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.     

基于非线性互补滤波算法的四旋翼飞行器姿态信息融合处理

针对四旋翼飞行器的MEMS惯性测量单元在姿态测量过程中存在着漂移和噪声误差等问题,在经典互补滤波融合算法的基础上提出了一种改进型的姿态融合处理算法,并搭建了以MPU6050为姿态测量单元的四旋翼飞行器硬件测试平台,分别在静态和动态环境下对惯性测量单元直接解算得到的姿态数据、传统互补滤波融合得到的姿态数据及改进后滤波算法融合得到的姿态信息进行对比.结果表明,改进后的姿态融合算法在静态环境和动态环境下都表现出了优于传统互补滤波的姿态融合处理效果.     

自适应显式互补滤波在六旋翼飞行器中的应用

针对六旋翼飞行器的惯性传感器在测量过程中存在漂移的问题,提出了基于自适应显式互补滤波的姿态解算算法,并对该算法的原理和稳定性进行分析;搭建了六旋翼飞行器的实验测试装置,并进行机体的动、静态测试实验.在实验中,对自适应显式互补滤波算法、显式互补滤波算法以及陀螺仪传感器测量方法进行比较.实验结果表明:自适应显式互补滤波算法能够实现惯性传感器的解算姿态角误差收敛,且动态误差最小.     

四旋翼飞行器自适应滑模控制设计

针对四旋翼飞行器姿态模型建模误差以及外部扰动不确定性的特点,提出了一种基于自适应滑模的非线性控制器。采用参数自适应控制方法逼近系统中的建模误差项,滑模控制方法进一步抵消系统建模误差以及外部不确定扰动项。并采用李雅普诺夫稳定法证明了所设计的控制器能够实现全局渐近稳定。最后,通过四旋翼姿态飞行实验,验证了文中所提出控制方法的有效性,能够实现小型四旋翼姿态的稳定控制,其抗扰性能优于传统PID控制。     

四旋翼无人机飞行姿态模型参考自适应控制

四旋翼无人机具有机械结构简单、可垂直起降等优势,在各个领域都有极广泛的应用.经典控制算法如PID对无人机在受扰动或环境变化时的控制效果不理想,难以调节至平衡状态.论文对动力学建模加以适当简化,设计了自适应控制律,数值仿真实验结果表明,模型参考自适应控制能在很大范围内有效屏蔽干扰,验证该算法是有效的.     

基于自适应互补滤波的四旋翼飞行器姿态解算

在四旋翼无人机中,姿态传感器采用捷联式惯导惯性检测单元(IMU),其中包括加速度计、陀螺仪、电子罗盘和空气压力高度计.这些传感器在工作过程中存在温度漂移以及噪声干扰,为了得到准确的姿态数据,首先建立了传感器四元数模型,在频域中设计互补滤波器,并设计了PI自适应补偿系数,对传感器数据进行融合、补偿和修正,有效地避免了系统模型误差对姿态估计的影响.修正后的角速度通过一阶龙格-库塔法、四元数算法完成飞行器的姿态解算.传统互补滤波器在噪声大时滤波效果不理想,故加入PI控制,形成一种效果更好的自适应滤波算法,根据仿真结果,该算法滤波后的信号比传统互补滤波的结果更加平滑,更接近理想波形.     

四旋翼飞行器的模型参考自适应控制研究

针对四旋翼飞行器的姿态控制中的受扰动问题,提出了使用模型参考自适应算法加强四旋翼飞行器的姿态稳定性;常规控制器对四旋翼飞行器受扰时的控制很不理想,模型参考自适应控制器在外部干扰或环境影响出现时,能够结合参考模型,提高控制系统的动态品质;结合动力学模型并加以适当简化,设计了常规反馈控制器和模型参考自适应控制器,并进行了数据仿真实验;结果表明,模型参考自适应控制器能够在很大的范围内有效屏蔽干扰,缩短稳定控制时间,验证该算法在四旋翼飞行器姿态控制中是可行有效的。     

基于混合滤波的四旋翼无人机抗干扰姿态控制系统设计

针对四旋翼无人机抗干扰姿态控制系统抗干扰能力较差,控制性能较差的问题;文章提出基于混合滤波的四旋翼无人机抗干扰姿态控制系统,优化设计了系统的硬件和软件部分;硬件部分设计主控制器,通过发生器输出的PWM波信号控制电速;设计传感器模块,测量姿态角与加速度等数据,采用双陀螺仪和双加速度计结构,避免共振对测量结果产生影响;设计电机驱动模块,选用X2216型无刷直流电机为运行提供较高的转速和响应速度;设计无线数据传输模块,选用3DR无线数据传输模块实时监测姿态信位置信息数据;构建基于混合滤波的四旋翼无人机抗干扰姿态控制系统,对角速度数据、加速度数据等数进行融合改正,再运用互补滤波器对陀螺仪和加速度计进行信号检测和控制调度,得到精确的实时姿态角;采用姿态控制算法和串级PID控制策略,提高对系统的控制力,保证飞行的平稳;实验结果表明,基于混合滤波的四旋翼无人机抗干扰姿态控制系统抗干扰性强、控制能力高以及响应速度快。     

四旋翼飞行器姿态的自适应反演滑模控制研究

微小型四旋翼飞行器是一种欠驱动、强耦合的非线性系统.针对四旋翼飞行器控制中的姿态控制优化进行研究,建立了四旋翼飞行器完整的姿态运动模型,为提高系统响应速度和抗干扰性,在反演控制基础上与自适应和滑模控制方法相结合,根据Lyapunov稳定性进行控制系统设计,并选取合适的控制参数使所设计的控制系统是渐进稳定的,最终设计了一种基于自适应反演滑模算法的姿态控制器.通过计算机仿真软件进行验证,结果表明所设计的控制器与其它算法相比具有更快的响应时间和很强的鲁棒性.     

