多传感器融合在倾角测量抗振动中的应用

倾角传感是通过加速度计敏感重力加速度分量,反求出平面倾斜的角度。当倾角传感元件在振动的载体上工作时,由于载体的加速和减速会被加速度计敏感,从而对倾角的检测带来不能忽略的影响。对这种情况通过引入陀螺仪作为角度测量的重要互补器件,综合加速度计和陀螺仪两类传感器的数据来抑制振动对角度动态测量的干扰。最后的测试数据表明,这种设计方法在很大程度上消除了由于载体振动带来的干扰。     

一种融合多特征与子快的抗遮挡算法

为解决复杂情况下运动目标的检测问题,本文提出一种基于多特征融合和新子块分割的算法。该算法通过综合目标的颜色和纹理特征加强对目标的跟踪,并通过新的子块分割完成对不同子块的权值赋予,对发生遮挡时不同区域进行差别处理。同时在发生完全遮挡时还采用kalman滤波模型对轨迹进行预测,获得运动目标信息并更新。实验结果表明:该算法能够较好的完成遮挡情况下的目标跟踪。     

卡尔曼滤波算法在MEMS热式风速风向传感器中的应用

针对MEMS热式风速风向传感器在实际使用过程中因噪声问题导致输出不稳定的现象,本文首次采用了卡尔曼(Kalman)滤波算法对本征白噪声进行滤波处理,从而优化传感器的输出性能.本文分别通过理论分析和仿真模拟证明了Kalman滤波算法的可行性.实验结果表明,通过调节相关参数,Kalman滤波算法在滤波效果、响应速度及误差上均优于传统的加权滑动均值滤波算法.除此之外,在消耗较少资源的前提下,Kalman滤波算法可以有效减少本征白噪声的干扰,且调节空间较大,可以适应不同的应用需求.     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。     

基于变换无迹卡尔曼滤波的随钻测量误差在线辨识

针对随钻测量(MWD)工作环境复杂多变,随钻器件测量的精度降低的问题,设计了基于变换无迹卡尔曼滤波(TUKF)法对测量误差进行在线辨识和补偿.首先,建立加速度计和陀螺仪的输出误差模型,选取导航误差参数以及传感器误差参数作为系统状态变量;然后,以钻杆钻进时实时解算出的姿态角与钻机每次停机时的钻具姿态角作差作为系统观测量,设计状态方程和量测方程对惯性器件误差进行在线辨识;最后,通过误差补偿方程对惯性器件进行补偿.运用此方法分别设计了振动台实验、模拟钻进实验和钻进实验,实验结果表明,设计的在线辨识方案通过标定补偿后,随钻测量中钻具的工具面角输出误差减小到0.8°,倾斜角输出误差减小到1°,比无迹卡尔曼滤波方法精度提高了50％,所提方法克服了随钻测量时钻具振动带来的影响,为实际钻井进一步提高数据可信度提供理论依据.     

基于强跟踪卡尔曼滤波的陀螺信号处理

针对陀螺传感器测量精度低,严重影响航空光电稳定平台视轴稳定精度的问题,设计了强跟踪卡尔曼滤波器。根据时间序列分析法的基本原理,对经过预处理的陀螺原始量测数据进行AR模型建模,根据该AR模型采用状态空间法设计卡尔曼滤波器,同时为了增强系统的鲁棒性,引入强跟踪算法对卡尔曼滤波中的状态预测方差进行实时调整,构造了强跟踪卡尔曼滤波器。阐述了该算法的理论、原理,并且在某型航空光电稳定平台上进行试验验证。试验结果表明:强跟踪卡尔曼滤波器输出信号的方差减少了44.1%,分散程度降低,同时,相较于巴特沃斯滤波器,最大超调量减少13%,上升时间缩短了3ms,调整时间缩短了37.5ms,使平台具有良好的动态性能。研究表明,强跟踪卡尔曼滤波器可以提高航空光电稳定平台的精度,有较高的实用价值。     

一种改进的锂离子电池剩余寿命预测算法

锂离子电池故障往往会使系统性能下降甚至瘫痪,故障部件剩余寿命的精确估计对整个系统的寿命预测和健康管理至关重要。粒子滤波是一种有效的序列信号处理方法,然而应用于锂离子电池剩余寿命预测准确性并不高。根据锂离子电池电学特性,提出一种改进的粒子滤波算法,基于锂离子电池容量退化指数模型,结合训练数据对锂离子电池剩余寿命进行预测。仿真及实验结果表明,改进的粒子滤波算法对锂离子电池剩余寿命预测误差小于5%。     

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。     

变电站巡检机器人组合导航实验

巡检机器人应用于变电站的巡检工作,可提高变电站的智能化程度.导航和控制是机器人自主运行的重要组成部分,利用信息融合技术可在一定程度上弥补单个传感器在精确度和稳定性方面的缺陷,提高系统实用性.设计了系统的硬件平台以及相应的Kalman组合导航滤波算法,并进行了测试,结果表明,通过对GPS和INS进行信息融合,可提高导航的稳定性.     

基于多传感器的四旋翼飞行器硬件系统设计

四旋翼飞行器由于其简单的机体结构与较为复杂的姿态控制,近年来在军用和民用领域广泛应用。旨在通过四旋翼飞行器飞控平台的搭建,实现对飞行器姿态的稳定控制。首先论述了四旋翼飞行器的飞行原理与机械结构,给出了硬件系统总体结构。在对各功能模块整合的基础上,实现基于多传感器的控制系统硬件电路设计。仿真与实验证明：多传感器使用过程中,通过卡尔曼滤波进行姿态数据的融合,有效地解决了加速度计、陀螺仪易受外界干扰问题,所设计硬件系统在飞行实验中性能稳定,为四旋翼的稳定控制提供了参考。