法

单位四元数作为姿态描述参数具有全局非奇异、运动学方程线性的优点,但其归一化约束必须精确保持.针对这一问题,提出一种飞行器姿态确定的非线性约束滤波算法.首先,通过比较四元数先验和后验估计值的范数大小,证明乘性扩展卡尔曼滤波算法难以获得姿态最优约束解.然后,将QUEST算法与乘性卡尔曼滤波算法有效结合起来,建立一个广义的二次约束优化目标函数;状态预测阶段利用姿态及其方差传播模型来修正目标损失函数,测量更新阶段则通过求解特征值/特征矢量问题,全局显性保持了四元数的归一化约束,避免了扩展卡尔曼滤波的局部线性化近似.数学仿真对所提出算法的精度、稳定性和收敛性能进行了验证,并与乘性扩展卡尔曼滤波算法进行了比较.     

一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于扩展卡尔曼滤波的无人机航姿算法

针对小型无人机在大机动或连续飞行时姿态解算精度低的问题,提出了一种基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的航姿算法。该算法以机体系加速度分量与陀螺漂移作为待估状态量,建立了非线性滤波模型,在对传感器量测值预处理的基础上完成数据融合,获得了姿态角数据的准确输出,同时,根据外部运动加速度的大小不断调整噪声协方差以达到对EKF的自适应修正,从而抑制无人机航姿解算中磁干扰的影响。经三轴转台实验测试,姿态角的静态误差不超过0.5°,动态误差不超过2°,瞬变磁干扰误差不超过5°,该结果表明该算法能有效提高小型无人机的航姿解算精度。     

基于加速度修正模型的无人机姿态解算算法

为提升动态环境下无人机导航系统姿态输出的精度,提出一种基于加速度修正模型的无人机姿态解算算法。建立加速度修正模型,求取估计非重力加速度和外部非重力加速度对加速度计输出值进行修正,减弱动态环境下非重力加速度对姿态解算的影响;搭建基于卡尔曼滤波的姿态解算模型,将修正加速度和磁力计解算的姿态角作为滤波模型的量测量,设计基于加速度修正模型姿态解算算法。实验结果表明,该算法可以减弱非重力加速度对姿态解算的干扰,避免无人机导航系统在动态环境中输出姿态角发散的问题,提升动态环境下无人机导航系统姿态输出的精度和抗干扰能力。     

基于地磁场自适应修正的航姿系统姿态解算研究

针对航姿参考系统(attitude and heading reference system,AHRS)中,MEMS陀螺仪输出噪声过大、零点漂移无法完全消除、角速率输出易受干扰等导致的姿态四元数精度低、累积误差较大等问题,提出了一种自适应扩展卡尔曼滤波算法,利用地球物理场(地球重力场、地磁场)信息不断自适应修正MEMS陀螺仪在姿态解算过程中的累积误差。在ROS机器人平台上进行了实验,实验结果表明该算法能有效解决在求解姿态四元数过程中累积误差较大的问题,同时可以提高姿态解算精度,进而验证了该算法的有效性。     

可分离式立体侦察机器人运动建模与仿真

针对陆空两栖侦察机器人侦察灵活性与姿态角估计准确性不足的问题,设计一种改进的可分离式立体侦察机器人。通过牛顿-欧拉法建立机器人姿态角解算模型,描述其横滚角、俯仰角和偏航角3种飞行姿态角。根据模型建立系统状态方程和观测方程,采用不敏卡尔曼滤波算法,进行姿态角解算,得到飞行姿态角最优估计值。对比仿真结果表明,不敏卡尔曼滤波算法比扩展卡尔曼滤波算法姿态角估计精度更高、实时性更强。实物性能测试结果表明,改进的机器人在空中飞行和地面运动性能表现良好,灵活性高。     

四元数约束的容积卡尔曼滤波及其应用

针对一些非线性系统状态变量中存在四元数约束的情况,提出了一种四元数约束下的容积卡尔曼滤波(quaternion constrained cubature kalman filter,QCCKF)算法．基于最小约束代价函数,采用三阶球面-相径容积规则近似计算系统状态的后验均值和协方差,给出了QCCKF滤波递推公式．设计的QCCKF算法可以有效地对状态进行估计,扩展了CKF的应用范围．最后对飞行器姿态估计系统进行仿真,仿真结果表明,该算法估计精度优于常规CKF和无迹四元数估计法(unscented quaternion estimator, USQUE),并满足四元数约束条件,较好地解决了非线性系统存在四元数约束的问题,验证了算法的有效性．     

基于重力场与地磁场序贯修正的姿态解算研究

针对无人系统姿态解算中存在陀螺仪误差发散快、磁力计易受软磁环境干扰等问题,提出了一种基于重力场与地磁场序贯修正的姿态解算方法。该方法采用陀螺仪输出构建姿态四元数的状态方程,然后依次利用加速度计与磁力计数据对四元数进行2次序贯修正,以获得姿态的准确输出。实验结果表明,相比传统的2种姿态解算算法,新算法能有效抑制陀螺仪的漂移误差,提高磁干扰环境下的姿态输出精度,其姿态角的静态精度不大于0.5°,动态精度优于2°。     

