基于UWB和IMU信息融合的室内定位算法研究

室内复杂环境下,移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带（UWB）测距定位是一种当前广泛应用于室内定位的高精度定位技术,最小二乘算法是精确定位的主流算法之一。受非视距（NLOS）、多径效应等因素影响,UWB定位在室内定位应用过程中存在定位数据抖动严重的问题,同时最小二乘法无法解算极值点定位数据,导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题,提出了基于扩展卡尔曼滤波（EKF）框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测,UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失,降低定位数据的抖动,提高定位系统的稳定性,在半结构环境下具有更好的工程优势。     

小型SERF原子磁力计三轴静磁场主动补偿电路设计

无自旋交换弛豫(SERF)原子磁力计是当前灵敏度最高的磁场测量传感器,具有广泛的应用前景。而小型SERF原子磁力计易受到地磁环境及内部元件剩磁影响,需对磁力计周围剩磁进行补偿,使其工作在近乎零磁场环境下(<1 nT),以实现高量灵敏度测量。对此,文中基于现场可编程门阵列(FPGA)设计开发了单泵浦光小型SERF原子磁力计三轴静磁场主动补偿控制电路,通过对原子磁力计三轴线圈施加直流扫描磁场,快速准确实现了-60～60 nT三轴磁场同步补偿。测量轴方向平均补偿精度分别达到0.12 nT和0.25 nT,泵浦光轴方向平均补偿精度达到0.36 nT,可满足小型SERF原子磁力计高灵敏测量要求。     

基于MEMS陀螺仪和加速度计的动态倾角传感器

仿人形机器人各关节的姿态及重心位置是其步态控制研究的关键.为了获得这些姿态数据,设计了一种基于MEMS陀螺仪和加速度计的低成本动态倾角传感器,利用卡尔曼滤波算法将陀螺仪和加速度计输出的数据进行滤波融合,解决了加速度计因机器人的线性加速度而无法准确测量其动态倾角、陀螺仪因存在漂移等而长时间测量精度不高的问题.实际测试结果表明,所设计的传感器能够测量动态倾角并具有较高的精度,可以满足仿人形机器人姿态控制的需要.     

低成本惯导系统预处理和姿态解算

针对低成本惯性传感器系统中由于系统误差、环境干扰等因素造成的姿态计算数据精度低、易发散等问题,设计了一种加速度计和陀螺仪的误差预处理模型,并使用扩展卡尔曼滤波实现其过程.然后基于扩展卡尔曼滤波算法构建两级噪声方差阵和引入渐消记忆因子的自适应扩展卡尔曼滤波算法,实现姿态角的融合过程.最后采用四元数更新算法求解姿态角.实验...     

高量程加速度计动态线性校准系统

设计了双弹头霍普金森杆用于精确标定高g值加速度计的动态线性参数。基于一维应力波传播理论和弹性波叠加原理,分析了双弹头霍普金森杆为不同尺寸时对获取所需激励加速度信号的影响。利用ANSYS/LS-DYNA有限元仿真软件对不同设计条件下双弹头霍普金森杆的冲击效果进行了仿真分析。通过对不同影响因素的对比,确定了结构参数,设计了直径为30mm,长度为1 200mm的双弹头霍普金森杆,即高量程加速度计动态线性校准系统。利用设计的双弹头霍普金森杆对高量程加速度计进行了动态线性校准和试验验证,结果显示加速度计动态线性误差在5%以内,证明了设计的装置可对高量程加速度计进行动态线性校准,校准结果基本满足冲击校准的要求。     

用于二维弹道修正引信的IMU精度补偿试验研究

本文介绍了IMU在二维弹道修正引信中的应用原理,提出了IMU的精度补偿模型,利用三轴转台和半实物仿真系统进行了精度补偿试验,以某型火箭弹为背景对实验结果进行了分析.结果表明,利用此精度补偿模型,中、低精度的IMU就可以满足某型火箭弹二维弹道修正引信的精度要求.     

