多传感器滤波融合的惯性定位算法

针对在导航系统姿态解算中,陀螺仪和电子罗盘在解算姿态时分别存在积分误差和磁场干扰的问题,提出了利用Kalman滤波和互补滤波相融合的算法进行定位。首先将电子罗盘和陀螺仪通过Kalman滤波得出最优估计四元数,然后利用互补滤波算法对陀螺仪的漂移进行补偿得到校正后的四元数,将此次得到的四元数和Kalman滤波得出最优估计四元数再次通过Kalman滤波对四元数进行第二次最优估计,进而输出姿态角。实验中对比了本算法和互补滤波算法、无滤波算法的效果。实验证明,该算法不仅可以有效解决方位角误差发散问题,还有效解决了磁场干扰问题,实现了高精度的方位输出。     

改进互补滤波在六旋翼飞行器中的应用

针对目前大多数消费级六旋翼飞行器捷联惯性导航姿态解算中,低成本微机电系统(MEMS)器件易发散而导致的姿态漂移问题,提出了一种基于改进一阶互补滤波的姿态解算算法,利用MEMS传感器中加速度计补偿陀螺仪偏差引起的姿态漂移误差,并针对非匀速运动引起的较大误差引入了比例—积分(PI)控制器,用修正后结果代替互补滤波的加速度计输入,从而提高非匀速运动下姿态解算的精度.基于嵌入式处理器STM32,以MPU6050为姿态测量单元的六旋翼飞行器实验平台实验表明:算法计算量小、估计精度高、实时性好,易于在低成本飞行器控制系统中实现.     

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.     

基于互补滤波和粒子滤波融合的球形机器人姿态解算

针对球形机器人在运动控制中难以实时、准确地获取机器人的位置和姿态估计精度的问题,提出了一种基于互补滤波和粒子滤波相融合的姿态解算算法.为了避免使用磁力计数据参与四元数计算时俯仰角和横滚角误差较大的问题,使用陀螺仪和磁力计互补滤波算法单独对球形机器人的偏航角进行解算,同时,通过信息熵评估磁力计噪声大小,动态调整磁力计在互补滤波中的权值.实验结果表明,在外部磁场干扰实验中,偏航角误差在3?以内,在球形机器人动态和静态实验中,偏航角误差在0.3?左右,俯仰角和横滚角误差能够控制在0.1?之内.因此,该算法能够保证球形机器人姿态解算的实时性,增强准确性和和抗干扰能力,有效提高球形机器人运动控制的精度.     

基于STM32的四旋翼飞行器的姿态最优估计研究

为了解决传感器自身累计误差和周围环境随机误差对姿态最优估计影响的问题,提出了一种基于STM32的姿态解算系统设计方案。该系统由低成本的航姿参考系统(AHRS)和STM32F405微处理器组成。采用四元数坐标换算,将陀螺仪、加速度计和磁罗盘三者数据进行融合,姿态偏差采用双环PI控制器进行修正,并采用互补滤波算法解算出飞行器姿态信息。搭建了四旋翼飞行器半实物仿真平台,模拟飞行器空中悬停时姿态。实验结果表明,该系统较好地解决了噪声干扰与姿态最优估计问题,实现了长时间稳定地输出准确可靠的姿态数据的要求。     

基于四元数的低成本姿态测量系统设计

针对运动载体姿态测量的需求,以MEMS惯性测量器件MPU6050为核心,设计了一种低成本姿态测量系统.系统采用四元数作为姿态解算的基础,融合陀螺仪和加速度计数据以修正陀螺仪累积误差引起的姿态漂移.为了降低MCU负担提高系统实时性,数据融合采用运算量较小的梯度下降和互补滤波相结合的方法.实验结果表面:此测量系统实时性好,输出姿态角稳定,且成本低,具有一定的实用价值.     

基于互补滤波的输电导线舞动轨迹还原算法

方向余弦矩阵算法(DCM算法)是工业级MEMS惯性传感器姿态解算常用算法;但由于受到外部机械振动和电磁环境影响,MEMS陀螺仪输出数据的漂移较大,导致陀螺积分解算得出的姿态角误差会随着时间累积增长,因此常须结合DCM算法与GPS或磁罗盘对陀螺计算出的角度进行误差修正;然而电网的导线舞动监测仪是直接安装于高电压架空输电线路表面,仪器处于很强的工频电磁干扰环境中,GPS和磁罗盘传感器完全失效,所以若要实现实时准确输出高压导线的运动轨迹,有必要研究一种改进的DCM算法,即MEMS陀螺和加速度计的互补滤波算法;并且设计出高电压导线舞动轨迹适用的解算流程,最后在专用的舞动监测实验平台上验证此新型舞动监测仪样机的有效性。     

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.     

