运动加速度在线估计的非线性惯性航姿算法研究

稳定精确姿态估计是无人飞行器自主控制的关键。利用MEMS惯性测量组件作为测量传感器的惯性航姿系统以其完全自主的优势,成为当前无人飞行器姿态估计的必备系统。微小型无人飞机器姿态模型是典型的高阶非线性系统,针对传统的EKF、UKF等非线性滤波算法计算复杂度高、精度差的问题,建立了非线性航姿系统模型,并提出了基于非线性滑模滤波器的航姿算法。同时,针对传统航姿算法无法估计运动加速度的问题,基于微小型无人飞行器运动特性提出了运动加速度在线估计算法,实现了运动加速度的实时估计。通过跑车测试和飞行测试证明所提算法在无GPS辅助情况下能精确估计载体运动姿态和运动加速度,加速度估计精度0.15 m/s~2,姿态估计精度达到1°。     

基于视觉正交迭代法改进的激光跟踪姿态测量

针对航空航天、汽车船舶以及机器人应用等领域对姿态精准测量的需求,研究了一种基于视觉加权加速正交迭代(WAOI)的激光跟踪姿态角测量方法。首先阐述了测量系统组成、建立了数学测量模型,并分析了系统的主要误差源;其次在正交迭代(OI)的基础上,通过物方重投影误差设置参考点权重系数,引入常系数矩阵整合迭代过程中的冗余计算,提出了一种WAOI算法,并通过实验验证了算法的性能;最后搭建实验平台,利用精密二维转台对基于WAOI的姿态角测量进行精度评定。结果表明,在-20°～20°角度范围内,3～15 m测量范围内,方位角精度可达0.11°,俯仰角精度可达0.26°。相较比例正交投影迭代变化(POSIT),方位角和俯仰角测角精度均提升75%以上。本文提出的WAOI算法有效提升了激光跟踪姿态测量系统的精度。     

基于双目视觉的绳驱动飞行机械臂目标识别与抓取

为提高面向飞行机械臂平台的目标姿态估计的精度,为飞行机械臂配备双目视觉系统,对绳驱动机械臂和双目相机进行系统建模,利用Camshift算法对目标进行实时追踪,结合目标的几何特征提出一种轻量化的目标姿态估计算法,可用于飞行平台的实时目标追踪与姿态估计并进行飞行机械臂抓取实验。实验证明：该姿态估计算法对于目标追踪和姿态估计具有较好精度,可以实现抓取作业。     

采用多站图像直线特征的飞机姿态估计

在角平分线方向向量法基础上提出了一种新的基于直线特征的飞机姿态多站测量方法.首先,用角平分线方法计算飞机的中轴线及其共面垂线的方向向量,由此得到飞机参考系到经纬仪摄像机参考系的旋转矩阵.然后,提取所有测站经纬仪图像上机翼边缘的直线特征,联合经纬仪俯仰方位角等参数,推导出直线特征的目标空间共面总误差函数,并使用改进的正交迭代方法优化旋转矩阵使总误差最小.最后,分解优化后的旋转矩阵得到飞机的姿态值.仿真实验得到的四站测量精度为0.17°,图像处理速度为32 frame/s,比角平分线法有了大幅的提高,另外,算法处理速度能达到实时.这些结果证明了文中方法的有效性和优越性.     

一种基于MPU9250的四旋翼姿态解算改进算法

针对四旋翼飞行器MEMS惯性测量单元姿态估计过程中存在的漂移和噪声问题,提出了一种基于互补滤波的改进算法。建立了以MPU9250为姿态测量单元的四旋翼飞行器测试平台。分别在静态和动态条件下,收集和比较了不同方法获得的姿态数据,包括信息融合的卡尔曼滤波算法,传统互补滤波的数据融合,以及改进的滤波融合算法。实验结果表明,改进的姿态融合算法在不同条件下具有较高的估计精度和最终姿态角的漂移和噪声误差较小的优点,易于在低成本的飞机控制系统中实现。     

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。     

重力/地磁辅助的欧拉角无迹卡尔曼滤波姿态估计

为了克服应用扩展卡尔曼滤波(EKF)的姿态估计算法的线性化误差问题,提出了一种基于重力/地磁辅助的欧拉角无迹卡尔曼滤波(UKF)姿态估计算法来提升低成本微机电系统(MEMS)的姿态测量精度。应用重力与地磁数据抑制了MEMS姿态误差快速发散问题;将欧拉角作为状态,应用四元数完成时间更新过程中的姿态更新,避免了四元数作为状态的规范化问题及欧拉角姿态更新精度低的问题;由于UKF滤波器不存在线性化误差,故其具有更好的稳定性和姿态估计精度。应用实际MEMS数据开展的算法验证实验显示:与EKF姿态估计算法相比,提出的UKF姿态估计算法得到的俯仰与横滚角精度提高了近20%,航向角精度提高了12.1%。结果表明:本文提出算法的精度更高;然而由于UKF算法对状态协方差估计不足,其收敛时间有所增加。     

