基于互补滤波器的两轮平衡车姿态角度测量

微机电系统（Micro-Electro-Mechanical Systems,MEMS）陀螺仪和MEMS加速度计在两轮平衡车姿态测量中存在扰动和噪声,引起姿态角度测量误差。通过对陀螺仪和加速度计输入信号进行滑动扣除均值方法来抑制直流分量,利用滑动滤波算法抑制加速度计高频噪声,引入互补滤波算法将预处理后的陀螺仪和加速度计信号进行融合,得到更加准确稳定的角度测量值,分析了融合算法中加权因子与滤波频率特征之间的关系。该方法应用到两轮平衡车的运行姿态角度控制中,提高了对姿态角度测量的精度。     

基于新息突变约束的自适应卡尔曼滤波研究

针对微机电系统(MEMS)陀螺仪易受影响且随机误差较大,导致建立模型不准确和测量精度低的问题,该文提出了一种改进的自适应卡尔曼滤波方法。首先建立ARMA模型,在传统卡尔曼算法中引入衰减系数以减小系统旧值的影响,同时引入基于系统新息突变的预测误差矩阵清除系统的突变值。使用Allan方差对原始陀螺仪数据和滤波后的陀螺仪数据进行分析对比。结果表明,实验所用陀螺仪的角度随机游走、零偏不稳定性和角速率随机游走至少小了1个数量级,标准差明显减小,这表明改进算法有效抑制了随机噪声,提高了MEMS的性能。     

一种新的MEMS陀螺温度误差建模与补偿方法

为了减少温度对微机电系统(MEMS)陀螺仪测量精度的影响,改进了一种不需要测量温度的MEMS陀螺温度误差建模与补偿方法。该方法首先通过多项式拟合得到MEMS陀螺全温区零偏与温度的多项式模型,并根据最小二乘法原理确定模型阶数,然后通过分析温度对驱动轴相位的影响,得到驱动轴相位的温度模型,最后得到零偏与驱动轴相位的多项式拟合模型并针对该模型对陀螺零偏进行补偿。实验结果表明,该方法能降低温度造成的陀螺误差,提高MEMS陀螺的使用精度。     

基于AHRS的改进自适应互补滤波算法研究

针对基于MEMS传感器的航姿参考系统精度不高、数据易漂移导致测量无人载体航姿数据不准确的问题,设计了基于四元数与自适应互补滤波相结合的改进自适应互补滤波算法。通过对MEMS加速度计与磁强计输出数据、MEMS陀螺仪的积分数据进行补偿、数据融合,减小积分漂移。仿真实验数据表明,该改进互补滤波算法可抑制外部噪声对输出数据准确性的影响,提高了姿态角输出数据准确性。     

基于微小型稳定平台的MEMS陀螺信号调理电路设计与测试

为提高MEMS陀螺的使用精度,本文基于微小型稳定平台应用背景设计了高精度MEMS陀螺信号调理电路,实验表明该电路提升了陀螺仪的使用精度。本文设计的调理电路采用高速24位Δ-Σ型A/D转换电路和高精度差分放大器对陀螺信号进行处理。基于MEMS陀螺仪搭建了两轴陀螺组件,并将两轴陀螺组件安装于高精度三轴转台,进行测试。采集MEMS陀螺模拟输出和数字输出数据,分别进行Allan方差分析。结果表明：该调理电路使X轴MEMS陀螺零偏不稳定性指标提升13.63%,Y 轴MEMS陀螺零偏不稳定性指标提升19.347%。     

基于共轭梯度的MARG传感器姿态解算方法

针对基于惯性测量单元(IMU)的姿态解算算法噪声大、精度低且无法准确解算偏航方向上姿态角变化的问题,提出一种基于共轭梯度算法的MARG传感器系统姿态解算方法。使用加速度计和磁强计测量姿态误差,通过共轭梯度算法对陀螺仪姿态四元数进行补偿和修正,对数据加权融合求解得到飞行器姿态四元数。利用三轴转台对算法稳定性和准确性进行验证,结果表明,该算法能够有效抑制测量噪声,提高姿态角解算的精度。     

基于DSP的MEMS陀螺仪信号处理平台的设计

针对现在MEMS陀螺仪的精度还不高的状况,为了降低陀螺仪信号的噪声,改善其非线性性能,提高陀螺仪信号的精度,提出基于TI公司的数字信号处理器TMS320VC33的MEMS陀螺信号实时采集与处理系统,对MEMS陀螺信号进行降噪、非线性补偿处理;并在DSP多任务机制下实现数据采集、处理、传输的并行化,该信号处理平台信号处理时间短,实时性高,可以满足MEMS陀螺仪的使用要求,算法简单有效,可以显著降低MEMS陀螺信号的噪声,在实际应用中具有一定的参考意义.     

