基于惯性测量单元旋转的陀螺漂移估计和补偿方法

陀螺仪的漂移误差是影响惯性导航系统的姿态测量精度的重要因素。常用的陀螺漂移估计及航向角误差修正方法需要用磁强计或GPS等外部传感器的辅助数据来实现,存在室内、磁干扰等环境下应用受限的问题。对此该文提出了惯性测量单元旋转的改进方法。该方法在测量过程中对陀螺仪施加独立于物体运动的特定旋转,通过旋转前后不同姿态下陀螺仪和加速度计输出的倾角数值,得到惯性测量单元漂移估计。实验表明,该估计算法可有效地提高航向角的测量精度。     

一种基于K60自平衡测量方法的研究及实验

针对自平衡车的平衡方法和姿态参数测量问题,利用空间旋转的旋转轴和旋转角度—四元数计算姿态角,采用串级PID控制方法研究自平衡车平衡参数,给出平衡车中各平衡参数的测定实验方法,内环采用增量式PI控制,外环采用位置式PD控制,测量得出最佳内环、外环平衡参数和零点漂移值。自主搭建软硬件平衡试验模型,在K60上实现各方法。实验表明,通过对平衡姿态参数的测定实验,利用四元数、串级PID控制方法设计的自平衡车能够保持平衡。     

宽带移动卫星通信系统低成本姿态估计算法

针对低成本微机电惯性测量单元无法满足宽带移动卫星通信系统姿态估计精度的问题,提出了以单基线GPS为辅助传感器的低成本姿态估计(LCAE)算法.该算法通过互补滤波器对陀螺测量值与加速度计姿态角进行传感器融合.为了克服机动加速度干扰,借助单基线GPS的速率信息及航向信息,加入了机动加速度补偿和侧滑角补偿;为了降低算法对GPS信号的依赖,加入了开关结构.实验结果表明,LCAE算法能够有效去除加速度计测量值中的非重力信息,隔离载体运动对加速度计输出的干扰,姿态角估计精度在GPS信号完全锁定的情况下达到±0.5°以内,在GPS信号不完全锁定的情况下,姿态角估计精度优于开关卡尔曼方法,达到±1°以内,满足低成本移动卫星通信系统要求.     

基于四元数EKF算法的小型无人机姿态估计

针对小型无人机设计的姿态测量系统,提出一种用于小型无人机姿态估计的四元数扩展Kalman滤波算法.该算法通过建立四元数姿态运动模型和航姿传感器测量模型,构建了以四元数和陀螺仪随机漂移为状态向量、以加速度计测量值和磁阻仪解算的航向角为观测向量的扩展Kalman滤波器,并设计了自适应测量噪声协方差矩阵修正法.实验结果表明,该算法不但解决了微机电系统惯性器件用于载体姿态测量时精度低、易发散、易被干扰的问题,而且显著减小了陀螺仪随机漂移对姿态估计的影响,有效提高了姿态估计的精度.     

MIMU/偏振光互补滤波组合导航算法研究

针对偏振光导航中存在的输出角度模糊性和三维状态下航向角计算问题,提出利用互补滤波对MEMS惯性测量单元(MIMU)和偏振光传感器进行信息融合的姿态更新算法。该算法利用偏振光传感器测量模型构造太阳位置的估计矢量和实测矢量,通过PI(proportional-integral)补偿策略实现3轴陀螺仪偏差的最优估计和补偿。通过对比纯惯导系统INS、单偏振光导航系统、MIMU/地磁和MIMU/偏振光4种导航系统的输出姿态角,表明该算法能够有效滤除惯导系统的低频噪声和偏振光传感器测量值中的高频噪声,并且能够获取无人机360°范围内的航向角估计量,为偏振光组合导航提供了一种行之有效的解决方法。     

基于四元数的MARG传感器姿态测量算法

陀螺仪的漂移、载体的线性加速度和周围局部磁场的干扰是制约MARG传感器姿态测量精度的主要问题,传统的方法利用滤波算法和零速修正技术来减小姿态测量误差。该文基于已有的惯性测量单元,设计了一个基于四元数的扩展Kalman滤波器,通过建立MARG传感器模型,引入传感器偏差补偿和自适应的测量噪声协方差矩阵构造方法来提高姿态测量精度,减小载体线性加速度和周围局部磁场的干扰,实现三自由度的姿态测量。基于惯性测量单元(IMU)的实验结果表明了本文所提算法能显著提高姿态测量精度。     

弹体姿态估计数据融合算法研究

为了测量剧烈变化的弹体滚转角姿态,设计了高、低量程配置的传感器测量方案,利用UKF滤波器,对弹体滚转姿态进行估计.为了提高弹体飞行中间段的滚转姿态测量精度,进一步设计了状态融合和量测融合两种数据融合算法.仿真研究表明,量测融合算法精度高、实时性强.     

