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.     

基于小波神经网络修正自适应滤波的钻具姿态解算研究

针对惯性随钻测量中,由于钻头振动导致系统三轴加速度计数据失真,从而使得解算的钻头姿态角误差较大的问题。提出一种基于小波神经网络(WNN)与自适应滤波(AKF)联合对钻具姿态进行估计的方法,首先建立钻具姿态自适应滤波的状态空间模型,根据估计后的残差不断调整自适应因子,降低姿态的估计误差,提高钻具姿态估计精度;根据滤波器的输入输出建立小波神经网络模型,对比输出误差在线修正网络模型,对姿态信息进行反馈补偿。设计振动台实验以及钻进实验对所提方法验证,其中钻进实验中井斜角误差降低到±1.8°,实验结果表明,所提方法解算精度优于自适应卡尔曼滤波算法,能够有效抑制振动误差对姿态解算的影响,为实际钻井提供理论依据。     

基于修正粒子滤波的MEMS传感器飞行器姿态解算（英文）

针对单一采用MEMS传感器解算飞行器姿态无法克服系统非线性噪声干扰的问题,提出了一种基于修正粒子滤波的MEMS传感器飞行器姿态解算方法。首先,利用共轭梯度法减小陀螺仪漂移误差,然后,利用加权粒子构造概率密度函数以更新粒子权值,得到优化状态估计值;再将共轭梯度法与修正粒子滤波进行融合,确定加权因子,同时以STM32与MEMS传感器为核心设计姿态解算系统。实验结果表明,该方法优化了飞行器静态与动态性能,姿态解算性能良好,系统过渡时间短,跟踪特性较好,且增强了系统的鲁棒性与稳定性。     

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。     

基于扩展卡尔曼滤波算法的机器人姿态解算研究

针对机器人上的惯性导航系统由于振动干扰存在,导致测量数据中包含有大量噪声问题,进行了测量数据滤波研究。使用扩展卡尔曼滤波(EKF)对传感器测量的数据滤波,并进行姿态解算,通过静态、动态测试完成滤波前后数据对比,实验结果表明扩展卡尔曼滤波(EKF)不仅可以滤除测量数据中的大部分噪声,同时可以提高姿态解算精度。     

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。     

卡尔曼滤波在MEMS惯性姿态测量中的应用

由于测控成本和有效载荷的限制,一般采用微机电系统(MEMS)惯性传感器来测量小型无人机的飞行姿态。在MC9S12XS128单片机上通过嵌入式软件编程实现了卡尔曼滤波算法,并在JZJ-1型自准直仪转台上对MEMS加速度计和陀螺仪的输出信号进行了数据融合试验,较好地解决了MEMS惯性测量系统的零漂和机械振动干扰问题。     

基于迭代中心差分卡尔曼滤波的飞机姿态估计

在飞机姿态估计中,系统模型非线性严重、初始估计误差大和可观测性弱等固有缺陷使得对估计算法的精度要求更高。针对这一问题,给出了一种基于迭代中心差分卡尔曼滤波(ICDKF)的飞机姿态估计方法,并将其应用于由低精度高噪声传感器组成的低成本飞机姿态估计系统。首先建立基于四元数的飞机姿态数学模型,然后用ICDKF方法进行姿态估计,并通过实测数据进行验证。实验结果表明,ICDKF不仅有效地提高了飞机姿态估计的稳定性、收敛速度和滤波精度,而且无需计算雅克比矩阵,实现简单,其性能明显优于标准CDKF和EKF方法。     

基于粒子滤波的传感器网络被动目标跟踪研究

为提高被动跟踪性能并减少无线传感器网络中的通信开销,该文提出了一种分布式的粒子滤波方法.首先,利用转弯率建立了机动目标的被动跟踪模型,然后,动态组织传感器网络节点成簇,推导了分布式粒子滤波实现的具体步骤.最后,使用计算机仿真对两种粒子滤波方法性能进行了对比,结果表明两种方法具有良好的跟踪精度,但分布式方法通信消耗更小.     

基于粒子滤波算法的动力电池SOC估计

针对电池荷电状态(SOC)容易受到电流、温度、循环寿命等非线性因素的影响,建立基于温度和电流变化的电池容量修正方程。结合安时法和复合电化学原理构建电池状态空间模型。由于粒子滤波算法对非高斯、非线性系统的适应性,因此选用粒子滤波算法来研究电池SOC估计。通过美国FTP-75工况和NEDC工况实验仿真显示,基于粒子滤波算法的电池SOC估计比扩展卡尔曼滤波算法估计精度高、适应性好。     

