基于互补滤波的两轮自平衡车姿态控制

利用飞思卡尔XS128控制器、MMA7260三轴加速度计、ENC-03系列陀螺仪设计制作了两轮自平衡车.通过软件编程对两种传感器的检测值进行互补滤波融合,得到了可稳定、准确地反映自平衡车真实情况的角度值.并结合增量式PID算法,很好地实现了两轮自平衡车的动态平衡,验证了互补滤波算法应用于两轮自平衡车姿态控制的有效性.     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

基于卡尔曼滤波的两轮自平衡车姿态检测

建立了两轮自平衡车的动力学模型;设计了一种采用卡尔曼滤波的两轮自平衡车姿态检测控制算法的控制器;搭建了SIMULINK仿真模型,仿真分析了控制器中各参数对系统的影响;并将仿真程序移植到16位Freescale单片机中对两轮自平衡车进行控制;通过实测数据验证了所设计控制算法的合理性和设计电路的正确性。     

基于UKF的两轮自平衡机器人姿态最优估计研究

针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计．将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当．因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求．     

惯性测量单元姿态融合的动态分析

针对惯性测量单元背景噪声和器件漂移等问题,提出了一种基于梯度下降法、互补滤波和卡尔曼滤波的融合算法.首先,利用加速度计和磁力计的数据通过几何计算得出姿态角.其次,利用梯度下降法,将加速度计和陀螺仪的数据进行基于四元数法的数据融合,得出姿态角.接着,利用互补滤波法将姿态数据再次结合.最后,利用卡尔曼算法对结合后的数据进行...     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

四旋翼飞行器姿态解算与滤波

四旋翼飞行器的运动控制关键在于对飞行过程中的实时姿态角控制。目前实时姿态角信息还不能直接测量出来。为了能利用已有的传感器数据解算出更准确的姿态角,通过物理实验详细分析了四旋翼飞行器姿态角的解算和滤波算法。首先,通过联立欧拉方向余弦矩阵与四元数矩阵,得到用四元数表达的姿态角表达式。然后,结合加速度计和磁强计实时测量的数据,分别采用互补滤波和卡尔曼滤波两种方法来补偿四元数结果,分别分析如何选取最佳参数,并对比分析了两种滤波方式的优缺点。在一定精度要求范围内,这两种滤波方式都能获得更加准确的姿态角,但是互补滤波相对卡尔曼滤波有一定的解算时延。因此在精度要求一般的系统中,这两种滤波方式都可以用来求解姿态角,卡尔曼滤波方法则更适于对实时性要求更高的系统。     

基于数据融合的两轮自平衡小车控制系统设计

为解决两轮自平衡系统中传感器存在较大震动干扰与漂移误差的问题,并提高系统姿态倾角测量的精确性和实时性,提出了基于陀螺仪与加速度计数据融合的两轮系统自平衡控制方法。建立两轮自平衡系统的动力学模型,采用卡尔曼滤波算法融合陀螺仪与加速度计信号,得到系统姿态倾角与角速度最优估计值,通过双闭环数字PID算法实现两轮系统的自平衡控制。通过两轮小车自平衡控制系统的软硬件设计,成功验证了该方法的可行性与有效性。利用该方法大大提高了两轮自平衡系统的抗干扰性。     

卡尔曼滤波在二轮自平衡车直立控制中的应用

目前车模倾角一般采用陀螺仪或加速度计进行测量。然而单纯利用其中一种传感器采集到的信号存在极大误差,无法满足二轮自平衡车直立控制的需要。为此,采用陀螺仪和加速度计测量倾角,并应用卡尔曼滤波算法对上述两种信号进行融合,得出理想的输出倾角。同时,将得到的卡尔曼滤波程序移植到车模直立控制程序中,进行车模直立控制试验。试验结果表明,运用该方法可以得到很好的滤波效果。     

