基于Huber鲁棒估计的改进互补滤波姿态解算算法

针对站球机器人在坡面运动过程中,由于系统振荡倾向性导致的姿态估计不准确以及在估计中存在噪声等问题,设计了一种基于Huber鲁棒估计的改进互补滤波姿态解算算法。首先,对站球机器人在斜坡上进行了动力学分析和运动性能分析。其次,利用Huber鲁棒估计抑制站球机器人在坡面运动过程中由于机身振荡所引入的干扰噪声,并改进互补滤波进行姿态解算。最后,为了减少磁力计输出不稳定对姿态解算的干扰,设计了一种数据平滑切换方法。实物实验结果表明,设计的基于Huber鲁棒估计的改进互补滤波姿态解算算法相比于互补滤波算法,对俯仰角、横滚角和偏航角的估计精度分别平均提高19.21%、25.48%和36.04%,该算法可以有效地抑制站球机器人在坡面运动过程中由于机身振荡引入的噪声,能够保证姿态解算的准确性和实时性。     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.     

基于四元数卡尔曼滤波的四旋翼姿态测量系统设计与实现

在嵌入式微小型四旋翼姿态测量系统中,姿态算法、系统冗余、硬件方案等直接影响了测量系统的性能和实用性。针对上述问题构建了一种兼具实用性、鲁棒性以及准确性的姿态测量系统。系统使用四元数卡尔曼滤波对微机电陀螺仪、微机电加速度计以及微机电磁力计进行数据融合处理,在硬件设计中采用双加速度计,并同时采用不同采样频率对其采样以增强系统的冗余性。仿真结果表明该数据融合方法的稳定性以及准确性,同时仿真数据表明系统的测量误差在0.5°以内,能够满足微小型四轴飞行器控制系统所需的姿态测量要求。     

基于Mahony-EKF的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种Mahony和扩展卡尔曼滤波(EKF)融合的姿态解算算法。首先通过Mahony滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。再以Mahony滤波器的姿态四元数作为EKF的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息建立EKF状态方程。最终经过EKF滤波后,获取无人机姿态的估计。经过仿真实验验证,融合算法解算静态姿态角误差小于0.1°,解算动态姿态角误差小于1°,均优于互补滤波算法和改进EKF算法。融合算法能有效抑制陀螺仪漂移误差,滤除加速度计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

基于姿态参数切换的四元数快速传递对准算法

针对快速传递对准过程中的大失准角情况,在建立非线性四元数误差模型的基础上,对利用姿态参数转换的四元数无迹卡尔曼滤波(QUKF)进行研究。通过四元数和修正罗德里格斯参数间的相互转换关系对四元数加权求和公式进行推导,使计算更为直观。针对扰动sigma点中四元数部分的规范性问题,通过先计算sigma点得到其向量部分,再利用单位化约束得到标量部分的方法进行解决,并在此基础上对含有姿态四元数的误差方差阵进行推导并给出相应公式。仿真结果表明,该算法对大失准角的估计准确度和快速性可以满足传递对准的要求。     

基于MEMS传感器的四元数微型捷联航姿系统研究

针对微小型无人飞行器的应用场合,本文设计了基于微机电系统(MEMS)传感器的微型航姿系统,它包括三轴陀螺仪、三轴加速度传感器、三轴磁罗盘和数字信号处理器(DSP)。提出了基于四元数的姿态估计算法,利用加速度数据和磁罗盘数据来修正陀螺仪数据的多传感器数据融合算法。并通过了三轴飞行转台的测试验证,测试表明姿态角的静态精度优于0.5°,动态精度优于3°,满足微小型无人飞行器的应用。     

基于Elman神经网络的SINS姿态解算算法研究

载体的姿态解算算法是惯性导航系统精确导航的核心技术之一。惯性测量单元(IMU)噪声大、误差会累积,传统的姿态解算算法精度不高、环境适应性能力差。Elman神经网络具有很强的非线性处理能力,其包含的承接层可以存储以前隐含层的信息,能够在连续信号中进行预测。针对以上问题,分析了欧拉角法、方向余弦法和四元数法的优缺点,提出了Elman神经网络辅助的姿态解算算法,在传统的AHRS算法中加入了Elman神经网络的辅助。通过对实测数据的仿真实验表明,该方法有效地提高了姿态解算算法的环境自适应性和降低了解算误差。     

基于Mahony与改进Kalman融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

Modified multiplicative quaternion cubature Kalman filter for attitude estimation

