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.     

微型惯性测量组合姿态测试系统

本文介绍了微型惯性测量组合系统的构成,姿态的解算算法和参数识别的卡尔曼滤波方程.提出了用四元素四阶龙格-库塔法作为捷联惯导系统的姿态更新算法,并叙述了算法仿真程序.     

惯性测量单元姿态融合的动态分析

针对惯性测量单元背景噪声和器件漂移等问题,提出了一种基于梯度下降法、互补滤波和卡尔曼滤波的融合算法.首先,利用加速度计和磁力计的数据通过几何计算得出姿态角.其次,利用梯度下降法,将加速度计和陀螺仪的数据进行基于四元数法的数据融合,得出姿态角.接着,利用互补滤波法将姿态数据再次结合.最后,利用卡尔曼算法对结合后的数据进行...     

基于MEMS的姿态测量系统

载体的姿态测量是载体进行预计轨迹运动的基础.姿态测量有多种方式,其中采用磁场传感器测量大地磁场确定航向的方法由于结构简单、体积小、重量轻、启动迅速、成本低等特点,自古至今一直得到应用.本课题在此基础上,利用微机电系统(MEMS)技术,设计了由微机电传感器组合而成的微型方位水平仪,该系统由三轴微加速度计和三轴微磁强计组成.利用大地磁场和重力场在地理坐标系和载体坐标系之间的方向余弦转换进行绝对角度解算得到姿态角.该微型姿态测量系统体积小、重量轻、功耗低、启动快、无长期漂移,可进行全姿态动态连续测量,测角精度为±0.5°(俯仰和滚转)、±0.7°(航向).     

EKF与互补融合滤波在姿态解算中的研究

传统的信号滤波方法不能有效的融合多传感器测量数据,或者融合中失去过去信号状态信息.针对这一问题,提出了扩展卡尔曼滤波(Extended kalman filtering,EKF)与互补滤波融合的信号处理策略.借助STM32微处理器采集MPU9250惯性测量传感器的原始数据,运用多传感器信息融合的处理算法,比较了互补滤波姿态解算结果和对互补滤波过程中所得的四元数运用EKF矫正后进行姿态解算的结果,以及互补滤波解算的欧拉角运用EKF矫正后的姿态数据.通过实验中3种解算结果与理论值的对比,得出结论:采用互补滤波会存在一定超调量,且结果波动较大,存在较大的噪声,对互补滤波过程中的四元数进行EKF滤波虽能降低解算结果的噪声,但仍存在超调量.而应用EKF矫正互补滤波解算出的欧拉角能同时解决超调量和降低噪声误差,抑制了随机波动,起到了更好的解算效果.     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,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。     

基于预估测量值的EKF在手臂测姿中的应用

针对载体线性加速度以及周围局部磁干扰对姿态测量精度的影响,基于已有的惯性测量单元,设计了一个基于四元数的实时估计手臂姿态的扩展卡尔曼滤波器(EKF)。提出利用四元数引入加速计和磁强计的预估测量值构造自适应测量噪声协方差阵的方法,结合QUEST算法,来判定姿态角解算对陀螺仪、加速计和磁强计输出信息的依赖程度,以此来提高测量精度。文末通过实验仿真对该方法进行了验证,并对实验结果和电磁跟踪系统采集到的数据进行了比较,结果表明,本文提出的方法能显著提高手臂姿态测量精度,可有效满足应用要求。     

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。     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

基于卡尔曼滤波的四元数姿态解算算法研究

针对MEMS惯性测量单元器件特性导致的测量精度低,数据发散和航向角积分漂移等问题,提出一种基于卡尔曼滤波的四元数姿态解算算法。设计了4维卡尔曼滤波器,通过加速度计和磁力计的数据作观测量,对姿态解算过程中的四元数进行线性最优估计,在计算量没有大幅提高的前提下修正了四元数的值,进而完成了对姿态角和姿态矩阵的补偿。通过在无磁转台上进行静态测试以及在测试标定系统上进行动态测试,分析各轴向的补偿效果表明,该方法可以有效增强MIMU的动态跟随性能、明显提升姿态解算精度。     

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.     

高精度小型无人机空速测量系统设计

空速是无人机重要测量参数之一,介绍了无人机空速测量原理,论述了系统硬件组成和软件设计。针对指示空速和动压之间的非线性函数关系,提出非均匀线性插值算法进行拟合,在解决单片机计算能力不足的基础上保证了解算精度。实验表明:该系统相对误差小于0.15%,具有精度高、体积小、稳定性和抗干扰性强等特点,满足空速测量系统设计要求。     

固定翼无人机的自抗扰反步控制

针对固定翼无人机姿态和速度控制中系统存在模型不确定性和外界扰动的情况,本文设计了基于扩张状态观测器的反步控制器抑制系统扰动以提高无人机的控制性能.首先建立无人机速度误差模型和姿态误差模型,其中姿态误差模型采用四元数作为变量以避免欧拉角在描述姿态时存在的奇点问题和复杂三角运算;进而设计扩张状态观测器对系统中存在的扰动进行估计,并将扰动估计值与控制器设计相结合,分别设计出姿态控制器和速度控制器来抑制扰动的影响且使无人机姿态和速度收敛到期望值.最后基于李雅普诺夫理论证明系统的稳定性.仿真结果表明,本文所设计方法能够抑制系统中存在的扰动.     