MEMS陀螺混合误差标定方法研究

微机电系统(MEMS)陀螺仪具有尺寸小,可靠性强的特点,已广泛应用于各种微姿态仪中,而陀螺的安装误差是影响姿态仪输出精度的主要因素之一。现有的陀螺安装误差模型是建立在确定的刻度因子和零偏基础上,但实际应用中,陀螺的刻度因子存在误差,且零偏随温度和转速发生变化。该文提出了一种改进的误差标定和补偿方法,并针对模型中MEMS的零偏温度和转速非线性误差问题,运用BP神经网络,实现了模型零偏动态补偿。实验表明,采用该文提出的标定方法,陀螺的角速率误差由1.5(°)/s提高至0.05(°)/s。验证了标定方法的可行性。     

基于24位置的MEMS惯性传感器快速标定方法

针对微惯性测量单元原始输出信息受零偏、标度因数、非正交误差等误差项干扰影响测量精度的问题,提出一种无需借助高精度转台的MEMS IMU快速原位标定方案。在分析MEMS惯性传感器输出特性的基础上建立传感器误差模型,利用六面体夹具设计IMU 24位置连续转停标定方案,以重力及各次旋转角度为参考信息完成传感器误差标定。针对加速度计零偏、标度因数、非正交误差9个参数构造标定模型,采用牛顿法估计误差参数最优值,考虑陀螺仪零偏与标度因数6个误差参数,利用最小二乘法计算误差参数最优估值。分别进行加速度计、陀螺标定补偿实验,实验结果表明,提出的MEMS IMU快速原位标定方法能快速得到传感器误差参数,提高了输出数据精度。     

基于二阶插值滤波的室内航向估计算法研究

在室内行人导航中,为获取精确的航向角,提出了一种基于二阶插值滤波的航向估计算法。该算法通过建立四元数姿态运动测量模型,采用二阶插值滤波对陀螺仪、加速计和磁强计的测量数据进行数据融合,实现航向角解算,以过程噪声和测量噪声为设计参数,构造自适应噪声协方差矩阵,实现协方差误差估计最小化。通过对行走长方形参考路径得到的数据进行处理,加速计和磁强计组合与陀螺仪航向估计算法动态误差分别为13.6°和6.9°,采用二阶插值滤波航向估计算法后动态误差为2.3°。实验结果表明,该算法有效提高了航向估计的精度,减小了陀螺仪漂移、载体的线性加速度和周围局部磁场干扰对航向估计的影响。     

BPNN辅助KF的MEMS陀螺仪数据处理方法

针对微机电系统(MEMS)陀螺仪数据误差建模不精确或无法给出模型的情况,提出了误差反馈（BP）神经网络辅助卡尔曼滤波对陀螺仪数据进行降噪处理的方法。分析卡尔曼滤波器的系统噪声方差Q矩阵可知,当模型不精确时可通过Q补偿。基于BP神经网络优化Q值原理,首先把采集到的MEMS陀螺仪数据输入卡尔曼滤波器得到Q;再把新息、滤波增益、量测噪声方差输入神经网络,把Q作为神经网络的输出,神经网络优化系统噪声协方差矩阵得到Q*;最后将Q*作为卡尔曼滤波算法系统噪声方差矩阵。实验结果表明,在建模不精确的情况下该方法也能有效提高陀螺仪的精度。     

融合多传感信息的仿人机器人姿态解算

在RoboCup Soccer仿人机器人比赛中,机体姿态实时解算是仿人机器人运动控制系统的核心技术之一。文中分析了MEMS加速度计、磁强计和陀螺仪性能,以自主姿态测量为前提,融合惯性测量单元中多传感信息,提出了一种基于四元数的姿态解算算法。针对仿人机器人步行姿态控制中传感器数据存在的噪声干扰和测量误差,设计卡尔曼滤波器实现了对数据漂移的有效补偿,从而提高了全姿态检测的测量精度。试验结果验证了该算法对仿人机器人运动控制系统机体姿态实时解算的有效性。     