自适应中值滤波算法在图像处理中的应用

为了比较自适应中值滤波相对于传统中值滤波在滤除数字图像中噪声时的优缺点,文章通过Matlab实现了中值滤波和自适应中值滤波仿真,分析了两种算法的滤波效果,从而从主观图像和客观参数上反映了自适应中值滤波算法的优越性,得到了它比传统中值滤波算法具有较好的图像去噪和细节保护性能的结论。     

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波（IAWMF）算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口（N ×N）的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明：改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比（ PSNR）、均值平方误差（MAE）、均值绝对误差（MSE）显著优于其他算法,在降噪和保持细节中取得很好的平衡。     

自适应混合滤波在脉搏实时监测系统中的应用

针对脉搏传感器在数据采集过程中干扰信号对系统测量精度带来的影响,提出了一种自适应混合滤波算法.该算法将限幅滤波、递推中位值平均滤波、递推平均滤波相结合,并针对采样长度对滤波效果的影响,自适应采样窗口大小的调整,可有效消除偶然脉冲与抑制周期性脉冲的干扰.通过对10名测试者进行测量实验,将心电图机测量数据、使用与未使用自适应混合滤波的脉搏实时监测系统测量数据进行对比.实验结果表明:使用滤波算法后,脉搏测量的算术平均差约为0.4 BPM,比未使用滤波算法整体提高约9倍.     

基于联邦滤波的自适应算法研究

针对标准卡尔曼滤波器对系统的模型和噪声的统计特性依赖性强,而系统的准确数学模型难以建立的问题,结合联邦滤波和自适应估计理论,提出了一种基于联邦滤波的自适应算法。该算法通过残差的实际值与理论值的比值来确定误差方差阵的估计值,然后调节自适应卡尔曼滤波器的渐消因子,从而有效提高了联邦滤波器的适应能力。由仿真结果可知,改进的联邦滤波器能较好地利用测量信息对系统的相关参数进行自适应的调整,滤波结果具有很好稳定性和准确性。     

多新息抗差-自适应卡尔曼滤波定位算法研究

针对移动机器人在定位过程中,由传感器测量误差和机器人模型引起的位姿误差导致系统定位精度急剧下降的问题,提出了一种多新息卡尔曼滤波算法.在标准卡尔曼滤波的基础上,当传感器测量值存在误差时,引入抗差权因子,通过改变误差测量值的权值提高滤波器的估计精度;当机器人位姿存在误差时,引入自适应因子,通过调整状态协方差矩阵的大小抵制位姿误差引起的滤波发散.同时,引入了多新息,即多个时刻的新息向量,进一步提高此非线性系统的精度.实验表明:当存在测量误差和位姿误差时,该滤波算法能有效提高定位精度.     

基于改进NLMS算法的自适应滤波算法

最小均方算法是应用最广泛的自适应算法之一,但其收敛速度欠佳。在传统NLMS算法的基础上,提出了重复调整归一化最小均方算法(DRNLMS)即在相邻两输入信号样本的间隔时间进行额外调整运算,以提高算法的收敛性,并通过计算机仿真实现该算法。     

自适应人工免疫网络在协同过滤推荐中的应用

为解决协同过滤技术中存在的稀疏性、可扩展性问题,提出了一种基于自适应人工免疫网络的协同过滤算法.该算法将协同过滤推荐技术与自适应人工免疫网络相结合,利用人工免疫网络自身的克隆变异机制产生隐式评价来降低数据稀疏性,利用克隆抑制、网络抑制机制减少数据维度来提高可扩展性.实验结果表明,该算法提高了推荐精度,具有一定的实际意义.     

改进的自适应中值滤波

均值滤波能较好的平滑图像的噪声,自适应中值滤波能较好的保存原始图像的细节和边缘。为了恢复被高密度脉冲噪声污染的图像,提出了改进的自适应中值滤波算法,新算法结合了均值滤波和自适应中值滤波两者的优点。实验结果表明,该算法能够有效地消除被污染图像中的高密度脉冲噪声,并较好地保留原始图像细节和边缘。     

一种粒子滤波的改进算法

在强非线性、非高斯系统、高精度测量的环境下,针对粒子滤波（PF）算法的跟踪性能降低问题,提出一种PF的改进算法。由于PF算法的计算量虽然小但精度不高,而无迹粒子滤波（UPF）算法精度虽然很高但计算量过大,结合PF算法计算量小和UPF算法精度高的优势,提出一种PF改进算法。对PF、UPF和PF改进算法三种跟踪算法进行了仿真,结果表明,改进PF算法的跟踪精度和UPF的跟踪精度相当,但所需运算时间仅为UPF算法的35%左右。     

改进的自适应中值滤波算法

中值滤波窗口大小影响滤波器性能,3×3滤波窗口可以很好地保持图像细节。提出一种新的自适应中值滤波方法。将3×3窗口中心的极值点作为候选噪声点,若候选噪声点仍然是7×7窗口的极值点,则该点即是噪声点。若以噪声点为中心的3×3滤波窗口的中值不是噪声,则噪声用中值替换。重复以上过程,直到没有噪声点被替换。如果图像中仍然存在大的噪声团块,则噪声用相邻的三个信号点的灰度均值替换。实验结果表明,该方法能够有效去除脉冲噪声,并在抑制噪声的同时很好地保护图像的细节。