基于构建最优函数提高飞机姿态测量精度

提出了基于构建最优函数来提高飞机姿态测量精度的方法.首先,利用模板匹配法获得飞机在两个测站投影的同名特征点,在发射坐标系下采用交会获得飞机同名特征点的坐标值,根据飞机在空间的特征三角形解算飞机姿态的初值.然后,建立飞机体坐标系;利用成像的共线方程,重新计算空间特征点对应的像点坐标;以重投影结果与实际像点之间的偏差最小作为优化目标函数.最后,通过迭代提高目标姿态解的精度.实验结果表明,飞机轴向成像在大于500pixel时,姿态角测量误差小于0.1°.与中轴线法及飞机角平分线方向向量法测量精度比对,本文提出的方法采用的数学模型正确、算法合理,有效地提高了飞机姿态的测量精度.     

利用平行透视投影模型的位姿迭代估计

提出了一种利用平行透视投影模型的高效位姿迭代估计方法来提高单目视觉测量系统的精度和鲁棒性.通过引入齐次坐标表示,避免了现有算法对平行透视投影参考点选择的限制.首先,研究了平行透视投影模型下使用齐次坐标求解目标位姿的方法,阐述了它的几何意义.然后,通过迭代的方式将其应用于一般透视模型下目标位姿的高精度估计.仿真实验结果表明,本文方法提高了基于平行透视投影模型的位姿迭代估计的精度,速度和抗噪性能.实物测量结果表明,本文方法的平移测量精度优于0.1 mm,旋转测量精度优于0.1°,可以满足各种视觉检测系统的要求.另外,使用标志点和图像特征亚像素定位技术还可进一步提高该算法的精度.     

圆柱形钢制构件表面爬壁机器人姿态估计方法

针对相对封闭、磁干扰等特殊环境下传感器应用受限,导致爬壁机器人的姿态估计误差偏大的问题,提出并实现了一种基于惯性测量单元(IMU)和圆柱形状约束的爬壁机器人姿态估计方法(IMU-CC-ATE)。该方法利用爬壁机器人执行工作任务中运动状态和静止状态频繁切换的特点,使用静止状态时IMU的角速度输出值估计相邻运动状态时IMU的角速度漂移值;并结合圆柱形表面约束使机器人姿态估计的横滚角保持不变的特性,设计扩展卡尔曼滤波器(EKF)对机器人的姿态和IMU的角速度漂移进行实时估计。实验结果表明：该方法使爬壁机器人姿态估计的航向角误差从20°以上降低至3.5°,俯仰角误差保持在2°以内,横滚角误差在0.5°以内,有效地提高了机器人姿态估计精度。     

基于NACKF的分布式驱动电动汽车轮胎侧向力与质心侧偏角估计

针对传统容积卡尔曼滤波算法在进行车辆关键状态估计时要求噪声统计特性已知的问题,提出一种噪声自适应容积卡尔曼滤波（Noise adaptive cubature Kalman filter, NACKF）算法来进行车辆关键状态的估计。基于次优无偏极大后验估计器对量测噪声协方差进行实时更新并将其嵌入到标准容积卡尔曼算法中实现自适应容积卡尔曼滤波。针对车辆不同子系统间耦合特性对滤波精度的影响,构建双重自适应容积卡尔曼滤波器分别进行侧向力与质心侧偏角的估计,两者在估计过程中互为输入构成闭环反馈,利用分布式模块化结构弱化系统耦合特性对估计精度的影响,实现轮胎侧向力与质心侧偏角的实时准确估计。利用Simulink-Carsim联合仿真平台进行仿真验证和实车试验验证。结果表明,基于双重自适应容积卡尔曼滤波的估计算法相对标准容积卡尔曼滤波估计精度更高,较好地改善了传统容积卡尔曼滤波器在噪声先验统计特性未知条件下非线性滤波精度下降的问题。     

基于多基站IMMKF-DOA辅助车辆协同定位算法研究

针对传统卡尔曼滤波算法在进行车辆实时运动过程中难以精准定位问题,提出一种基于运动状态自适应的交互多模型卡尔曼滤波(Interacting multiple model Kalman filter,IMMKF)与多基站到达方向(Direction-of-arrival,DOA)相融合进行车辆位置实时估计算法。基于无偏估计器对测量噪声协方差进行实时更新并将其嵌入标准卡尔曼滤波算法中实现自适应交互多模型卡尔曼滤波。针对车辆不同运动状态及动态行驶环境对车辆定位估计精度的影响,构建自适应交互多模型卡尔曼滤波器与多基站信息融合算法进行车辆位置实时估计,考虑不同车速与不同基站数等行驶工况下车辆定位精度的变化趋势,实现车辆实时位置的准确估计。利用PreScan-Simulink联合仿真平台进行虚拟仿真验证和实车试验验证。结果表明,基于交互多模型卡尔曼滤波与到达方向角的融合算法相对标准的卡尔曼滤波估计精度高,较好地改善了传统单一模型的卡尔曼滤波算法在进行车辆实时运动状态估计过程中精准定位问题,实车试验验证了提出算法对车辆定位精度较传统卡尔曼滤波算法的精度提高了一个数量级,实现了更精确的车辆位置估计。     

基于修正粒子滤波的MEMS传感器飞行器姿态解算

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.     

