四旋翼飞行器互补滤波姿态求解器的设计

精确的姿态角在四旋翼飞行器稳定飞行中起着非常重要的作用,为了实现小型低成本四旋翼飞行器高精度姿态数据的输出,搭建了STM32F103、MPU6050和气压计组成的姿态检测系统。并基于四元数微分方程,提出了一种PI改善型互补滤波姿态求解器的设计算法。该算法对陀螺仪测量数据进行了高通滤波、对加速度计和磁力计测量数据进行了低通滤波,提高了姿态解算精度。最后,通过实验平台将测量的PI改善型互补滤波算法与普通互补滤波算法四旋翼姿态角进行了比较分析,实验结果表明,PI改善型互补滤波算法求解器的姿态角动态误差较小,性能更稳定,能够满足小型低成本四旋翼飞行要求。     

基于四元数二阶互补滤波的四旋翼姿态解算

姿态解算是四旋翼飞行器的关键技术,其精度直接影响飞行器控制的可靠性和稳定性。针对当前常用一阶互补滤波算法中阻带衰减速率慢和陀螺仪常值漂移产生的稳态误差问题,通过增加积分环节,设计了一种基于四元数的二阶互补滤波算法,能更好地利用加速度计和磁力计的稳态信息有效补偿陀螺仪常值漂移,从而减少姿态解算的累积误差。仿真结果表明,该算法具有更好的稳定性,提高了系统的姿态解算精度。通过飞行器真实飞行数据对算法进行了实验验证,结果显示姿态的俯仰角、横滚角精度1°,偏航角精度2°,能很好地满足飞行器控制系统对姿态解算的精度要求。     

基于时间序列和积分控制的姿态融合算法研究

四旋翼或多旋翼飞行器环境适应能力强、机械结构简单、操控灵活、飞行稳定,应用广泛。其核心算法包含姿态融合算法和飞行控制算法。为估算飞行器最优姿态,提出一种融合闭环控制和时间序列预测法的加速度传感器数据和陀螺仪数据融合的算法。该算法采用时间序列预测法估算加速度传感器、陀螺仪误差,积分控制器修正陀螺仪漂移误差。通过理论分析、MATLAB仿真、四旋翼飞行器实验平台验证,该姿态融合算法对于估算飞行器姿态具有较快的收敛速度和较高的精度,其角度误差、角速度误差极小。     

改进的Kalman滤波算法在飞行器测距中的应用研究

为了解决四旋翼飞行器避障系统中激光和超声波传感器测距数据误差较大的问题,设计了一种改进的Sage_Husa自适应Kalman滤波算法。首先,在算法中引入遗忘因子,修正观测噪声协方差,校正数据结果,并使用Sage_Husa法对传统自适应Kalman滤波算法进行简化;然后,针对不同材质的障碍物墙面进行测距实验;最后,将结果与单一传感器和传统Kalman滤波算法的实验结果进行对比。结果显示,改进的Kalman滤波算法使激光和超声波传感器测量数据的融合结果更加稳定、准确,证明该算法能有效提高传感器的测量精度。     

基于IMU的机器人姿态自适应EKF测量算法研究

为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪信号随时间发生漂移等影响测量精度的问题。针对这些问题,设计了一种自适应拓展卡尔曼滤波(EKF)姿态测量改进算法。基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage-Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差。实验结果表明,相比Sage-Husa自适应滤波算法,该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36.43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14.28%和19.44%,能有效提高姿态测量精度。     

