基于复合卡尔曼的低成本手机陀螺仪降噪研究

在利用智能手机中的低成本MEMS传感器进行定位时,由于陀螺仪和加速度计输出的原始数据存在较大误差,难以获得较为准确的姿态角信息。其中利用陀螺仪数据进行积分运算后造成的漂移误差尤为严重。针对这个问题,将陀螺仪和加速度计的数据进行信息融合,使用复合卡尔曼滤波法来降低陀螺仪积分漂移误差。静态和摇摆实验表明基于复合卡尔曼滤波的降噪方法可有效提高姿态角测量精度。     

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。     

两轮载人自平衡车姿态测量单元设计

为提高自平衡车姿态角测量精度,利用惯性传感器MPU6050及STM32微处理器,采用参数可调的自适应显性互补滤波算法,结合陀螺仪和加速度计数据分别进行高频和低频姿态估计,设计了自平衡车姿态角测量单元。系统在线测试结果表明,该检测单元设计简单,算法易于实现,姿态角的估计精度高,为自平衡控制的实现提供了保证。     

基于改进扩展卡尔曼滤波的爬架运行安全姿态估计

为了实时准确的获取爬架运行时的姿态信息，提出了一种基于改进Sage-Husa扩展卡尔曼滤波算法（ISHEKF）的爬架姿态估计方法。首先建立了爬架姿态估计模型，然后在扩展卡尔曼滤波（EKF）对传感器进行融合滤波时，加入Sage-Husa扩展卡尔曼算法（SHEKF）对时变噪声进行调节，再以协方差匹配技术对Sage-Husa进行滤波发散判定，通过在调节因子中引入爬架实时运动速度，改进滤波发散判定依据，从而满足爬架运行时高精度的滤波要求。实验结果表明：静态实验中以横滚角为例，ISHEKF的最大误差较SHEKF减少了21.9%，较EKF最大误差减少了70.8%；动态实验中ISHEKF表现出更好的稳定性和滤波精度，能够准确反映爬架运行的状态变化。     

基于惯性传感器数据融合的管线三维可视化

受施工技术与管线设计等因素影响,一般管线的三维轨迹通常和设计轨迹有部分误差,而精确了解管线的空间位置又十分重要。提出一种基于Arduino平台的六轴陀螺仪姿态解算与融合及管线轨迹可视化算法。首先从六轴陀螺仪收集加速计数据和角速度数据,分别计算出姿态角,并对加速计解算的姿态角进行滑动加权滤波,将滤波后的姿态角与角速度计解算的姿态角经卡尔曼滤波进行融合,得出高精度的翻滚角、偏航角、俯仰角,最后通过融合后的数据求得采样点坐标,绘制出三维轨迹。实验结果证明:该算法不仅能够有效消除陀螺仪传感器的误差,而且测出的三维轨迹曲线与实际管线轨迹基本吻合,有很高的精确度。     

基于惯性传感器数据融合的管线三维可视化研究

受施工技术与管线设计等因素影响,一般管线的三维轨迹通常和设计轨迹有部分误差,而精确了解管线的空间位置又十分重要。本文提出一种基于Arduino平台的六轴陀螺仪姿态解算与融合及管线轨迹可视化算法。首先从六轴陀螺仪收集加速计数据和角速度数据,分别计算出姿态角,并对加速计解算的姿态角进行滑动加权滤波,将滤波后的姿态角与角速度计解算的姿态角经卡尔曼滤波进行融合,得出高精度的翻滚角、偏航角、俯仰角,最后通过融合后的数据求得采样点坐标,绘制出三维轨迹。实验结果证明：该算法不仅能够有效消除陀螺仪传感器的误差,而且测出的三维轨迹曲线与实际管线轨迹基本吻合,有很高的精确度。本文研究的算法有很强的实用性。     

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.     

基于陀螺仪及加速度计信号融合的姿态角度测量

针对在四旋翼飞行器姿态控制中传感器数据存在噪声干扰和测量误差,以致单独使用陀螺仪与加速度计不能得到最优姿态角度的问题,建立陀螺仪和加速度计误差的数学模型,采用卡尔曼滤波方法,实现数据融合,有效地提高了姿态检测系统的检测精度.该方法被成功应用于四旋翼飞行器的飞行姿态角度控制中,验证了其良好的噪声抑制能力,提高了系统对环境变化的适应性.     

基于多传感器融合的TBM姿态角测量方法

为了解决倾角仪在硬岩掘进过程中强振动环境下的失效问题,基于倾角仪输出精度高、微型机电系统(MEMS)陀螺仪抗振动强的优点,提出了多传感融合的姿态测量方法.采用Allan方差方法建立MEMS陀螺仪的随机误差模型,并用扩展卡尔曼滤波算法对陀螺仪的零漂进行有效估计和补偿,在倾角仪失效情况下采用修正过的陀螺仪数据计算掘进机的姿态角.仿真和实验表明:该算法能有效实现振动环境下姿态测量的计算,保证多传感器融合系统误差不超过0.06°.     