An attitude determination algorithm for a spacecraft using nonlinear filter

In this paper, the algorithm for a real time attitude estimation of a spacecraft motion is investigated. The proposed algorithm for attitude estimation is the second order nonlinear filter form not containing truncation error in estimation values. The proposed second order nonlinear filter has improved performance compared with the EKF (extended Kalman filter), because the algorithm does not contain any truncation bias and covariance of the estimator is compensated by the nonlinear terms of the system. Therefore, the proposed second order nonlinear filter is a suboptimal estimator. However, the proposed estimator requires a lot of computation because of an inherent nonlinearity and complexity of the system model. For more efficient computation, this paper introduces a new attitude estimation algorithm using the state divided technique for a real time processing which is developed to provide an accurate attitude determination capability under a highly maneuverable dynamic environment. To compare the performance of the proposed algorithm with the EKF, simulations have been performed with various initial values and measurement covariances. Simulation results show that the proposed second order nonlinear algorithm outperforms the EKF. The proposed algorithm is useful for a real time attitude estimation since it has better accuracy compared with the EKF and requires less computing time compared with any existing nonlinear filters.     

采用自适应无迹卡尔曼滤波的卫星姿态确定

针对现有算法卫星姿态确定中模型参数估计不准确,系统存在外界干扰下稳定性差和跟踪精度不足的问题,提出一种自适应无迹卡尔曼滤波算法,对卫星三轴姿态进行估计.首先分析了陀螺和星敏组合定姿的工作原理,然后推导了以误差四元数为状态变量的卫星姿态运动学方程.滤波过程中,该算法引入自适应矩阵,对量测噪声协方差矩阵进行调整;依据滤波发...     

Initial orientation of inertial navigation system realized through nonlinear modeling and filtering

Alignment is the process whereby the orientation of the axes of an inertial navigation system is determined with respect to the reference system. In this paper, the initial alignment error equations of the strapdown inertial navigation system (SINS) with large initial azimuth error have been derived with inclusion of nonlinear characteristics. Simulations have been carried out to validate and corroborate the stationary alignment case employing a strapdown inertial measurement unit (SIMU). A performance comparison between the extended Kalman filter (EKF), the unscented Kalman filter (UKF) and the second-order divided difference filter (DDF2) demonstrate that the accuracy of attitude error estimation using the DDF2 is better than that of using the EKF or the UKF.     

基于组合模型的锂电池参数辨识和电池荷电状态在线联合估计

针对电池荷电状态(SOC)估算过程中开路电压与SOC之间的迟滞效应以及充放电电流和端电压中噪声的影响,提出了基于组合模型的Frisch 方案双滤波（FSDF）法。先通过一阶RC等效电路模型结合Preisach离散模型建立新的模型,随后采用Frisch 方案对模型的输入输出进行噪声方差估计,滤除部分输入输出噪声,最后使用扩展卡尔曼滤波结合无迹卡尔曼滤波进行参数实时更新和电池单体SOC估算。实验证明,FSDF方法对锂电池SOC估算结果与Frisch方案递推最小二乘无迹卡尔曼滤波法等其他方法相比,具有精度高、鲁棒性好等特点。     

5基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.     

基于改进 ESKF 的植保无人机时延位姿补偿算法

为解决全球导航卫星系统和惯性测量单元融合时间不同步问题,提高植保无人机位姿估计精度,本文根据植保无人机 大惯性、强振动的特性提出一种基于改进误差状态卡尔曼的时延位姿补偿算法。 首先对名义状态变量线性预测,引入渐消因子 提高强振动环境下的系统稳定性;接着采用互补滤波对角速度补偿,对姿态误差状态变量修正;最后结合测量的延迟时间,使用 互补滤波外推数据,提高大惯性特性下的速度位置精度。 实验结果表明,相较于误差状态卡尔曼算法,横滚角和俯仰角均方根 误差减少 0. 266 9°和 0. 241 4°,偏航角均方根误差减少 0. 076 4°;正常航迹植保作业下,东北天方向速度均方根误差减少 0. 210 5、0. 184 9、0. 238 8 m/ s;东北天方向位置均方根误差分别减少 0. 21、0. 19、0. 23 m,有效提高位姿估计精度。