多传感器融合四旋翼协同控制算法及其实现

针对四旋翼无人机定点悬停控制,从应用层面提出了多传感器数据融合方案,设计了相应的协同控制算法.在飞行器整体硬件架构基础上分析量测系统的各个传感器,对于姿态测量通道提出卡尔曼滤波算法,对于高度测量通道提出互补滤波算法,对于水平位置测量通道提出双传感器融合算法.基于四旋翼无人机的状态空间及其小扰动线性化模型,设计了与之相结合的协同控制算法并进行仿真.最后在物理平台上对设计的算法进行验证,表明多传感器融合与协同控制相结合的方法能有效提高四旋翼无人机的定点悬停精度.     

跨音速大气/惯性攻角两步融合算法

攻角是飞机飞行的重要状态参数,也是飞控及导航系统必需的参数,现代战机对攻角精度要求越来越高.大气数据系统在跨音速条件下性能严重下降,大气攻角精度受到很大影响. 针对试验机大气数据传感器的配置特点,该文设计了一种基于变参数互补滤波器与神经网络的跨音速大气/惯性攻角两步融合算法,实现惯导系统和大气系统的攻角信息融合. 首先进行跨音速惯导天向回路解算,而后利用互补滤波器与神经网络对大气/惯性攻角进行互补融合与修正,使最终的融合修正攻角平稳、可靠,逼近真实攻角. 本文利用某型飞机的实际试飞数据对两步融合算法进行了验证. 结果表明,融合修正后的攻角能够基本去除跨音速飞行阶段原始大气攻角的剧烈波动,并与真实攻角吻合.     

MEMS-INS微型飞行器姿态确定系统的实现研究

研究了微型飞行器姿态确定系统的样机实现.在对MEMS惯性器件性能分析和零偏温度建模的基础上,提出微型飞行器九位置非正交及安装误差标定方法,利用相关理论分析MEMS惯性传感器的噪声特性,建立适合工程应用的姿态组合算法,进行了转台测试和试飞试验.误差补偿后,陀螺和加速度计零偏稳定性分别达到0.036°/s²和0.01 m/s²,俯仰和横滚的误差均方差分别达到0.33°和0.28°.试验结果表明:器件和系统级的误差补偿起到了综合补偿的效果,姿态误差减小了约50%,基于MEMS-INS的姿态确定系统可满足微型飞行器自主姿态稳定的需求.     

三维复杂运动模式航迹推算惯性导航室内定位

在微机电惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)人体室内定位技术研究领域中,行人航迹推算法(pedestrian dead reckoning, PDR)具有计算简便、对传感器精度要求低的优点,得到了较为广泛的应用,但传统的PDR 研究通常只针对单一的二维前进行走运动模式,这与人体实际的三维复杂运动模式相距甚远. 该文从人体三维室内定位研究角度出发,通过10 轴MEMS 传感器采集人体运动原始信息,提出了三维复杂运动模式航迹推算法. 首先使用双零点交叉区间内的峰值双轴检测法与俯仰角检测法来检测5 类非行走运动模式,排除其对有效跨步检测的干扰;其次使用相位反转法与气压值突变法区分3 类行走运动模式,提取出不同类型的有效跨步;最后针对每一个有效跨步求解出人体位置的三维坐标值,完成人体三维室内定位. 实验表明,所提出的三维复杂运动模式航迹推算法在人体实际室内运动中,相较传统的峰值检测和零点交叉法PDR,水平定位精度提升了99%,并且高度定位精度可以达到92.4%.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

六余度配置MEMS-IMU误差标定

研究捷联惯性传感器多余度配置系统的标定. 分析了多余度惯性传感器各参数的测量原理及算法关系,针对典型的非正交配置（六传感器正十二面体）的多余度惯性测量单元(IMU),导出六位置转动标定方法,给出了计算误差模型参数的数学推导过程,建立了余度MEMS-IMU误差模型的解析表达式. 实验结果表明：该方法精度高,可有效估计出六余度MEMS-IMU的误差模型参数,提高惯导系统精度.     

基于MATLAB四旋翼姿态航向仿真

基于互补滤波下的信息融合算法,将实验获得的MTI小型姿态航向参考系统中惯性器件的实际数据进行仿真分析,在比较了陀螺仪积分、加速度计计算、互补滤波法得到的姿态角效果后,最终分析了互补滤波理论应用于姿态航向解算中的优化效果.     

三轴磁航向传感器误差补偿

用椭球拟合法进行磁航向传感器误差补偿时,约束矩阵奇异导致算法不稳定. 对此提出改进的最小二乘椭球拟合算法,讨论了磁航向传感器的误差来源,建立了误差数学模型. 结合对约束矩阵的奇异性分析,提出矩阵分块分解方法解决奇异性问题,并用最小二乘法求解椭球系数. 该算法消除了传统算法的不稳定性,降低了计算量. 计算机仿真和转台实验表明它能有效补偿磁航向传感器的测量误差,补偿后航向最大误差小于0.42m.     