基于锁相跟踪和惯组的旋转弹滚转角估计方法

为解决微惯性测量组合测量旋转弹滚转角的问题,在对旋转弹角运动特性进行分析研究的基础上,建立微惯性测量组合测量滚转姿态的数学模型,提出基于锁相跟踪算法和微惯性测量组合的旋转弹滚转角估计方法. 该方法对基于三阶锁相环的锁相跟踪算法及其特性进行研究,根据旋转弹角运动特性和微惯性测量组合测量信号特性确定三阶锁相环环路滤波参数,并建立基于三阶锁相环和微惯性测量组合的旋转弹滚转角估计模型,即可根据模型进行锁相跟踪计算得到滚转角. 仿真结果表明,三阶锁相跟踪环路能对旋转弹滚转信号进行有效跟踪,并能够通过微惯性测量组合估计滚转角速度和滚转角,满足旋转弹滚转运动姿态提取的要求,有较大的实用价值.      

基于VNS-GA的PID和互补滤波控制的自平衡车姿态解算

自平衡车的姿态主要靠传感器来感知,通过传感器感知的角速度和加速度数据自动调整自平衡车的姿态角,从而维持其平衡.采用三轴陀螺仪和三轴加速度计分别采集自平衡车的角速度和加速度,通过互补滤波方法,对2种传感器采集到的数据进行融合,降低噪声和误差;然后,采用本文提出的融合变邻域搜索的遗传算法(VNS-GA)对PID控制器的3个参数进行寻优,从而对互补滤波方法获得的角度进行自适应调整,最终得到较精确的姿态角.为了验证基于VNS-GA的PID控制方法的性能,分别使用基于GA的PID控制方法和基于VNS-GA的PID控制方法来解算自平衡车的姿态角.实验结果表明:基于VNS-GA的PID控制方法得到的姿态角更接近于真实值,性能更好.     

移动卫星通信系统组合姿态估计算法

针对宽带移动卫星通信系统传感器直接融合姿态估计算法易受外界因素干扰、估算误差难以校正的问题,提出了一种移动卫星通信系统组合姿态估计算法。该算法以移动卫星地球站载体的位置误差、速度误差和姿态误差为系统状态量,建立了9状态的组合导航姿态估计模型;通过使用GPS航向角辅助观测解决了组合姿态估计算法航向角可观性弱、姿态角估计值易发散的问题;通过将转弯判断规则和Sage-Husa自适应控制算法进行融合,降低了GPS航向角测量误差对姿态估计的影响,提高了组合姿态估计算法的精度。实验结果表明:移动卫星通信系统组合姿态估计算法计算简单、实时性好,姿态估计精度优于传感器直接融合算法,其姿态估计误差可控制在±0.5°以内,最小均方误差值小于0.4,满足低成本宽带移动卫星通信波束对准要求。     

一种基于改进卡尔曼滤波的姿态解算算法

针对多传感器融合姿态解算精度不高的问题,本文提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(Extended Kalman Filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效的解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载IMU(InertialSmeasurementSunit)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明：本文提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。     

基于改进自适应混合滤波算法的输电杆塔倾角测量方法

针对输电杆塔在线监测系统在使用低成本惯性测量单元(inertial measurement unit, IMU)测量杆塔倾角时存在测量精度低、姿态解算易发散、稳定性差的问题,提出一种基于改进自适应混合滤波算法的输电杆塔倾角测量方法。首先建立杆塔姿态解算坐标系,并结合四元数法确定了定姿方案。其次,运用改进型PI互补滤波算法对陀螺仪及加速度计进行信息融合,高低频优势互补,初步提升系统的姿态解算精度。最后将初步去噪后的信息作为Sage-Husa自适应滤波算法的初值,并引入滤波发散判据,在发散时调整误差协方差矩阵,从而对发散进行有效抑制,提高算法稳定性。实验结果表明,该算法可以有效提高测量精度,抑制解算结果的发散。     

旋转导向系统有色噪声的改进无迹卡尔曼滤波方法

在旋转导向钻井系统的姿态测量过程中,三轴加速度计测量数据中包含大量有色噪声,严重影响井底组合钻具姿态测量的精度。基于旋转坐标变换的四元数理论,结合所建立的三轴加速度噪声模型,提出一种改进无迹卡尔曼(UKF)迭代滤波算法。此方法利用陀螺测量原理构造观测方程和时变状态方程,将实时解算出的钻具姿态以四元数的形式更新时变状态方程中三轴角速度,通过更新观测方程加速度噪声模型实现加速度计传感器数据中有色噪声的UKF迭代滤波。实测数据滤波的结果表明,此方法可有效滤除加速度传感器数据中的有色噪声,保证旋转导向钻具姿态测量的精度。     

