基于PI自适应卡尔曼滤波的无人机姿态解算算法

针对无人机姿态解算过程中,机载加速度计噪声时变,导致姿态估计值出现较大误差的问题,提出了一种基于PI自适应卡尔曼滤波的姿态解算算法,通过监视残差方差的理论值与实际值的差值,利用PI控制算法对观测噪声协方差矩阵进行在线修正,来解决由于噪声估计不准而导致滤波发散的问题。实验结果表明,即使是在无人机的姿态发生剧烈变化时,该算法依然具有良好的精度,鲁棒性较好。     

基于互补滤波和粒子滤波融合的球形机器人姿态解算

针对球形机器人在运动控制中难以实时、准确地获取机器人的位置和姿态估计精度的问题,提出了一种基于互补滤波和粒子滤波相融合的姿态解算算法.为了避免使用磁力计数据参与四元数计算时俯仰角和横滚角误差较大的问题,使用陀螺仪和磁力计互补滤波算法单独对球形机器人的偏航角进行解算,同时,通过信息熵评估磁力计噪声大小,动态调整磁力计在互补滤波中的权值.实验结果表明,在外部磁场干扰实验中,偏航角误差在3?以内,在球形机器人动态和静态实验中,偏航角误差在0.3?左右,俯仰角和横滚角误差能够控制在0.1?之内.因此,该算法能够保证球形机器人姿态解算的实时性,增强准确性和和抗干扰能力,有效提高球形机器人运动控制的精度.     

EKF与互补融合滤波在姿态解算中的研究

传统的信号滤波方法不能有效的融合多传感器测量数据,或者融合中失去过去信号状态信息.针对这一问题,提出了扩展卡尔曼滤波(Extended kalman filtering,EKF)与互补滤波融合的信号处理策略.借助STM32微处理器采集MPU9250惯性测量传感器的原始数据,运用多传感器信息融合的处理算法,比较了互补滤波姿态解算结果和对互补滤波过程中所得的四元数运用EKF矫正后进行姿态解算的结果,以及互补滤波解算的欧拉角运用EKF矫正后的姿态数据.通过实验中3种解算结果与理论值的对比,得出结论:采用互补滤波会存在一定超调量,且结果波动较大,存在较大的噪声,对互补滤波过程中的四元数进行EKF滤波虽能降低解算结果的噪声,但仍存在超调量.而应用EKF矫正互补滤波解算出的欧拉角能同时解决超调量和降低噪声误差,抑制了随机波动,起到了更好的解算效果.     

基于四元数的低成本姿态测量系统设计

针对运动载体姿态测量的需求,以MEMS惯性测量器件MPU6050为核心,设计了一种低成本姿态测量系统.系统采用四元数作为姿态解算的基础,融合陀螺仪和加速度计数据以修正陀螺仪累积误差引起的姿态漂移.为了降低MCU负担提高系统实时性,数据融合采用运算量较小的梯度下降和互补滤波相结合的方法.实验结果表面:此测量系统实时性好,输出姿态角稳定,且成本低,具有一定的实用价值.     

两种四旋翼无人机姿态解算算法仿真分析

近年来随着微电子技术和控制技术的发展,四旋翼无人机也得到了快速的发展,为了精确的得到四旋翼无人机的姿态角,从而提高无人机控制系统的控制精度,由传感器测到的信息需要进行解算处理,常用的解算算法有互补滤波算法和卡尔曼滤波算法。本文对两种常用的姿态解算算法原理进行推导并进行了仿真实验,实验结果表明两种解算算法均能优化所测得的信息,互补滤波算法可以有效融合陀螺仪和加速度计的特性从而提高滤波性能,在卡尔曼滤波算法中可以自由配置Q和R的值来调整观测信息和预测信息的权重。     

基于组合滤波的低成本飞行器姿态解算算法

在低成本的飞行器姿态检测系统中,互补滤波器由于原理简单、计算量小,而被广泛应用。针对低成本飞行器在非匀速运动时因为加速度计不能区分重力加速度与运动加速度引起基于互补滤波的姿态解算误差较大的问题,提出了一种互补与自适应限幅组合滤波的姿态解算算法,并给出了自适应限幅滤波门阀的设计方法。通过融合陀螺仪输出的角速度与加速度计输出的加速度获取限幅滤波的限幅阀值;然后将归一化的加速度计输出增量通过限幅滤波的结果代替原互补滤波的加速度计输入,提高非匀速运动下姿态解算精度。经实际系统实时性能测试表明,所提算法估计精度高、计算量小,易于在低成本飞行器控制系统中实现。     

