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。     

基于惯性传感器与WiFi的室内行人轨迹推算

为了实现室内无GPS情况下行人的运动轨迹推算,设计了一种基于智能手机惯性元件和WiFi的室内行人轨迹推算算法.该算法基于粒子滤波,利用手机加速度计和陀螺仪进行步态检测和每步旋转角度推算,并使用了一种基于WiFi强度变化趋势的WiFi地标策略.实验结果显示,使用该算法优化后的行人轨迹收敛,接近真实的运动轨迹.在仅使用惯性传感器和WiFi的情况下,可以有效地控制陀螺仪误差积累,完成固定手机姿态的行人轨迹推算.     

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.     

融合MT2503与MEMS传感器的惯性导航定位算法

为提高惯性导航室内定位算法的精度与连续性,提出一种融合MT2503与MEMS传感器的惯性导航定位算法,算法以MT2503芯片作为定位终端,并将加速度计传感器、陀螺仪,磁力计等传感器与其进行融合,通过加速度计传感器解算步长、步幅、步频,通过陀螺仪与磁力计来识别定位终端微动偏移量,最后在初始位置上累加定位终端位移得出定位终端实时位置。实验证实通过零速修正和卡尔曼滤波对误差进行校正,有效的解决了MEMS(micro-electro mechanical system)定位算法中存在的导航解算误差累积问题,提升了MEMS惯性导航室内定位算法的精度。     

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。     

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.     

一种实时移除MEMS陀螺仪噪声的精准航姿技术

MEMS-IMU包括三轴陀螺仪和三轴加速度计,陀螺仪的噪声导致MEMS-IMU的航姿不精确,并由此导致外部加速度呈现较大的误差。针对该问题,提出一种实时移除陀螺仪噪声的技术:方向余弦矩阵的第3列和陀螺仪的偏置同时设为状态向量,用于在线获取陀螺仪的噪声;加速度计的外部加速度和测量噪声均被设为测量余量,以便于在任意运动轨迹时能测量重力向量。陀螺仪和加速度计的测量结果通过卡尔曼滤波器融合,前者估算状态向量,后者校准状态向量的误差。通过比较MEMS-IMU在任意伪静态时的航姿和外部加速度验证本技术的可行性,实验结果表明俯仰角、横滚角、航向角和外部加速度的最大误差分别为0.5°、0.2°、2°和0.2 m/s²,该结果远好于仅用陀螺仪的航姿误差和外部加速度误差。     

基于无线体域网的人体姿态多级分层识别算法

为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题, 设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度, 将九轴加速度陀螺仪传感器(VG350) 做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM: Signal Vector Magnitude)、角度、角加速度和位移等参量, 通过对实际测量数据的分析, 将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明, 该算法简单, 姿态识别率高达96. 5%。     

基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

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。     

羽毛球球拍力学性能的分析研究

针对羽毛球球拍结构设计方面存在的问题,通过分析研究羽拍的穿线磅数、击球速度、拍杆刚度等因素与羽拍拍面变形之间的关系,拓展全新的羽拍结构设计方案,为羽拍的设计与制造提供理论依据。结果表明,设计方法对于羽拍的结构设计、加工制造具有一定的指导意义。     

基于曲率跟踪方法的轴上拖挂轮式移动机器人的运动控制设计

目的 针对轴上拖挂轮式移动机器人中的挂车对目标轨迹精确跟踪控制问题,提出了一种能够跟踪挂车理想运动轨迹曲线相对曲率的双环控制方法。方法 首先通过梳理轴上拖挂轮式移动机器人受到的非完整约束建立出运动学模型,并通过欧拉-拉格朗日方程建立其动力学模型;然后利用运动学方程推导出挂车的理想运动轨迹曲线的相对曲率和拖车与挂车理想偏航角之差之间满足的重要函数关系式;最后基于该核心关系式,利用姿态误差系统的外环速度控制器和动力学模型的内环比例积分反馈控制器组成的双环控制方法来实现给定的跟踪任务。结果 仿真结果表明,对于外环系统,外环速度控制器使得姿态跟踪误差在经过一段时间的变化后全都趋近于零,实际的姿态变量最终稳定地趋近于目标姿态变量;对于内环系统,内环比例积分反馈控制器使得速度跟踪误差经过短暂的调整后趋近于零,实际速度值最终稳定地趋近于参考的速度值。结论 设计的双环控制器可以有效地实现姿态跟踪和速度跟踪,能够使挂车精确地跟踪理想运动轨迹曲线,由于在姿态跟踪过程中引入了挂车运动轨迹曲线的相对曲率,该方法可以极大地提高轨迹跟踪的精确度。     

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     

基于光流传感器的四旋翼飞行器设计

采用Texas Instruments公司的TM4C123GH6PM单片机作为四旋翼飞行控制系统和光流数据处理的核心单元,将九轴传感器MPU9250的陀螺仪、加速度计和磁力计经姿态解算后的角度数据作为飞行控制系统的飞行姿态反馈,超声波传感器所测量的高度数据作为飞行高度反馈,优象光流传感器所输出的位置数据作为位置反馈,设计了一款新型四旋翼飞行器.实验结果表明,该四旋翼飞行器自主导航系统可以实现室内自稳、定高和定点飞行功能.     

基于MEMS加速度计的波高测量装置

利用加速度计浮标对海洋特定的参数波高进行监测。加速度计浮标运用三轴加速度计、陀螺仪、强磁场计以及电磁罗盘模块作为核心电路,利用惯性导航原理,采用四元素法进行坐标转换,并用低通滤波算法对采集信号进行处理,将滤波后的信号值进行二次积分可获取轴向位移,其中Z向位移用来计算波高,同时运用倾角测量原理计算上跨零点处浮标与水平面倾角,并用电子罗盘进行校正,以此来判断波向的方法。使用该波高测量装置对一系列波浪进行测量,并与电容波高传感器进行对比,实验结果表明:运用加速度计浮标测得竖直方向位移曲线,与电容式波高传感器实测曲线相比一致性较好,针对测量结果进行对比发现频域内分析方法误差更小。因此基于陀螺仪和加速度计的波浪观测装置能够满足波浪实验测量需求。     

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。     

三轮移动机器人的精确运动控制设计

首先利用几何结构关系理清了三轮移动机器人的所有非完整约束和完整约束,然后结合非完整力学系统的Euler-Lagrange方程计算得到其动力学方程.为了使得三轮移动机器人能够精确地沿着给定的轨迹曲线运动,将目标轨迹曲线转化为速度形式,然后通过引入一个微分同胚变换将该速度目标转化为和实际初始速度更为接近的形式,从而达到尽量减少控制系统的初始速度误差和累积位置误差的目的,最后结合最优控制和积分滑模控制方法为三轮移动机器人设计鲁棒跟踪控制器.仿真结果显示,提出的轨迹跟踪目标设计和控制方法能使三轮移动机器人精确沿着给定目标轨迹曲线运动,并具有一定的鲁棒性.