自适应误差四元数无迹卡尔曼滤波四旋翼飞行器姿态解算方法

针对小型四旋翼飞行器在姿态解算时,使用的惯性器件在飞行器起飞、下降等过程中容易受到非重力加速度影响的问题,提出了一种自适应误差四元数无迹卡尔曼滤波的飞行器姿态解算方法。该方法在传统无迹卡尔曼滤波算法的基础上,结合陀螺仪漂移误差模型,使用误差四元数的方法构建无迹卡尔曼滤波的状态方程,选用加速度计和磁强计的输出作观测量,利用其构建无迹卡尔曼滤波的量测方程,并通过自适应调整量测噪声协方差矩阵,减小非重力加速度对姿态解算的影响。实验表明,当飞行器存在非重力加速度时,该方法可以有效减小非重力加速度影对姿态解算的影响。     

基于STM32的四旋翼飞行姿态串级控制

对四旋翼飞行器飞行姿态的稳定控制问题进行了分析,设计了基于STM32系列微控制器的稳定控制系统。STM32以ARM Cortex-M3为内核,拥有强大的运算能力,作为四旋翼飞行器的飞行姿态控制器的主控芯片。采用四元素融合滤波算法对陀螺仪和电子罗盘等多传感器采集的数据进行飞行姿态解算。结合串级PID控制算法实现四旋翼飞行姿态控制系统设计。仿真及实验结果表明该控制系统符合设计要求,达到了对四旋翼飞行器飞行姿态稳定控制的目的。验证了基于STM32的串级飞行姿态控制的有效性,为后续研究奠定了基础。     

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。     

MPU9250传感器的姿态检测与数据融合

设计了基于MPU9250多轴姿态传感器和MSP430F149单片机的姿态检测系统。利用传感器内部的陀螺仪、加速度计和电子罗盘,可以对3个轴的角速度、加速度、磁感应强度进行测量,进而解算成角度姿态。利用优化的卡尔曼滤波算法对解算的姿态角度进行了融合处理,融合后的数据有效地抑制了噪声,提高了角度姿态检测的准确性。设计的姿态检测系统每秒钟可以完成100次姿态检测与计算,具有体积小、响应快等特点,并应用于自平衡小车的姿态检测。     

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.     

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。     

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。     

一种油运船舶的组合姿态测量模型

实时准确地测量船舶姿态,对船舶运输安全作业、舰船减摇控制等具有重要意义.对坐标系及其转换关系进行了定义,推导构建了基于加表、陀螺和GPS的组合姿态测量系统测量元件模型和全量模型,通过状态方程和测量方程的分析推导对全量模型进行了线性化处理,并对连续系统模型作了离散化处理.依据姿态角、陀螺漂移和速度的误差状态方程,引进GPS测量值,对系统状态进行卡尔曼信息滤波估计,从而得到陀螺的漂移误差,使姿态角的测量达到良好的效果.     

一种新的惯性/GPS组合导航系统随机干扰处理方法

研究动力学系统波动算法的简化和改进方法,用该方法对陀螺漂移,加速度计误差等随机干扰进行统计描述,巧妙地运用卡尔曼滤波除组合导航系统的波动型干扰,简化原算法,使计算量比原算法减少,通过对惯性／GPS组合导航系统中的波动法和卡尔曼滤波的比较及计算机仿真研究表明,新的改进波动算法与原算法几乎一样有效,波动型随机干扰的估算精度高于标准卡尔曼滤波。     

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     

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。     

抗野值自适应Kalman滤波及其在陀螺信号处理中的应用

针对陀螺漂移信号中野值的不良影响，从简化的自适应Kalman滤波算法出发，设计了抗野值的自适应Kalman滤波方法．通过在某型号高精度寻北仪上的试验验证，用该方法处理后所得方差为9．0809”，而常规Kalman算法所得方差为17．6919”，计算结果有所提高．试验证明，采用该方法不仅能够有效提高寻北仪的寻北精度，而且对系统的量测噪声不敏感。