In this paper, a modified multiplicative quaternion cubature Kalman filter (CKF) for attitude estimation is proposed. For high‐dimensional state estimation, the CKF that uses third‐degree spherical‐radial cubature rule can provide a more accurate estimation than the unscented Kalman filter. However, for the attitude estimation in the case of larger initial conditional errors, the results may be reversed. To take full advantage of the CKF, the Lagrange cost function method is introduced to solve the quaternion weighted mean, then, the mean is used as the reference quaternion for the measurement update in the CKF framework. The choice of the reference quaternions and the quaternion update method is different from the existing literature to avoid the algorithm from failing. In addition, the unconstrained three‐component vectors represent the attitude error quaternion in the filtering algorithm, whereas the quaternion is used to perform attitude propagation. Simulation results demonstrate the better performance of the proposed modifying filter algorithm in comparison with the multiplicative extended Kalman filter, the unscented Kalman filter, and the CKF under larger initial condition errors.     

基于改进粒子滤波的综合能源系统预测辅助状态估计

高效准确的状态估计是综合能源系统安全稳定的基础。粒子滤波具有精度高、对非线性系统适应性强的优点,已应用于电力系统的状态估计中。为提高综合能源系统的状态估计精度,文中提出一种基于改进粒子滤波的综合能源系统预测辅助状态估计方法。首先,构建包含电-热-气网络的区域综合能源系统模型;然后,将粒子滤波算法拓展到电-热-气网络,在粒子滤波相关理论的基础上,针对传统粒子滤波算法存在的跟踪误差问题对粒子滤波的预测步进行改进;最后,利用经典的综合能源系统算例对文中提出的改进粒子滤波算法进行验证。结果证明该方法能够有效解决传统粒子滤波算法的跟踪误差问题,提高系统的估计精度。     

基于改进模糊卡尔曼滤波的感应电机转速估计策略研究

针对感应电机转速估计过程中,采集数据易受到外界干扰,导致的转速估计值出现较大偏差的问题,提出采用基于模糊自适应卡尔曼滤波的感应电动机无速度传感器控制策略.通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高转速估计精度.仿真及实验结果表明,提出的改进模糊卡尔曼估计器,对随机的测量噪声具有较强的抑制能力.能够准确估计电机转速,抗差能力较好,满足工程实际需求.     

基于改进EEMD方法的数字滤波器

提出一种基于改进的整体平均经验模态分解( EEMD)方法的数字滤波器.针对经验模态分解( EMD)滤波方法的不足,采用对含噪信号先用中值滤波法平滑处理,再对处理后的信号EEMD的方法.改进后的方法结合了平滑处理滤除脉冲噪声以及EEMD方法滤除随机噪声和高频连续噪声的优点,且不存在模态混叠.通过数字仿真,研究了其滤波性能...     

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter, UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation, FASE)方法。首先,采用引力搜索算法(gravitational search algorithm, GSA)对支持向量回归(support vector regression, SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。     

基于改进卡尔曼滤波器的谐波检测方法

电力系统谐波问题日益严重且复杂,有效地对谐波进行检测已成为电能质量监测终端的一项基本要求.采用一种基于改进卡尔曼滤波器的谐波检测方法,利用卡尔曼滤波器在动态检测方面的优势,结合改进相位、频率的跟踪性能,可以简单、快速、准确的得到基波和谐波的各项参数.并且此方法可以检测到受闪变扰动时的基波和谐波成分,可获得闪变调制波的基本参数.建立了基于改进卡尔曼滤波器的谐波检测数学模型,并利用MATLAB仿真平台验证了该方法的性能.     

基于改进遗传算法的无源滤波器设计

利用遗传算法对无源滤波器电路参数进行全局优化并对算法进行改进。在标准遗传算法的基础上,引入了自适应的遗传操作和最优保存策略。相对于经典滤波器设计方法,可不依赖先验知识而获得近似最优解,自动化程度高。仿真结果表明改进后的算法性能良好。     

基于改进GWO-SVR的锂电池SOH估计

为了提高锂电池健康状态的估计精度,提出了一种基于IGWO-SVR的锂电池SOH估计方法。针对支持向量回归(SVR)内核参数选择的问题,采用改进灰狼(IGWO)算法优化支持向量回归的内核参数;选取合适的健康特征作为输入,电池SOH作为输出,建立IGWO-SVR估计模型,实现锂电池SOH的估计。基于NASA电池数据集,对该模型进行训练及验证,并与SVR和GWO-SVR方法相比。结果表明,IGWO-SVR方法能有效提高SOH估计的精度和稳定性,最大估计误差不超过2%。