低成本姿态测量系统研究

针对由低精度的惯性陀螺、加速度计、磁强计组成的低成本姿态测量系统,该文进行了组合算法研究.设计了有陀螺测量和基于四元数差分法的无陀螺测量2种广义卡尔曼滤波器(EKF);采用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维观测量转化为四元数,作为观测量的一部分,显著减少了直接使用EKF的计算量.设计了仿真数据进行算法验证,成功地得到姿态估计,并对2种EKF滤波器在低速和高速状态下进行验证,取得良好效果.     

基于超短基线的GPS测姿算法研究

针对超短基线下姿态测量结果稳定性差及可靠性低的问题,提出一种更加可靠稳定的基于超短基线的全球定位系统（global positioning system,GPS）姿态测量算法。构建了扩展卡尔曼滤波（extended Kalman filtering,EKF）模型,并对扩展卡尔曼滤波模型中测量噪声矩阵采用基于卫星高度角模型,得出比较准确的浮点模糊度;联立了载波双差观测方程和伪距双差观测方程,并采用改进模糊度最小二乘去相关平差法（modified least-squares ambiguity decorrelation adjustment algorithm,M-LAMBDA）进行快速模糊度固定解算;利用了滤波法进行姿态解算。实验结果表明,与其他测姿算法相比,该算法可适用于超短基线,能够提高姿态结果的稳定性与可靠性,在基线为20 cm静态环境中,该算法模型航向角的误差方差为0.1左右,航向角的绝对误差为2°左右。在基线为20 cm动态环境中,该算法模型航向角的误差方差为2左右,姿态角的绝对误差为3°左右。     

基于陀螺星光加激光交会雷达的相对姿态确定

针对编队飞行中从飞行器与主飞行器的相对姿态确定问题,提出了基于扩展卡尔曼滤波(EKF)的相对姿态确定方法. 采用修正罗德里格参数(MRPs)作为姿态描述参数避免奇异点. 姿态敏感器采用陀螺 星敏感器 激光交会雷达的配置模式,并且结合相对姿态动力学方程得到相对姿态确定的状态方程,建立起相对姿态确定的EKF模型. 仿真实例表明,EKF状态能在最慢300 s内收敛,MRPs的估计误差在10-5范围以内,该方法正确有效.     

9轴MEMS-IMU实时姿态估算算法

随着对微机电系统-惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)在室内定位、动态追踪等应用领域中的需求日益迫切, 使得具有高精度、低成本和实时性的MEMS-IMU模块设计成为研究热点. 针对MEMS-IMU的核心技术--姿态估算进行研究, 设计了一种基于四元数的9轴MEMS-IMU实时姿态估算算法. 该算法运用分解四元数算法处理加速度和磁感应强度数据, 计算出静态四元数; 通过角速度与四元数的微分关系估算动态四元数; 运用卡尔曼滤波融合动、静态四元数, 进而实现实时姿态估算. 针对分解四元数算法中存在的奇异值问题, 提出了转轴补偿方法对其修正, 以实现全姿态估算; 考虑动态情况下的非线性加速度分量对姿态估算精度的影响, 设计了R自适应卡尔曼滤波器, 以进一步提高姿态估算算法的精度. 验证结果表明, R自适应卡尔曼滤波器能够有效抑制加速度噪声, 提高姿态估算精度; 同时, 转轴补偿-分解四元数算法能够准确估算奇异值点的姿态信息, 并且计算时间仅为原“借角”补偿方法的50%左右, 有效提高了整体算法的实时性.     

CDKF 算法在四旋翼飞行器组合导航系统中应用

针对基于四旋翼无人飞行器的组合导航系统在小失准角情况下滤波器较短时间内发散的问题, 将中心差分卡尔曼滤波算法应用于低成本的组合导航系统中, 设计了飞行器组合导航系统的硬件电路。该系统采用MPU-6050 芯片作为飞行器姿态传感器, 选用u-Blox 公司的NEO-6M 模块获取GPS(Global Positioning System)信号, 并利用中心差分卡尔曼滤波算法实现多传感器的数据融合, 从而获取导航信息。在四旋翼无人飞行器平台上对该系统进行实验的结果表明, 该导航系统能有效抑制传感器噪声, 克服了陀螺仪的漂移现象, 避免了传统EKF((Extended Calman Filter) )算法近似程度不高, 易导致解算结果发散等问题的发生, 为飞行器提供了准确的导航信息。