外骨骼机器人人体姿态解算算法研究

外骨骼机器人的人机协同控制因其自身特点,具有较大难度。目前,虚拟力矩控制是一种较为常见的控制方式,但其基于物理特性以及运动学参数预测人机作用力的原理决定了该方法必须依靠极其精确的惯性系参数预测才能实现(假设系统关节处无摩擦),大量的系统动力学方程运算也给控制器带来了较大负担。针对该问题提出了一种基于位置随动的控制算法,通过在人机接触点直接引入激光流式间距传感器测量人机(外骨骼)间距信息,结合外骨骼姿态信息计算由人体各关节角度构成的人体姿态,作为外骨骼随动的目标值,进而计算人体末端位置,最终解算出能达到同样末端位置的外骨骼姿态。该方法具有运算量下、稳定性好、控制精度高等特点。     

基于梯度下降的自适应姿态融合算法

针对第一代帆船姿态测量系统中采用的自适应卡尔曼滤波算法作用范围有限、动态性能较差等缺陷,基于微机电系统(MEMS)惯性传感器与梯度下降姿态融合算法提出了两种自适应方法,分别根据当前时刻之前N个采样点的平均运动加速度与加速度的变化量设计自适应控制因子,得到稳定的动态梯度下降步长。实验结果表明:两种算法性能均优于自适应卡尔曼滤波与单点加速度抑制法,其中,基于加速度增量的控制算法更加符合高速运动状态下加速度剧烈变化的实际规律,测量性能达到最优,符合海面帆船运动船体姿态测量的实际需求。     

互补滤波算法在四旋翼飞行器姿态解算中的应用

针对四旋翼飞行器飞行过程中的姿态最优估计问题,本着准确、快速的原则,选择了基于陀螺仪、加速度计和电子罗盘的捷联式惯性测量系统.由于这些传感器存在温度漂移和噪声干扰等问题,采用互补滤波算法,通过融合IMU多传感器的数据信号,对测得的姿态数据进行补偿修正,解算出高精度的姿态角.为了验证互补滤波算法的有效性和实用性,通过实际的四旋翼飞行器角度测量系统对互补滤波算法展开研究.结果表明姿态角解算中采用互补滤波算法能够快速、稳定的输出高精度姿态数据,姿态角最大跟踪误差控制在±2°以内,满足四旋翼飞行器飞行控制的要求,成功完成了姿态的最优估计.     

基于STM32的四旋翼飞行器的姿态最优估计研究

为了解决传感器自身累计误差和周围环境随机误差对姿态最优估计影响的问题,提出了一种基于STM32的姿态解算系统设计方案。该系统由低成本的航姿参考系统(AHRS)和STM32F405微处理器组成。采用四元数坐标换算,将陀螺仪、加速度计和磁罗盘三者数据进行融合,姿态偏差采用双环PI控制器进行修正,并采用互补滤波算法解算出飞行器姿态信息。搭建了四旋翼飞行器半实物仿真平台,模拟飞行器空中悬停时姿态。实验结果表明,该系统较好地解决了噪声干扰与姿态最优估计问题,实现了长时间稳定地输出准确可靠的姿态数据的要求。     

基于MIMU和磁强计的在线实时定姿方法

针对航姿参考系统（AHRS）小型化、低成本工程实现的需要,基于微惯性测量单元（MIMU）及磁强计,提出了一种在线实时定姿方法。采用四元数法描述系统模型,采用优化的梯度下降算法对加速度计和磁强计测得的数据进行处理,并通过互补滤波器与陀螺仪测得的结果融合,提高姿态解算精度。给出了详细的算法推导。通过在线测试对算法的静态及动态性能进行了评估,并与Kalman滤波算法进行了比较。结果表明设计的定姿方法实现简单,参数调整方便,姿态跟踪误差小,运算量小,便于在嵌入式微处理器中实现在线实时定姿,具有较强的实用性。     

面向皮纳卫星姿态确定的MEMS陀螺磁强计组合滤波系统

针对难以配置高精度部件的皮纳卫星姿态测量系统,当卫星处于阴影区或任何太阳敏感器不可用的状态下,MEMS陀螺与磁强计的组合便成为卫星在轨姿态测量精度的重要保障.本文基于MEMS陀螺与磁强计的低功耗、全轨、全天时、最小姿态敏感组合,提出一种适用于皮纳卫星在轨运行的滤波系统方案.该方案通过滑窗ARMA建模降低陀螺随机噪声的影响,并由姿态滤波器估计所得的零偏在线去除陀螺常值分量,以保证其建模的长期有效性.本文以浙江大学皮星二号卫星搭载的敏感部件以及姿态测量算法为研究基础,结合在轨实测数据,仿真对比表明,该系统方案有效降低了陀螺随机噪声,抑制比达50％以上;陀螺零偏估计精度提高310％,可达到0.001°/s;姿态确定精度提升190％,可达1.2127°.该系统方案是对皮纳卫星姿态确定最小系统精度提升及实用方案设计的有益探索.     

