应用于多旋翼MAVs的姿态测量系统

应用一个三轴加速度计、三个单轴角速率陀螺和一个三轴磁强计等微机械惯性传感器,设计廉价轻量姿态测量系统,研究了姿态角推算算法。在以往的姿态测量系统中,陀螺偏差和动加速度的影响限制其应用。将角速度陀螺的误差作为状态量导入到系统,动加速度作为噪音项导入到观测方程中,然后利用扩展卡尔曼滤波器来构成姿态估计算法来降低误差。实际飞行中对比商用高精度传感器和多次室外飞行测试表明,设计的系统能够应于旋翼MAVs。     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

四旋翼无人飞行器姿态数据采集处理系统

针对机械振动等因素产生的噪声对加速度传感器测量姿态数据的影响,增加了陀螺仪并运用卡尔曼滤波对加速度传感器和陀螺仪的数据进行融合处理;与以往均值和中值等滤波姿态算法相比,采用卡尔曼滤波算法能够获得可靠、稳定的姿态数据,为四旋翼无人飞行器稳定飞行提供有效保障;介绍了姿态传感器和采集处理系统硬件结构及软件实现,运用图形化编程语言LabView实现对四旋翼无人飞行器实时姿态曲线显示、姿态数据存储、回放等功能;经测试,能有效的降低机械振动等噪声对飞行器姿态测量的影响,提高姿态数据估计的精度,达到了预期的目标。     

基于星敏感器的姿态优化估计算法

对于采用星敏感器的航天器姿态确定问题,提出了一种快速的姿态优化估计方法;首先,根据Rodrigues参数和观测向量之间的线性关系,引入四元数,构造了不同的非奇异的优化准则;其次,借助四元数,求解了基于该准则的姿态优化算法;误差协方差分析和数值仿真结果表明,该算法与著名的QUaternion ESTmation(QUEST)算法相比,在相同的操作系统环境下,具有相同的姿态估计精度,但计算速度更快,对两种算法选取间隔为2000次的仿真步长,统计数据长度为100个采样点,最后对结果加权求平均值,统计结果显示仅为QUEST的三分之一;这种姿态优化估计方法具有一定的工程应用价值。     

蛙跳式充电的无人机自主巡线技术与系统(一):基于GPS/RTK的无人机自主定位

为解决无人机巡线过程中的续航难题,设计实现基于蛙跳式充电的无人机自主巡线系统.作为第一部分,本文基于GPS/RTK的无人机自主定位展开研究.首先,针对南方电网公司提出的无人机无人操控自主巡线目标,搭建了蛙跳式充电平台,以提高无人机的续航能力;然后,为保证无人机能按预设航迹进行自主导航,并准确降落到地面平台进行充电,对无人机GPS/RTK组合导航模块中自主巡线关键技术进行了研究;最后,分别对巡线技术中姿态解算、加速度补偿及延时补偿这3个主要环节进行实验仿真.实验结果表明:姿态解算算法可以准确地估计无人机在飞行中的飞行姿态,并能适时快捷地补偿运动加速度;延时补偿算法能有效地解决定位传感器延时的问题;在气压计输出高度数据不健康时,系统能识别数据的健康状况,并自动融合GPS输出的高度数据.因此本文提出的方法和研究结论对无人机的自主巡线有着重要的工程指导意义.     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.     

基于硬件Kalman滤波器的航拍云台姿态获取

航拍云台姿态获取是航空摄影中相机姿态校正的基本依据,介绍了一种基于硬件Kalman滤波器的航拍云台姿态获取的实现方法。设计中采用MPU6050作为系统的姿态传感器,它提供三轴角速度和三轴加速度数据。根据系统特征建立Kalman滤波方程对这些数据进行数据融合处理,Kalman滤波过程中的加减乘除浮点数运算由FPGA实现,外部数据的采集和时序的控制也由FPGA完成。经过对实际数据的处理实验,得出该硬件模块可以获得较为准确的航拍云台姿态,输出结果误差在-1.5°~1.5°范围内。