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。     

基于视觉的无人机姿态角估计

通过提取视频图像上跑道的线性特征以及利用消失点的定义来估计无人机(UAV)的三个姿态角.先对相机的三个姿态角进行估计:利用跑道底线估计出滚动角,用消失点在图像上的位置来估计偏航角,结合消失点的定义给出俯仰角的估计,同时对偏航角和俯仰角的估计进行修正,随后给出无人机的姿态角估计.仿真试验证明了所提方法的有效性,滚动角的估计误差在0.8°之内,偏航角和俯仰角的误差在0.2°之内.     

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.     

基于双姿态的高阶罗德里格斯参数姿态估计

针对高阶罗德里格斯参数构建姿态更新方程时存在模型奇异值以及基于四元数的姿态估计算法计算量大等问题,提出一种基于双姿态的高阶罗德里格斯参数姿态估计算法.当高阶罗德里格斯参数存在奇异时,切换到四元数姿态表示模型,避免高阶罗德里格斯参数的奇异值,之后再通过判断准则切换到高阶罗德里格参数姿态表示模型,以降低计算量.通过江试试验比较了提出算法和传统四元数无味估计器的估计精度和计算量,在计算精度基本相当的情况下,本文算法计算时间减小了26.27%.     

四旋翼无人机固定时间姿态输出反馈控制

为实现角度不可测的四旋翼无人机(unmanned aerial vehicle, UAV)姿态跟踪,提出一种新的输出反馈控制方案。首先,将外界干扰与系统模型中的不确定作为综合扰动整体估计,设计了固定时间扩张状态观测器来估计未知角速度和综合扰动,保证估计误差能够在固定时间内收敛到原点,且收敛时间不依赖于系统的初始条件。同时为了提升控制精度和速度,设计基于齐次性理论的固定时间控制器,能够保证系统的跟踪误差在固定时间内收敛至零,且收敛时间与四旋翼无人机的初始状态无关。最后,通过仿真研究,验证本文所提方案的有效性。     

基于动力系统模型的四旋翼推力估计方法

为解决四旋翼飞行器的精确控制需要使用动力系统推力,而该飞行器推力不可直接测量的问题,提出了一种悬停状态下的四旋翼推力估计方法.对四旋翼动力系统建模,并建立了悬停状态下用于推力估计的线性系统,以动力系统输入控制值和四旋翼姿态及高度输出测量值作为新系统输入,使用状态观测器对四旋翼推力进行估计.结果表明,基于动力系统模型的四旋翼推力估计方法可有效估计悬停状态下四旋翼动力系统所产生的推力.      

四旋翼无人机单目视觉自主着陆系统研究

以基于计算机视觉技术实现四旋翼无人机自主着陆为目标,采用Pixhawk开源飞控和mavros技术,设计黑白相间的正方形分级嵌套地标,然后通过单目摄像头采集图像数据输入机载图像处理上位机NVIDIA TX2中进行图像处理,并结合OpenCV函数库功能完成地标检测识别,最终实现四旋翼无人机位姿解算与自主着陆.     

基于ARM处理器的四旋翼无人机自主控制系统研究

为实现四旋翼无人机的自主飞行控制,设计并搭建了四旋翼无人机的硬件飞行控制平台.该平台采用自行组装的四旋翼飞行器作为本体,航向姿态参考系统(AHRS)MTi-G单元作为主要机载传感器,ARM嵌入式系统芯片作为主控制器,AVR单片机作为超控单元.基于四旋翼无人机的非线性动态模型,采用内外环结构的PD控制算法,构造了无人机的位置与姿态跟踪控制器.实现了四旋翼无人机滚转角、俯仰角和水平纵向、横向位置共四个自由度的自动控制.实验结果表明,本文提出的机载控制系统设计取得了较好的飞行控制效果.     

基于平方根Unscented卡尔曼滤波的无陀螺卫星的姿态估计

针对无陀螺卫星的姿态和速度估计问题,提出基于平方根UKF滤波（square Root Unscented Kalman Filter）的估计算法。为了避免欧拉角带来的奇异问题,采用四元数描述卫星的姿态参数。考虑卫星的非线性模型,采用Cholesky和QR分解,从而平方根UKF滤波方法不仅能保证协方差矩阵的正定性,并且还可以提高算法的计算精度。利用测量矢量的信息,该算法能估计三轴稳定卫星的姿态,且计算简单,无需计算Jacobian矩阵。数值仿真结果表明,所给出的方法是可行而有效的。     

基于滑模观测器的四旋翼无人机全回路解耦控制

针对四旋翼无人机复杂轨迹跟踪控制面临的多通道耦合、强非线性以及多源干扰等问题,考虑四旋翼无人机的位置回路、姿态回路动态跟踪误差和执行机构实现过程,提出了一种全回路轨迹跟踪控制方案.首先,将四旋翼无人机轨迹跟踪控制问题转化为位置回路和姿态回路的指令跟踪问题;其次,将不同通道之间的耦合以及多源干扰影响视作集总干扰,并基于高...     