基于粒子群优化的三轴磁强计非线性误差校正

三轴磁强计的非线性误差是影响其测量精度的重要因素,而传统三轴磁强计误差模型仅考虑零偏、磁轴非正交和灵敏度误差,无法实现对磁测误差有效剥离和校正.通过对传统误差模型进行扩展,提出了三轴磁强计的非线性误差模型,并利用自适应粒子群优化(APSO)算法对非线性误差模型参数进行反演.实验结果表明:可以有效地补偿三轴磁强计的非线性测量误差,相较于传统校正方法,在误差参数规模较大情况下,APSO算法具有更好的全局搜索能力,可大幅提高误差参数反演精度及算法收敛速度.     

基于磁传感器组合的运动物体姿态解算

姿态参数的测试是运动物体测试过程中的重要指标。针对角速度陀螺仪在高速运动中姿态角的测量误差较大,提出了基于加速度和线圈式磁传感器的姿态测量组合。线圈式磁传感器的输出值包含了载体的转速和角速度信息的综合,求出载体的角速度信息,通过扩展的全姿态四元数算法进行数据融合和姿态解算。在三轴转台上进行半实物的仿真实验,验证算法的正确性,在解算过程中无须知道当地磁场大小,方法简单易行。     

运动平台双IMU与视觉组合姿态测量算法

快速、准确地获取被测物体的姿态信息,对于航空航天、工业生产等领域都具有重要意义。相较于单IMU测量物体相对于惯性坐标系的姿态,在未知平台的运动状态的情况下,采用双IMU实现物体相对于运动平台坐标系的姿态测量。将IMU测量速度快、短期精度高的特点与视觉测量误差不随时间发散的特点相结合,研究运动平台上双IMU与视觉组合姿态测量算法。提出了一种多速率自适应拓展卡尔曼滤波（MAEKF）算法来融合IMU与视觉的测量结果。采用正交双矢量标定法与q-method实现惯性测量中的坐标系标定。实验证明,该组合姿态测量算法能快速、准确地测量被测物体相对于运动平台的姿态。     

EKF和互补滤波器在飞行姿态确定中的应用

设计了一种旋翼飞行姿态参考系统,采用基于加速度计和陀螺仪的惯性测量组合(IMU)测量飞行姿态数据。采集实测数据并运用Allan方差分析法分析其噪声特性,建立传感器模型;针对旋翼飞行器分别应用经典扩展Kalman滤波(EKF)算法和互补滤波算法进行姿态解算。在详细阐述2种算法的原理与实现的基础上,进行飞行器平台实验验证。研究结果表明2种算法均有效,且互补滤波器相对经典Kal-man滤波器更为简单、有效。     

基于EKF的航天器姿态确算法定及精度分析

采用陀螺和星敏感器组合的方式来进行航天器姿态确定。首先建立了陀螺和星敏感器的测量模型,选择以四元数作为描述航天器姿态的参数,详细推导了在小偏差下以误差姿态角和陀螺常值漂移误差为状态量的滤波状态方程,并且以星敏感器的测量残差作为量测量,采用扩展卡尔曼滤波（Extended Kalman Filter, EKF）算法进行姿态确定;然后进行了仿真分析,仿真结果表明：该算法可以达到较高的姿态确定精度;最后对影响姿态确定精度的硬件因素和软件因素进行了定量的数据分析,得出了有一定意义的结论,从而为工程实践提供理论支持。     

基于自适应显式互补滤波的姿态解算方法

显式互补滤波(ECF,explicit complementary filter)原理简单、计算量小,被广泛应用于低成本的姿态检测系统中.针对显式互补滤波中PI参数只能试凑的问题,给出了其PI参数设计规律及其离散化形式,并提出了自适应显式互补滤波(AECF,adaptive explicit complementary filter)算法.该算法根据加速计的输出,判断载体的运动情况,实时调整PI参数,从而提高姿态估计的精度.实验测试表明,自适应显式互补滤波的静态和动态性能均优于固定增益的显式互补滤波.     

基于Sage-Hus a方法的旋翼姿态控制

针对传统IM U传感器信息融合方法对外界信息变化不敏感等问题,在分析陀螺仪噪声特性并建立基于A RM A模型的卡尔曼滤波器抑制陀螺仪随机噪声的基础上,将基于Sage‐Husa方法的卡尔曼滤波器作为信息融合算法,增强姿态解算系统的自适应性。为提高Sage‐Husa算法容错性能,提出一种加速度计可信性条件,根据总加速度与重力幅值、方向上的差异来判定是否进行姿态融合。在基于ARM Cortex M4内核的嵌入式系统上实现姿态解算和姿态控制系统,在自制四旋翼飞行器半实物仿真平台上进行的实验结果表明,以上方法降低了姿态静态及动态解算误差,提高了姿态系统状态的跟踪性和适应性,满足复杂运动环境下姿态控制的需求。