基于决策树的自适应互补滤波姿态解算

为解决惯性传感器在磁场干扰和大加速度干扰坏境下姿态解算精度下降的问题,提出了一种基于决策树自适应的互补滤波姿态解算方法。针对陀螺仪特性,对其进行零偏补偿处理。将处理后的角速度数据与加速度数据构成静态检测单元,实现了静态情况和动态情况的准确分类。在动态情况下,由加速度数据和磁场数据组成的决策树通过分析外界干扰程度来自主调节系统误差增益,进而达到抗干扰目的,有效提高姿态解算精度。实验结果表明,静态情况下姿态解算不受磁场干扰,动态情况下能够有效避免磁场和大加速度干扰。     

一种新的羽毛球拍挥拍轨迹识别方法

为了更加精确地识别羽毛球拍的运动轨迹,提出一种多传感器融合的挥拍轨迹识别方法(TRM,trajectory recognition method).使用放置在球拍拍柄底部的智能设备进行数据采集,该设备由加速度计、陀螺仪和磁力计的多传感器组成.首先,使用加速度计和磁力计对陀螺仪进行修正,改进基于卡尔曼滤波器的四元数姿态解算精度并得到姿态角.其次,使用旋转矩阵去除加速度的重力分量,再对加速度数据进行频域数值积分得到速度和位移,采用最小二乘拟合多项式剔除数值积分过程中产生的累积误差.最后,结合姿态角、速度和位移,识别出挥拍轨迹.实验结果表明,提出的TRM具有良好的有效性.与传统时域积分轨迹识别方法相比,TRM的挥拍轨迹识别率更高.TRM可以更准确地进行羽毛球拍运动轨迹识别.     

基于多传感器数据融合的四旋翼飞行器的姿态解算

 用于农田信息采集的四旋翼飞行器姿态解算过程中,存在姿态角测量不够准确这一难题。选择基于加速度计、电子罗盘与陀螺仪的捷联式惯性测量系统,采用卡尔曼滤波算法,通过融合多个传感器的测量数据,解算出高精度的姿态角。为验证卡尔曼滤波算法的有效性和实用性,搭建了四旋翼飞行器姿态检测实验平台。结果表明,经卡尔曼滤波算法处理之后的姿态角动态响应好,解算精度高,其最大跟踪误差控制在±1.5°以内,消除了由加速度计或电子罗盘带来的测量白噪声,也有效抑制了陀螺仪的温度漂移,满足四旋翼飞行器对姿态解算精度的要求。     

基于四元数互补滤波的无人机姿态解算

针对无人机低成本姿态解算这一基本问题,考虑到传统姿态算法运算量大、不易调试,采用微惯性单元(MEMS)测量无人机原始姿态数据,采用基于四元数的互补滤波算法,有效降低姿态解算的运算量,实现MEMS各传感器的信息融合。从理论上证明了基于四元数的互补滤波器的稳定性,分析了滤波器的性能。采用无人机真实数据验证了算法的有效性,解算得到的俯仰角、滚转角精度小于1°,航向角精度小于2°。与传统姿态算法比较,本算法简单有效、运算量小、易于调试。     

融合双轴加速度计与单轴陀螺仪的滚转角测试方法

实时高精度滚转角信息对提高高速旋转弹药制导精度尤为重要。由于弹体纵轴存在高速旋转,若纵轴采用大量程陀螺,则会带来较大的输出噪声,同时不可避免地存在累积误差,导致滚转角测量精度不高。为解决这个问题,提出了一种融合双轴正交加速度计与单轴陀螺仪的滚转角测试方法,纵轴采用大量程陀螺进行滚转角测量,双轴正交加速度计测量横轴和竖轴上的加速度,利用低通滤波提取重力投影测量滚转角,由加速度计得到的滚转角作为观测量,基于卡尔曼滤波（KF）融合两种方式得到滚转角信息,利用加速度计修正陀螺仪从而提高滚转角测量精度。为验证算法的有效性,进行了弹道仿真实验,实验结果表明：在6.68秒的外弹道飞行过程中,单独使用加速度计测量滚转角精度为（RMSE标准）15.58°,单独使用陀螺测量滚转角精度为1.36°,融合算法精度为0.57°,且不存在累积误差。实验表明,该算法具有重要的工程应用价值     

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。     

基于加速度计和陀螺仪的波浪测量方法

针对实验室中波浪参数的测量,研究了惯性传感器加速度计和陀螺仪的性能,提出一种基于加速度计和陀螺仪的波浪测量方法。利用惯性导航系统中的坐标系转换、信号的数值积分以及趋势项处理等算法,对惯性传感器获取的加速度信号进行处理得到垂向位移,从而计算出波高值,并对比分析了高通滤波算法和滑动平均算法对趋势项的消除效果。试验结果表明,利用惯性传感器加速度计和陀螺仪的测量方法获得地理坐标系下的垂向位移曲线,与波高传感器的实测曲线吻合较好,且滑动平均算法对趋势项的消除效果更好。所以,基于加速度计和陀螺仪的波浪测量方法可满足于实验室的波浪测量。