基于多旋翼无人机的烟气监测系统研究

设计了一种搭载气体传感器的多旋翼无人机监测系统,实现对固定污染源定点、快速取样和实时数据回传,便于对污染物排放情况快速、准确地判别。对某电厂监测结果表明,系统能够在恶劣的烟尘环境下较好地完成导航、悬停、监测、回传等功能,可以对大气环境进行指定高度、指定位置的信息采集,为固定污染源排放监测和取证提供了一种可行的解决方案。     

基于改进遗传算法的四旋翼无人机参数辨识

为克服传统遗传算法在参数辨识过程中收敛速度慢的问题,提出了一种基于改进遗传算法的四悬翼无人机参数辨识方法。该方法引入梯度算子为遗传进化提供指示性的方向,利用遗传算法的全局搜索性保证算法的全局收敛,并根据简化四旋翼无人机数学模型设计了优化函数。利用四悬翼无人机实飞数据进行了实验测试,实验结果验证了本文方法的有效性和快速收敛性。     

基于平方根容积卡尔曼滤波的永磁同步电机状态估计

针对使用容积卡尔曼滤波算法(Cubature Kalman Filter, CKF)在复杂非线性状态估计时存在的误差较大、运算速度慢等问题,引入一款改进后的平方根容积卡尔曼滤波算法(Square-Root Cubature Kalman Filter, SRCKF)。建立非线性系统线性化模型和电机数学模型,引入SRCKF实现对转速和转子位置的状态估计,在Matlab/Simulink环境下对SRCKF和CKF两种算法进行仿真。结果表明：平方根容积卡尔曼滤波大大降低了电机在状态估计时的运行速度和估计误差,提高了估计精度,系统更加稳定。     

基于ADRC的四旋翼无人机姿态控制研究

四旋翼无人机由于受到自身的非线性、模型的不确定性和外部突发气流等的影响,较难完成预设的飞行任务.为此,使用自抗扰控制,通过安排合理的过渡过程减少超调和设计扩张状态观测器来估计总扰动并实时补偿,并实现四旋翼无人机姿态控制.仿真结果表明:相比传统PID控制,该控制方法使得四旋翼无人机能够更好地适应自身参数的变化和应付外部气流带来的影响,具有更好的鲁棒性和抗扰性.同时验证了自抗扰控制器下的系统具有超调小、精度高、收敛速度快、抗扰能力强和鲁棒性能好等特点.     

基于视觉伺服的小型四旋翼无人机自主飞行控制研究进展

 在GPS信号较弱甚至失效的环境下,视觉伺服能够通过视觉信息控制自主飞行,因此近年来视觉伺服在自主飞行控制领域受到广泛关注。根据获取的图像信息不同,可将视觉伺服分为基于位置的视觉伺服和基于图像的视觉伺服。与基于图像的视觉伺服相比,基于位置的视觉伺服位姿估计稳定,可直观地在直角坐标空间定义机器人运动,符合机器人工作方式,且控制器设计简单,但控制精度受摄像机和机器人标定精度的影响,且计算量较大。对于小型四旋翼无人机自主飞行控制的应用研究中,视觉伺服的实时性、精确性和鲁棒性尚待提高,且小型四旋翼无人机的智能化不高,在室内室外模式转换及室内协同控制方面还有广阔的发展空间。     

基于神经网络的旋翼无人机空中原位风速反演

旋翼无人机空气动力学模型能够克服无人机旋翼下洗气流的影响,相比携带传感器直接测风具有一定优势。空气动力学模型利用无人机自身的姿态数据可以直接计算得到风向,但是风速的计算还需要开展大量的风洞实验以及复杂的实体建模获取相关参数。为简化流程、规避参数获取过程中存在的误差,采用BP(back propagation)神经网络替代风洞实验和实体建模,研究无人机姿态同自然风速的关系。通过确定风速影响因子,分别建立以两个欧拉角为输入和以两个欧拉角计算得到的倾角为输入的旋翼无人机空中原位风速反演模型EUL-BP(euler back propagation)和INC-BP(incline back propagation)。以无人机悬停等高度风塔上超声风速仪观测自然风速为真值,比较反演模型EUL-BP和INC-BP发现,INC-BP增强了BP神经网络寻优过程的约束,反演效果较EUL-BP更优,其均方根误差大致为0.65 m/s,相关系数为0.86左右;比较反演模型结果与无人机机载自动气象站观测结果发现,当风力条件为三级及以下时,反演风速远优于携带传感器观测的风速。     

基于滑模控制的四旋翼无人机的轨迹跟踪控制

针对四旋翼无人机,研究了基于滑模控制的轨迹跟踪问题.根据无人机复杂的数学模型,首先利用单位四元数法描述系统姿态,再将其分解为位置和姿态两个子系统;通过引入中间控制输入,跟踪三个自由度的位置信息;考虑到位置和姿态子系统分别受到干扰力和干扰力矩的影响,设计了鲁棒反演滑模控制器,保证了对目标轨迹的稳定跟踪.仿真结果验证了该控制方法的有效性.     

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。     

基于扩张状态观测器的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机飞行控制中高不确定性、强耦合性、模型参数摄动等问题,提出一种控制方法,将无法精确建模的动态量及未知干扰量合并为扰动项,通过引入线性扩张状态观测器对扰动项的值进行估计,并结合反步控制器进行补偿,从而消除了未知扰动的影响,有效提升了四旋翼无人机的抗干扰能力。通过仿真对比验证了控制策略的有效性。