基于惯性传感器的上肢位置跟踪

为辅助中风病人的康复训练,设计了一种手腕固定惯性测量单元的上肢位置跟踪方案.导航定位算法采用传统的捷联惯性导航解算算法,并在此基础上根据标准康复训练中手臂做屈伸运动时速度周期性为零的特征,引入零速修正技术(ZUPT).采用姿态检测最优算法检测零速区间,将此时惯性导航解算的速度作为量测值进行Kalman滤波,对系统的速度、姿态、位置、加速度计和陀螺仪常值零偏误差进行估计,将估计结果反馈以修正捷联惯性导航的累积误差.同时在Kalman滤波的基础上设计了固定区间RTS平滑算法,解决了零速修正引起的运动轨迹的突变问题.实验结果证明,该方案可以有效地实现上肢位置跟踪,在运动时间为108 s的情况下,定位误差为运动路程的0.089％.     

基于Kalman滤波算法的陀螺仪动态漂移补偿研究

应用MEMS陀螺仪测量人体手臂运动姿态时,针对陀螺仪受线加速度干扰导致测量姿态发散的问题,提出基于Kalman滤波算法的姿态误差补偿方法;该方法首先将陀螺仪采集到的角速度通过方向余弦算法解算得到姿态角,并将陀螺仪动态漂移造成的姿态角误差视为时变信号,通过建立姿态角漂移误差的状态方程及观测方程,应用卡尔曼滤波算法,实现对姿态角漂移误差的估计,最终达到对陀螺仪动态漂移误差的补偿;实验与仿真结果表明,应用该算法能够有效的抑制线加速度干扰导致的陀螺仪测量的姿态发散,适用于陀螺仪对人体手臂运动姿态的测量。     

基于四元数和卡尔曼滤波的两轮车姿态稳定方法

针对自平衡两轮车姿态角的在线估计问题,采用四元数的姿态解算算法,利用Levenberg-Marquardt非线性最小二乘法对自平衡两轮车陀螺仪信号拟合,建立了随机漂移误差数学模型,应用卡尔曼滤波融合陀螺仪和加速度计输出的信号,补偿了陀螺仪输出角速度的随机漂移误差,得到了自平衡两轮车姿态的最优估计。实验结果表明,这种姿态估计算法是有效的,有利于车体的自平衡控制。     

小型尾坐式飞行器自适应SRUKF姿态算法

针对小型尾坐式飞行器姿态估计问题,设计了由陀螺、加速度计、磁强计组成的姿态测量系统。为了抑制MEMS陀螺漂移导致的姿态误差,以四元数为状态变量,以加速度计和磁强计的输出作为观测变量,建立了滤波模型。采用平方根无迹卡尔曼滤波(SRUKF)对传感器信息进行融合,保证了滤波算法的数值稳定性。由于小型尾坐式飞行器抗干扰能力弱,引入自适应算法,解决了量测信息受到干扰时滤波精度下降的问题,提高了系统的鲁棒性和可靠性。仿真结果表明,存在外界磁场干扰时,姿态误差小于1°。通过实际飞行实验,验证了算法的可行性。     

小型无人直升机嵌入式导航系统算法与飞行试验

基于微陀螺、加速度计、磁强计以及GPS模块构建了姿态航向位置参考系统(Attitude heading position ref-erence system,AHPRS).首先,通过等效旋转矢量法由陀螺解算出估计姿态角;其次通过GPS、加速计的测量值,结合磁强计估计补偿姿态角,推导基于误差四元数的滤波方程,滤波器的周期...     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

微机电系统姿态估计系统算法与仿真

结合陀螺仪、加速度计误差模型,实现了以微机电系统(MEMS)陀螺仪与MEMS加速度计为基础的姿态估计硬件仿真系统,可用于模拟任意噪声强度和安装偏差下三轴捷联惯导系统(INS),即按照给定运动曲线仿真输出陀螺仪与加速度计数据,为设计姿态估计算法提供仿真验证平台.同时,以姿态四元数为状态变量,载体俯仰角与横滚角为观测值设计了基于扩展卡尔曼滤波器(EKF)的姿态估计算法,俯仰角估计误差小于0.04°,横滚角估计误差小于0.05.,偏航角漂移速度0.01(°)/s.     

基于共轭梯度法和互补滤波相结合的姿态解算算法

为了提高姿态解算精度,提出了一种基于共轭梯度和互补滤波相结合的多传感器数据融合策略。系统采用四元数方法进行姿态解算。利用加速度计和磁强计的输出数据,通过共轭梯度方法对姿态四元数进行寻优估计,再将其和利用陀螺仪输出数据更新的四元数进行互补滤波,解算出姿态角。实验测试表明,这种融合策略使姿态检测系统静态性能和和动态性能均有所提高,尤其在姿态剧烈变化时,其性能明显优于卡尔曼滤波和梯度下降法。     

卡尔曼滤波在两轮自平衡代步车姿态检测中的应用

介绍了一种MENS加速度计、陀螺仪与嵌入式微控制器相结合的两轮自平衡代步车姿态检测系统。针对加速度计和陀螺仪测量分别存在噪声干扰和随机漂移误差,采用卡尔曼滤波实现传感器数据融合,补偿传感器测量误差,得到车体姿态的最优估计。将该算法移植到姿态检测系统的微控制器中,测试结果表明卡尔曼信息融合可以有效提高系统检测精度。