基于SPAN系统的姿态检测方法的研究

介绍了一种新型惯性组合导航系统-SPAN,阐述了SPAN的工作原理、系统组成、对准技术及在转台上的测试方法和数据处理方法,采用静态、连续匀速运动和正弦运动不同的测试方法,通过同步采集SPAN数据和转台数据,应用MATLAB数据处理软件对系统的输出数据和转台数据进行比对和分析,结果证明,此系统的姿态精度满足所给定的精度指标,具有广泛的应用前景和推广价值。     

两轮自平衡车运动姿态的测量和控制

两轮自平衡车姿态测量与控制是两轮自平衡车设计的关键环节.针对两轮自平衡车倾角的测量问题,采用了卡尔曼多传感融合算法.该算法融合了加速度传感器和陀螺仪传感器数据,实现了两轮自平衡车倾角实时在线估算.根据测量得到的倾角和角速度,采用了比例微分(PD)控制算法,实现了两轮自平衡车姿态的稳定控制.     

基于姿态角的轮腿机器人驱动控制系统研究

在城市楼道环境中,尤其在面对楼梯等障碍时,五星形轮腿式机器人具有越障能力强、控制简单的优势。为防止机器人在攀爬楼梯时出现较大偏航倾斜,通过仿真软件ADAMS和Simulink中建立了五星形轮腿式机器人的整车动力学模型和PID速度控制模型。结果表明,该联合仿真控制模型能有效、快速地控制机器人速度,减小偏航角度,降低了研究和开发成本。将该驱动控制系统移植到原机器人系统中,并分析了机器人在本控制系统控制下攀爬楼梯等特殊情况下的稳定性能。     

基于加速度分离算法的姿态测量方法研究

针对运动状态下探测器姿态解算精度不高的问题,提出了一种基于加速度分离算法的姿态测量方法。首先,分别利用椭球拟合法和建模法对加速度计、陀螺仪进行误差补偿,保证了MEMS传感器初始测量数据的精度。其次,提出了一种分离运动加速度的方法,以消除运动对加速度计测量数据的影响。最后,结合加速度分离算法实现了基于卡尔曼滤波器的高精度姿态解算。模拟实验结果表明,该姿态测量方法具有较高的精度和抗干扰能力,在变加速运动时姿态误差减小了70%以上,满足了设计的要求。     

基于地磁场的弹体滚转角几何解算方法研究

弹体姿态的测量是一项关系到弹道修正实现的关键技术,基于地磁场的姿态测量方法以其低成本、无累积误差等优点成为当前的研究热点。通过几何关系人手,从几何解算方法模型的建立到解算原理的推导,建立地磁场局部模型,推导了解算方程,并利用弹体运动过程中的空间几何关系对三角函数解算结果的多值进行了分析。利用实弹的数据进行了验证分析,表明该解算方法简单且能达到预期的测量效果,具有很好的应用前景和重要的军事应用价值。     

捷联惯导系统姿态测量算法研究

针对在大机动条件下进行快速准确的捷联惯导系统姿态矩阵解算,从原理上和计算效果上分析了现在较为常用的几种四元数更新方法,并在推证的过程中使用了一种新的方式;该方法以三阶泰勒展开为基础,直接利用角速度的各阶导数进行四元数的更新运算,最后准确地得出各个姿态角的值;通过对几种仿真结果进行的具体分析,表明该方法在不增加采样值的情况下,其计算的精度和计算时间都达到了其他算法在同等条件下无法达到的效果,可以有效的运用于大机动飞行条件下。     

基于自回归模型的汽车姿态角在线预测系统

针对汽车姿态角在线预测问题,利用微惯性测量单元以捷联方式测量汽车6自由度运动参数,通过四元数法解算汽车的姿态角,应用卡尔曼滤波器对姿态角进行最优估计处理,在此基础上建立自回归模型对未来1 s~3 s的姿态角进行实时预测,使用Visual Basic 2005、NI Measurement Studio开发汽车姿态角在线预测软件,并对其进行实车道路试验,结果证明该软件具有较高的预测准确性。