机器视觉辅助的无人机空中加油相对导航

为准确获取无人机空中加油对接阶段的相对位姿信息,提出了一种机器视觉辅助的INS/GPS/MV 组合导航方案,研究了机器视觉图像的特征点提取与匹配算法. 引入相对惯导误差,建立了全局滤波器的增广状态方程,并根据杆臂矢量推导了GPS和机器视觉量测方程. 设计了基于联邦滤波器结构的全局多速率扩展卡尔曼滤波算法,以融合多速率传感器信息,并与标准EKF算法进行对比. 仿真结果表明,所提出的算法能有效融合惯导、GPS和机器视觉的测量信息,使导航参数的精度和输出带宽均满足导航系统的设计要求,有利于改善无人机的飞行品质,放宽对飞控系统的性能要求.     

GPS/SST/SINS组合导航系统研究

提出了卫星/捷联星光/捷联惯导组合导航系统的方案和组合结构,采用改进的集中滤波对多传感器信息进行数据融合和导航状态的最优估计.该组合导航系统将捷联星光跟踪仪的姿态信息、高动态GPS的位置、速度信息与捷联惯导进行组合滤波,全面提高导航的姿态、速度和位置精度.同时该组合导航系统以弹道导弹为应用对象,设计并实现了基于弹道导弹的GPS/SST/SINS组合导航系统实时仿真平台,仿真结果表明该组合导航系统能提高导弹的导航精度,滤波算法稳定可靠.     

随机奇异系统分布式最优分量融合滤波器

应用射影理论,基于奇异系统典范型分解,对带相关噪声的单传感器随机奇异系统,给出一种新的递推滤波器;当系统带有多个传感器时,基于线性最小方差标量加权的分量融合算法,给出了多传感器分布式最优分量融合滤波器.融合估计的每个分量分别由局部估计的相应分量按标量加权融合获得,它只需并行计算一系列标量权重.可改善各局部估计的精度和减小计算负担.推得了随机奇异系统任两个局部估计之间的滤波误差互协方差阵.仿真例子验证了其有效性.     

考虑SAR图像导航量测特性的SAR/INS组合导航非线性滤波

SAR/INS组合导航系统中,当SAR量测输出时间间隔较长时,惯性导航得不到及时修正,系统将具有较强的非线性特性,导致常规卡尔曼滤波算法的精度受到影响甚至滤波发散. 为了提高组合导航的精度,该文结合惯性导航系统的非线性模型,设计基于无迹卡尔曼滤波(UKF)解决非等间隔量测修正的SAR/INS组合导航非线性滤波算法,并通过协方差分析对比研究常规卡尔曼滤波和该文算法的性能. 仿真结果验证了该文算法具有更高的精度.     

基于故障检测的惯性航姿系统内阻尼姿态组合算法

在平台式惯导系统中可通过阻尼网络来阻尼系统的振荡误差,而在捷联惯性航姿系统中也可以借鉴这个思想,通过加速度计的信息对陀螺漂移进行修正.文中提出了分别利用陀螺仪和加速度计来解算载体姿态,然后通过卡尔曼滤波器进行数据融合的方法.由于加速度计信息进行阻尼的方法只有在系统处于非加速度运动状态才可用,因此,本文将故障检测理论中的残差χ 2检验法应用在卡尔曼滤波器中,进行运动状态的实时判断,并根据判断结果进行相应的处理.此外,算法中还考虑到传感器测量野值带来的影响,提高了算法的容错性能和灵敏度.最后,采用实际系统的动静态试验验证了本算法的有效性.     

基于比力积分匹配的惯导系统传递对准

某些机载装备的传递对准过程要求在机体升空阶段进行. 受飞行速度的限制,采用传统匹配方案使传递对准精度受到很大影响. 本文提出一种适合机体低速运行条件的“比力积分“匹配方案,利用主子惯导比力差的积分作为卡尔曼滤波的观测值,未引入陀螺误差,且SINS仅作比力积分计算,减少了SINS对准期间的计算量,保证了传递对准的实时性. 在考虑安装误差角和挠曲变形角的条件下建立了系统误差的数学模型. 仿真结果表明,该方案能在机体低速运行 条件下有效提高机载装备的传递对准精度,对于中低精度的捷联惯导系统有工程实用价值.     

滤波角速率输入的圆锥误差补偿

为了提高光纤陀螺捷联惯性导航系统精度,提出了滤波角速率输入的圆锥误差补偿方法。根据滤波前后物理量圆锥效应的不同,分析滤波圆锥误差准则,并依据滤波角速率求取滤波角增量的算法,推导了滤波角速率输入的捷联惯性导航系统圆锥误差补偿中的误差补偿系数和误差主项。结合光纤陀螺特性的对比仿真结果表明,滤波角速率输入圆锥误差补偿算法精度比传统姿态算法精度高2～3个数量级。滤波角速率输入圆锥误差补偿算法更贴近工程,对提高角速率陀螺构建的捷联惯性系统精度具有重要理论和工程意义。     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.