基于MEMS传感器的微飞行器姿态理论与实验研究

为了得到基于微机电系统(MEMS)运动传感器的微飞行器的姿态角的输出,该文从理论和实验角度进行了全面分析。首先基于MEMS运动传感器的加速度计与磁力计理论计算了微飞行器的初始姿态及其最大误差范围,然后基于MEMS运动传感器的陀螺仪计利用时间序列自回归滑动平均模型(ARMA)分析方法对原始角速度进行误差建模,并利用卡尔曼滤波进行误差补偿,并通过积分法到更高精确度的姿态角度的算法,最后利用转台实验对其进行验证。通过该算法,对于任何MEMS九轴传感器,由实验确定相应的参数后,即可得到该传感器更高精确度的姿态角的输出。     

高过载姿态测量中MEMS陀螺失效模式与研究进展

高过载条件下姿态测量是一个公认的难题,其原因主要是角速度传感器难以经受高过载的冲击。基于微机电系统（MEMS）技术的陀螺作为解决高过载姿态测量问题的核心器件,其抗高过载能力直接制约着惯性导航系统在高过载环境中的应用。首先,介绍了弹药发射和侵彻两种典型高过载环境的特性,概括了在高过载环境中MEMS陀螺的响应类型;其次,总结了高过载条件下MEMS陀螺的失效模式,包括完全失效和功能性失效;然后,介绍了国内外在抗高过载MEMS陀螺方面的研究进展;最后,分别从器件设计和工程应用角度出发,提出了MEMS陀螺抗高过载的设计方法和应用思路。     

MEMS陀螺的抗野值自适应滤波降噪方法

针对微机电系统(MEMS)陀螺随机漂移较大及量测信息中野值对滤波的不利影响,提出了一种抗野值自适应滤波降噪方法。该方法采用Allan方差信息估计量测噪声方差参数,避免了Kalman滤波器与量测噪声估值器之间的相互关联,能有效抑制滤波发散。在此基础上引入新息抗野值算法,通过修正新息去除野值的不利影响,增强对随机漂移的滤波效果。实测数据试验结果表明,采用该文方法滤波后的MEMS陀螺输出信号均方差及角度随机游走都比滤波前明显降低,验证了提出的滤波方法在MEMS陀螺降噪中的有效性。     

基于Kalman滤波器的MEMS陀螺随机误差分析与建模补偿

MEMS陀螺随机漂移是影响MEMS惯性导航精度的主要原因。为提高MEMS陀螺使用精度,本文通过时间序列分析方法,建立MEMS陀螺角速率信号ARMA模型,进而利用线性KF(Kalman Filter)滤波方法处理陀螺角速率信号。本文通过搭建MEMS陀螺组件,进行三轴精密转台实验,将得采存陀螺信号进行KF滤波处理。利用Allan方差分析滤波前后MEMS陀螺角速率信号,结果表明陀螺仪零偏不稳定性经KF滤波后提升18.7%。     

基于突触可塑性的SNN随钻陀螺仪漂移处理

针对随钻振动引起MEMS陀螺仪的数据漂移问题,文中提出了一种脉冲神经网络算法.首先根据陀螺仪漂移误差的时间特性,利用脉冲网络的脉冲时间编码陀螺仪的信息强度.然后利用Izhikevich神经元模型的突触可塑性,调节激发性突触电导并抑制性突触电导,增强网络的鲁棒性,从而提高陀螺仪信号对噪声的抗干扰能力.在不同振动频率下,分...     

面向蜂巢式微机电陀螺模态交换工作模式的卡尔曼滤波

该文对模态交换工作模式下的蜂巢式微机电陀螺进行了噪声成分分析,并建立了噪声模型。提出采用卡尔曼滤波降低陀螺输出白噪声的方法,从而提升陀螺的静态性能,该方法可用于惯性寻北。实验结果表明,经滤波后陀螺输出在采样时间1 s下与未滤波前的平滑时间100 s下的陀螺输出噪声水平相当。陀螺输出白噪声幅值降低,从而缩短寻北时间。实际应用中,最短寻北时间可由卡尔曼滤波初值收敛后的时间进行标定。