基于电感式传感器的金属颗粒材质识别及粒径估计

传统的电感式颗粒传感器输出的是电感或电压幅值的脉冲信号,本质为标量信号。可通过脉冲信号的正负性区分金属颗粒是磁性或非磁性,且只能在已知颗粒材质的情况下估计颗粒的粒径。但在含有多种金属颗粒的油液中,基于标量信号的颗粒识别方法将失效。为此,本文采用了一种双锁相放大电路,将颗粒产生的复数域信号转化为一对直流信号。提出一种基于模糊隶属度函数的信号处理方法,实现了在噪音干扰下多种颗粒的材质识别和粒径估计。本文搭建了三线圈传感器实验系统。利用五种金属颗粒构建了隶属度函数,并进行系统标定。最后选取两种颗粒对标定后的系统进行了验证。结果表明系统对颗粒材质的识别准确,粒径估计误差小于2%。     

基于MEMS传感器的高精度电子罗盘研究

针对电子罗盘易受到干扰和成本高等问题,对电子罗盘结构、倾角补偿、误差分析、误差校正等方面进行了研究,对电子罗盘在实际应用中的误差来源和校正算法进行了归纳,提出了基于STM32 ARM Cortex-M3内核单片机以及MEMS传感器构建电子罗盘系统,开展了电子罗盘的误差分析,提出了电子罗盘误差模型,提出用卡尔曼滤波算法对磁阻传感器和加速度计进行了数据融合与滤波,在利用加速度计计算倾角的基础上对电子罗盘进行了倾角补偿,利用Matlab处理上位机采集到的电子罗盘数据,进行了电子罗盘的输出角度和精度试验。研究结果表明,该电子罗盘可获得高精度的静态姿态角。     

基于卡尔曼滤波的MEMS陀螺仪漂移补偿

为解决MEMS陀螺仪在测量过程中容易产生漂移的问题,将卡尔曼算法应用于陀螺仪的漂移补偿中.分析了陀螺仪误差源,建立了陀螺仪误差模型,提出了用卡尔曼滤波算法处理陀螺仪零点随机误差的方法,通过运用Allan方差分析法评价了卡尔曼滤波效果;最后,在转速测试平台上进行了陀螺仪测量试验.研究结果表明,通过建立误差模型和采用卡尔曼滤波算法能有效减小陀螺仪测量过程中的漂移.     

Cascaded Kalman and particle filters for photogrammetry based gyroscope drift and robot attitude estimation

Based on a cascaded Kalman–Particle Filtering, gyroscope drift and robot attitude estimation method is proposed in this paper. Due to noisy and erroneous measurements of MEMS gyroscope, it is combined with Photogrammetry based vision navigation scenario. Quaternions kinematics and robot angular velocity dynamics with augmented drift dynamics of gyroscope are employed as system state space model. Nonlinear attitude kinematics, drift and robot angular movement dynamics each in 3 dimensions result in a nonlinear high dimensional system. To reduce the complexity, we propose a decomposition of system to cascaded subsystems and then design separate cascaded observers. This design leads to an easier tuning and more precise debugging from the perspective of programming and such a setting is well suited for a cooperative modular system with noticeably reduced computation time. Kalman Filtering (KF) is employed for the linear and Gaussian subsystem consisting of angular velocity and drift dynamics together with gyroscope measurement. The estimated angular velocity is utilized as input of the second Particle Filtering (PF) based observer in two scenarios of stochastic and deterministic inputs. Simulation results are provided to show the efficiency of the proposed method. Moreover, the experimental results based on data from a 3D MEMS IMU and a 3D camera system are used to demonstrate the efficiency of the method.     

使用粒子滤波器实现电子稳像

提出用粒子滤波器来实现视频序列的稳像,解决了视频序列的帧间不稳定问题.提出的稳像算法从视频图像中提取角点特征,建立当前帧与参考帧之间的映射关系,然后根据仿射变换模型求取最小二乘解来获得帧间的全局运动参数,最后利用粒子滤波平滑运动参数,实现帧间的实时运动补偿.对包含80帧场景的视频序列进行了实验,稳像后视频序列的平均峰值信噪比比稳像前提高了24.88,同时稳像精度＜1 pixel,处理时间＜30 ms.实验结果表明,本文算法能有效地改善图像质量,在去除高频抖动的同时能较好地保留摄像机的主动运动,稳像效果良好.     

基于单片式微波集成电路的终端式MEMS微波功率传感器(英文)

提出了一种基于塞贝克效应的终端式MEMS微波功率传感器,该传感器的制作工艺与GaAs单片式微波集成电路(MMIC)工艺兼容.利用热电偶检测温度差,生成与微波功率成比例的直流电压,由GaAs/Au热电偶串联构成热堆.传感器将电功率转化为热,再间接测量热堆生成的直流电压.采用微机械加工技术,去除了器件底部的GaAs衬底,从而减小了热损耗和电磁损耗,提高了灵敏度.测试结果表明,在0～20 GHz内,HFSS模拟的S11＜-22 dB;测试输入功率为-20～20 dBm时,频率为0～20 GHz;在20 GHz时,灵敏度高于0.15 mV/mW;在整个频率范围内,回波损耗低于-26 dB.