多旋翼姿态解算中的改进自适应扩展Kalman算法

提出了一种改进的Sage-Husa自适应扩展Kalman滤波算法,用于保证多旋翼无人机在噪声统计特性未知且时变、振动为主要扰动源、姿态角高动态变化等飞行条件下飞行姿态角解算的精度与稳定性。该算法采用微机电系统陀螺仪实时动态解算的姿态角方差估计系统噪声方差;并采用自适应滤波算法在线估计量测噪声方差,从而保证滤波的精度与稳定性;同时引入滤波器收敛性判据,结合强跟踪Kalman滤波算法来抑制滤波发散。飞行实验与分析表明:改进算法解算的俯仰角与横滚角均方根误差分别为1.722°和1.182°,明显优于常规的Sage-Husa自适应滤波算法。实验还显示:改进的算法自适应能力强、实时性好、精度高、运行可靠,能够满足多旋翼无人机自主飞行的需要,若对参数进行适当修改,还可应用于其它动态性能要求较高的导航信息测量系统中。     

基于互补滤波算法的四轴飞行控制系统设计

针对目前大多数飞行控制系统姿态信息获取不全、数据融合算法复杂等问题,对四轴飞行器的姿态数据采集、传感器数据特性、数据融合、飞行控制模型等方面进行了研究,对四轴飞行器的多传感器数据融合的特点进行了归纳,详细介绍了互补滤波算法的实现过程,设计了一种基于互补滤波融合算法的四轴飞行控制系统。采用了陀螺仪、加速度计和电子罗盘作为传感器组,将其用于多种姿态信息的获取,通过使用经典的PID控制器实现了飞行器的控制算法,在STM32平台上完成了飞行控制系统的软、硬件设计。最终,在制作完成的硬件上,对数据融合算法的效果进行了比较和分析。研究结果表明,该设计能够高效地融合MEMS与GMR传感器的数据,解算出的姿态角可靠性高,可以满足四轴飞行器的飞行控制要求。     

基于STM32的四旋翼飞行器的设计与实现

针对四旋翼飞行控制器姿态数据测量易受干扰、算法实现及设计较为困难等问题,设计并实现了以高性价比的STM32F103VET6微处理器作为主控板的四旋翼飞行器。选用六轴运动组件MPU6050、电子罗盘HMC5883L及气压计MS5611等传感器对飞行器姿态数据进行了实时采集,并结合卡尔曼滤波方法对姿态数据进行了数据融合。在控制算法上采用了非线性双闭环PID来实现两组四个电机的转速控制,并通过遥控器对四旋翼飞行器的飞行姿态进行实时调节。飞行试验表明:基于STM32F103VET6微处理器的四旋翼飞行器能够实现姿态、航向、悬停等控制功能,达到了预期的目的。     

提高机器人末端姿态检测精度的数据融合算法

为了实现基于多传感器技术的机器人末端姿态的精确检测,通过对多传感器数据融合算法进行研究,提出构建基于九轴无线姿态传感器(LPMS-B)及相关数据融合算法的检测方法。该方法首先提出一种改进的高斯牛顿算法(IGN)实现了对加速度计和磁强计采集的数据的姿态四元数寻优估计,其次,通过更新的四元数算法对陀螺仪采集的数据求取四元数,最后,将改进的高斯牛顿算法和更新的四元数算法得到的四元数进行互补滤波,求取精度更高的四元数,解算出姿态角,并在OTC机器人平台上进行试验。试验研究结果表明,该检测方法使得姿态检测精度相比于四元数法、卡尔曼滤波和实际测量值有着较大的提高,能更准确的获得机器人末端精度。     

巡飞弹空中自适应快速初始姿态估计

为了解决巡飞弹空中上电后在无参考姿态条件下的初始姿态确定问题,采用低成本磁力计、陀螺仪和加速度计(MARG)传感器设计姿态航向参考系统(AHRS),并提出了一种自适应参考矢量权重的快速初始姿态估计(AFCF)算法。首先,提出了三轴传感器使用前的快速误差校准方法;然后,采用快速互补滤波算法进行姿态估计,分析了其权重函数对于初始姿态估计及收敛性等的影响;接着,提出自适应参考矢量权重及自适应姿态估计方法;最后,利用高精度MTI(Milliren Technologies,Inc)传感器数据对算法进行了验证,并在低成本MARG姿态航向参考系统中对算法进行了实现,对比了改进算法及扩展卡尔曼滤波(EKF)算法的性能。实验结果与分析表明:动态条件下采用MTI传感器数据,改进算法能够在初始时刻收敛,比快速互补滤波(FCF)算法提前约4s;解算精度约为±0.6°,初始时刻精度明显优于FCF;硬件测试则表明改进算法的处理时间为0.062ms,仅为EKF算法的1/9,解算精度约为±1.3°,能够满足姿态测量过程快速收敛、高精度、实时性等要求。     