轮廓扫描式螺纹中径测量的两规校准补偿方法

轮廓扫描式螺纹参数测量的过程中,由于工件和探针的装夹会不同程度地产生定位误差,导致中径测量结果不准确.然而各项定位误差的准确测量十分困难,加上误差模型的不完备,现有的相对测量方式(单规校准)只能测量与校准规尺寸相差不大的螺纹量规.特别是批量检测螺纹规时需要准备一批不同尺寸的校准规,且花费了很多的校准时间.基于齐次坐标变换建立了定位误差对中径结果影响的数学模型.依据该模型,利用两个不同尺寸的螺纹规校准定位误差,再对中径结果进行补偿.此外对最终结果的不确定度进行了分析,并给出了减小测量不确定度的校准规选用方法.实验结果显示,此方法只需要两个校准规,就能确保M15 ～ M50范围内螺纹的定位误差对中径结果的影响小于1μm.相比于单规校准,两规校准补偿方法虽然增大了测量结果的不确定度,但有效减小了校准规数量和对工件、探针定位精度的要求.     

基于S3C44B0X的航姿测量系统的设计与实现

航向和姿态是空中机器人中的重要参数。从硬件和软件两个方面论述了以S3C44B0X微处理器为核心的航向姿态测量系统的设计,着重介绍了基于μC/OS-II实时操作系统在该系统中的实现过程,并对该系统进行了性能测试。测试结果表明,该航姿测量系统的测角精度为±0.5°(横滚和俯仰)、±1°(航向),基本满足空中机器人飞行控制对航姿测量的要求。     

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.     

微惯性测量器件的标定方法研究

在捷联惯性航向姿态测量系统中,微惯性器件是核心部分,陀螺和加速度计的精度直接影响整个系统的精度.详细给出了惯性测量器件的标定方法,利用软件来补偿器件的误差,从而改善系统性能.     

磁传感器输出姿态信息修正方法研究

在基于地磁、角速度及重力加速度(MARG)测量的航姿融合估计应用中,磁干扰会破坏磁传感器输出所含姿态信息,进而降低姿态估计精度。为提高姿态估计的抗磁干扰能力,研究了在静态及小幅加速度运动条件下修正磁传感器输出的方法。该方法利用重力加速度测量值对归一化磁传感器输出向量进行修正,修正依据是地磁向量与重力加速度夹角恒定以及最小化修正角度。分析了航姿融合估计算法模型与磁传感器输出修正原理,给出了修正方程并推导了修正计算式,最后通过静态与动态实验验证了修正效果。实验表明,磁传感器输出修正使俯仰角及横滚角估计均方根误差分别降低2.6°与1.6°。此外,该修正方法还具有不改变融合计算过程,便于与其他改进措施结合使用的特点。     

血管介入操作力觉标定模块设计

设计了一种应用于血管介入操作的力觉标定模块,该模块能够检测导丝导管所受到的轴向阻力和周向扭矩。 首先,通过机械结构将轴向阻力和周向扭矩作用于模块中的压力传感器;其次,通过检测电路对压力传感器产生的力觉信号进行采集,并使用卡尔曼滤波等法进行信号处理;最后,通过设计搭建的实验平台进行标定实验。 结果表明,该力觉标定模块能够很好地检测力觉信息。     

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。     

时栅传感器动态自动测试与标定系统

时栅传感器误差曲线的动态自动标定工作,在保证精度的同时,大幅度减少了标定所需的时间。同时,利用软件实现卡尔曼滤波方法,进一步提高了动态标定精度。文中主要介绍了系统工作原理及动态标定的方法,使用结果表明:动态自动测试效率和标定精度达到了预定的指标。     

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。     

基于标定和关节空间插值的工业机器人轨迹误差补偿

轨迹精度是工业机器人重要的动态性能,目前工业机器人的轨迹精度远低于定位精度,提出一种基于机器人运动学标定和关节空间插值误差补偿的方法来提高机器人轨迹精度.基于MD-H方法建立机器人的运动学模型,在此基础上运用机器人微分运动学理论建立末端位置误差模型和轨迹误差模型.为克服最小二乘法等传统方法在数据噪声较大且不符合高斯分布...     

EKF神经网络算法在疏浚作业建模中的应用

提出了基于EKF神经网络的疏浚作业过程动态演化建模方法。在神经网络建模过程中引入卡尔曼滤波思想,利用扩展卡尔曼滤波实时更新神经网络模型的权重,从而获得能有效跟踪挖泥船疏浚过程工况变化的模型。