小型无人机飞行姿态串级控制系统

采用四元数互补滤波算法对IMU单元等多传感器采集到的数据进行解算融合,串级PID为小型无人机飞行姿态系统的控制算法。设计了实时监测子系统,实验结果表明,基于STM32的串级PID控制算法可以实现飞行姿态的有效控制。     

小型无人机姿态航向参考系统信息融合算法

介绍了互补滤波器的原理,对信息融合算法互补滤波计算姿态角的过程,从理论上分析了优劣性。仿真实验证明,互补滤波算法可以实现无人机的高精度姿态解算。     

MEMS惯性传感器融合的水平姿态解算方法

为获取惯性导航系统的姿态信息,针对MEMS惯性测量单元,设计了基于多传感器信息融合的水平姿态解算方案.在此基础上,提出了一种基于卡尔曼滤波的解决方案:利用陀螺仪测得的角速度更新前一步的姿态角,利用加速度计对重力矢量的观测修正陀螺仪给出的姿态角信息.设计了水平姿态解算试验平台以验证该算法,采用姿态航向参考系统AHRS500GA提供精确姿态角对解算结果进行对照,试验结果表明:在静态、动态条件下该算法均能准确地得到实时水平姿态角,其误差一般小于1°.     

二阶插值非线性滤波在卫星姿态确定中的应用

基于多项式插值近似,导出了具有良好实时性能的二阶插值非线性滤波算法,并将该算法应用于星光-陀螺模式下三轴稳定卫星的姿态确定中.这种姿态估计算法的实现非常简单,其运算量与传统的扩展卡尔曼滤波姿态估计算法相当,但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致;而且,在二阶插值非线性姿态估计算法中,避免了由四元数正交约束所造成的协方差阵奇异性问题.     

一种基于MEMS传感器的全局渐进稳定的姿态估计算法

针对微小型无人飞行器的控制对高精度、小体积、低功耗的姿态信息的需求,提出了一种实用的基于MEMS传感器的姿态解算算法,实现了在低加速度状态下对飞行器姿态的精准估计。该算法将MEMS陀螺仪、加速度计和磁力计的数据作为输入,采用一种全局渐进稳定的状态观测器方法对3种传感器数据进行融合,进而得到欧拉角输出。首先,针对实际航姿参考系统(AHRS)设计的需求,改进了TRIAD算法,使用加速度计和磁力计的量测向量来估计姿态旋转矩阵。与传统方法相比,该方法避免了矩阵的求逆过程。其次,在获得了量测向量确定的姿态旋转矩阵的基础上,设计了无需观测陀螺仪零偏的状态观测器,并证明了姿态角的收敛性。最后,基于实际MEMS传感器采样数据的仿真结果表明,在存在陀螺仪噪声和零偏的情况下,文中设计的状态观测器输出依然具有较高的精度和较好的动态特性。     

量测不确定的四元数约束CKF姿态估计

针对姿态估计系统在量测不确定和四元数约束下存在发散及估计精度差的缺陷,提出了一种基于不确定量测的四元数约束容积卡尔曼滤波算法(quaternion constrained cubature Kalman filter based on uncertain measurements,UCCKF).该算法克服了约束容积卡尔曼滤波算法的局限性,采用独立的伯努利随机变量来描述量测的不确定性,利用三阶球面-相径容积规则近似计算非线性函数的后验均值和协方差.并针对四元数规范化问题,采用两步投影理论来解决四元数约束限制.仿真结果表明,相比较于约束容积卡尔曼滤波(constrained cubature Kalman filter,CCKF)和无迹混合滤波(unscented mixture filter,UMF),提出的UCCKF算法在量测不确定情况下具有更好的收敛性和更高的估计精度,说明该算法对量测不确定下的非线性姿态估计系统是有效、可行的.     

Student’s t滤波框架下的信息融合算法

针对多传感器系统的观测噪声为非高斯噪声的问题,通过Student’s t滤波框架和四元数特性相结合,以无迹变换计算Student’s t加权积分函数,设计基于Student’s t分布的无迹四元数滤波算法,作为局部滤波算法. 利用拉格朗日乘子法计算最优融合权重系数,通过线性加权融合的方式,对各局部滤波结果进行融合. 采用基于四元数的目标姿态运动模型进行仿真,利用3个星敏感器同时对同一目标进行观测,通过与已有的鲁棒无迹Student’s t滤波（RSTUF）算法对比,验证所提算法的有效性. 仿真结果表明：所提算法在对目标姿态的估计精度、滤波收敛速度及收敛后的数值稳定性方面均高于RSTUF算法;通过多个观测信息互补,提高了估计精度及容错性.