基于偏振光传感器的无人机姿态组合滤波算法北大核心CSCD

针对惯性导航易受运动加速度影响和GPS与磁力计导航易受到电磁干扰影响等问题,提出了一种偏振光辅助惯性导航的无人机航姿估计算法。利用大气瑞利散射模型获取最大偏振矢量,辅助惯性元件实现了基于PI互补滤波的姿态四元数更新算法;对陀螺仪、加速度计和偏振光传感器信号进行粒子滤波的融合修正。实验结果表明:该方法解算的姿态角在静态条件下性能稳定,抑制了传感器噪声;同时在运动情况下准确性大幅提升,具有更好的动态解算精度。     

全向AGV的优化互补滤波姿态解算

针对单一的MEMS陀螺仪无法解决本身的易发散和磁力计易受磁场干扰导致引入新的噪声,而带来的姿态估计不精确的问题,提出了一种基于全向AGV的优化互补滤波的姿态解算方法.偏航角不参与四元数解算,在水平姿态角四元数解算的基础上,利用共轭梯度法减小陀螺仪的漂移误差.再引进经过椭球修正后的磁力计数据作为观测量,与偏航角进行一阶互补滤波融合,并确定加权因子.搭建了基于STM32和MEMS传感器为核心的全向AGV实验平台,实验结果表明,该方法能有效抑制陀螺仪易发散和磁力计易受干扰的问题,提高姿态解算的精确性,使姿态解算具有良好的动态和静态性能,同时保证了系统的稳定性.     

风场环境下四旋翼飞行器抗干扰研究

针对四旋翼在室外飞行时易受到气流干扰,难以实现精准控制的问题,首先对四旋翼在室外飞行时的风场环境进行建模,将风场影响添加到四旋翼动力模型当中;其次,设计了自适应扩展卡尔曼滤波器(Adaptive extended kalman filter,AEKF),通过实时调整噪声协方差的自适应因子提高飞行器姿态数据的滤波精度,并将数据反馈给PID位置控制器对飞行器进行控制。实验表明,建立的模型能够有效反映四旋翼在风场环境下的运动规律,采用PID与AEKF相结合的控制策略可以提高系统的抗干扰能力,实现在风场环境下对四旋翼的精准控制。     

基于UART总线的四旋翼飞行器姿态采集

利用MPU6050模块对四旋翼飞行器的飞行姿态进行测量,其测量数据与上位机之间的通信方式采用UART总线,利用LabVIEW中的VISA节点实现对UART总线的数据读取,并进一步对所得数据进行处理,建立了反应迅速、准确性高的四旋翼飞行器的主控芯片与姿态测量芯片之间的数据通信,为四旋翼飞行器的稳定控制提供了准确的姿态信息。     

四旋翼无人机陀螺阵列数据融合算法

针对目前四旋翼无人机使用单姿态传感器存在的易受噪声干扰、稳定性较差的问题,本文利用陀螺阵列形成多节点、抗干扰、较稳定的多姿态系统,提出基于新型陀螺阵列的四旋翼飞行姿态测量系统,利用多个低精度的微机械电子系统组成测量阵列,提高系统数据的精确性和稳定性,同时文中也提出一种相应的基于邻域搜索的BP网络数据融合算法,解决了BP神经网络传统训练过程需要准确给定输出值的问题,将BP神经网络模型用作陀螺阵列数据的融合处理中。实验结果表明,本文设计的多陀螺阵列系统比单陀螺系统在抗噪声方面有了明显改善,相比传统线性加权融合等算法,本文算法在支持度方面提升9. 2%,残差缩减44. 2%,实物实验表明文中方法对于提高四旋翼无人机的飞行稳定性具有一定的实际意义。     