无人驾驶飞行器姿态的非线性扰动抑制控制

本文研究了无人驾驶飞行器(unmanned aerial vehicle,UAV)的姿态跟踪控制问题.针对在飞行器姿态跟踪时存在的系统模型不确定性和外界扰动,提出了一种基于四元数的姿态跟踪控制方法,基于UAV的姿态误差模型分别设计系统的观测器和控制器.首先,以四元数为姿态参数建立系统的非线性误差模型;在此基础之上,设计一种非线性干扰观测器(nonlinear disturbance observer,NDOB)用以在线估计误差模型中的复合扰动,并在控制输入端进行相应的补偿.然后通过设计非线性广义预测控制律设镇定误差系统,实现姿态跟踪.最后基于频域理论分析了非线性干扰观测器的扰动抑制性能.仿真与实验结果表明本文提出的方法在系统存在复合扰动的情况下能使系统姿态有效的跟踪期望值.     

应用于多旋翼MAVs的姿态测量系统

应用一个三轴加速度计、三个单轴角速率陀螺和一个三轴磁强计等微机械惯性传感器,设计廉价轻量姿态测量系统,研究了姿态角推算算法。在以往的姿态测量系统中,陀螺偏差和动加速度的影响限制其应用。将角速度陀螺的误差作为状态量导入到系统,动加速度作为噪音项导入到观测方程中,然后利用扩展卡尔曼滤波器来构成姿态估计算法来降低误差。实际飞行中对比商用高精度传感器和多次室外飞行测试表明,设计的系统能够应于旋翼MAVs。     

基于IMEMS传感器的汽车行驶姿态检测系统设计

为了给汽车安全控制系统提供准确的行驶姿态数据,设计了基于集成微机电系统(IMEMS)传感器的虚拟仪器检测系统。系统采用IMEMS传感器采集车身姿态参数,在虚拟仪器平台下对数据进行分析处理,使用卡尔曼滤波器对测量值进行估计,并在实车工况下对检测系统进行测试。结果表明:系统能够很好地满足汽车行驶姿态检测的要求,具有可靠的实时性。     

EKF和互补滤波器在飞行姿态确定中的应用

设计了一种旋翼飞行姿态参考系统,采用基于加速度计和陀螺仪的惯性测量组合(IMU)测量飞行姿态数据。采集实测数据并运用Allan方差分析法分析其噪声特性,建立传感器模型;针对旋翼飞行器分别应用经典扩展Kalman滤波(EKF)算法和互补滤波算法进行姿态解算。在详细阐述2种算法的原理与实现的基础上,进行飞行器平台实验验证。研究结果表明2种算法均有效,且互补滤波器相对经典Kal-man滤波器更为简单、有效。     

基于低成本接收机的双天线测姿算法

针对低成本接收机双天线测姿系统利用直接法解算精度较低且存在系统粗差的问题，提出一种基于载波和伪距双差实时动态定位（RTK）卡尔曼滤波算法。首先，引入基线长度作为观测量，并将事先测量得到的精确基线长度作为观测量误差；然后，根据从天线接收机的历元时间间隔对主天线位置进行实时矫正，而周整模糊度采用改进LABMDA算法求解。在静态和动态情况下进行了测试，结果表明，在基线长度为1.1 m、采用GPS和北斗双系统进行观测的情况下，所提算法解算出的航向角精度在1°左右，俯仰角精度在2°~3°。相比传统的双天线直接法测姿，该算法在系统抗差性能和精度上都较优。     

Star-sensor-based predictive Kalman filter for satellite attitude estimation

A real-time attitude estimation algorithm, namely the predictive Kalman filter, is presented . This algorithm can accurately estimate the three-axis attitude of a satellite using only star sensor measurements. The implementation of the filter includes two steps: first, predicting the torque modeling error, and then estimating the attitude. Simulation results indicate that the predictive Kalman filter provides robust performance in the presence of both significant errors in the assumed model and in the initial conditions.     

基于MapX的无人机生存力分析系统

生存力是无人机设计和使用中最优先考虑的技术指标之一,针对现代战场仿真对态势实时显示及分析结果直观表现的要求,应用MapX组件技术研制了无人机生存力分析系统。首先,简要介绍了MapX的主要框架和特点,讨论了无人机生存力分析系统的功能、组成,并给出了系统的模块划分和程序流程;然后,详细分析了在VC++环境中结合MapX技术实现战区地图显示、漫游、缩放以及作战想定、生存力数据显示处理的功能;最后,给出了生存力分析仿真算例。仿真实验表明,该系统能真实、直观、动态地表现无人机所处的战场地理环境,便于生存力影响因素的分析。