随钻姿态测量重力加速度自适应提取算法

为解决旋转导向钻井过程中由于钻具的高速旋转、剧烈振动和冲击给随钻姿态测量带来巨大干扰的问题,基于互补滤波框架提出了一种钻具重力加速度提取算法。首先通过余弦矩阵微分方程得到基于陀螺仪的重力加速度的递推方程,然后利用陀螺仪和加速度计在频率上互补的特性,在互补滤波框架下融合得到钻具重力加速度;同时,为了提高系统鲁棒性,利用非重力加速度和钻具旋转速度作为模糊算法输入,通过模糊算法动态调整互补滤波参数;最后设计了振动和旋转实验验证了算法的有效性。实验结果表明,使用本文算法提取重力加速度后姿态估计精度得到明显提升,本文算法相比于基于Kalman滤波框架的重力加速度提取算法在PC机测试环境下单次运算时间减少31.9%。     

微惯性组件多传感器数据融合测姿方法研究

针对微惯性测量组件在微型机器人、小型无人飞行器等微惯导领域应用为研究背景,开展了微惯性组件中融合多种传感器信息的姿态测量方法研究。通过陀螺仪,加速度计,磁阻传感器等微惯性传感器的测姿方法,对不同传感器组合测试得到结果进行数据融合,选择融合测姿结果作为观测数据,随后联合无迹卡尔曼滤波器进一步准确估计载体姿态。采用研制的微惯性组件与商用AHRS系统搭建了实验平台,开展了不同算法下的人体姿态测量实验,实验结果验证了算法的有效性。     

磁传感器偏航角诊断滤波方法研究

在磁干扰环境中,磁传感器解算的飞行器偏航角会出现偏差。针对磁干扰导致的估计误差问题,面向模型不确定性飞行器系统,提出了基于非线性扩张状态观测器的磁传感器偏航角诊断滤波方法。该方法首先设计了一种双参数型非线性扩张状态观测器,降低了参数复杂性;然后基于该观测器设计改进型观测器残差法,对磁干扰数据进行诊断过滤;最后,设计了基于误差预测的改进型互补滤波器,通过融合滤波进一步抑制磁干扰。静态仿真实验结果表明,本文所设计的诊断过滤方法数据匹配率超过94%,融合滤波结果相位超前且更为平滑;动态飞行实验结果表明,该诊断滤波方法有效抑制了磁干扰对四旋翼飞行器偏航角估计的影响,增强了飞行器的稳定性和抗磁扰能力。     

融合EMA和卡尔曼滤波的MEMS去噪研究与应用北大核心CSCD

针对传统卡尔曼滤波器应用于高灵敏度传感器去噪时的参数初始化问题,通过理论分析了不同测量噪声和系统噪声值对滤波效果的影响,并提出了一种融合EMA和Kalman的滤波算法,以提高对MEMS惯性传感器等高灵敏传感器的滤波效果。仿真结果表明:该算法相对经典卡尔曼算法在收敛前期RMES提升了约13%,在收敛后期提升约10%。并将其应用于MEMS的加速度姿态解算的滤波,结果表明:该算法的滤波效果明显优于经典卡尔曼和互补滤波算法。     

基于多MEMS传感器组合姿态解算仿真研究

针对传统单组MEMS传感器在姿态解算中所面临精度低、稳定性差等问题,提出一种基于多MEMS传感器组合姿态解算方法。载体坐标系各轴采用4组传感器,两两对角安装,将组合传感器测量数据与四元数估计数据做向量积,通过两组模糊和两组PI算法进行组合调节,利用互补滤波进行数据信息融合,通过自适应扩展卡尔曼滤波对修正后角速度进行预测估计,求得姿态角数据。仿真结果分析,所提出的方法较传统姿态解算方法具有更高的精度和稳定性。