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。     

基于最小二乘法MEMS惯性传感器姿态解算算法

针对MEMS惯性传感器在测量时出现误差不稳定和外界磁场变化所造成的姿态角误差较大问题,提出一种基于最小二乘法MEMS惯性传感器姿态解算算法.采用静态六位置法对三轴加速度计标定,对三轴加速度计建立误差模型,利用最小二乘法确定误差参数.根据欧拉角法中倾斜角和航向角分开求解特点,减小磁场变化干扰,再对欧拉角中存在的奇异值问题进行改进,分为一般姿态值和奇异值状态姿态值两种滤波模式.实验结果证明,通过对三轴加速计的标定补偿和欧拉角的奇异值问题改进后得到的姿态角精度高,并且在遇到磁场变化时稳定性优于四元数法,不会出现奇异值.     

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。     

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。     

基于信息融合的大飞艇自适应姿态解算算法

现有计算大飞艇姿态角的平衡滤波算法虽然融合了加速度和角速度信息,但其未对加速度的适用条件进行分析,从而导致了积累误差和动态解算准确性问题.针对该算法的不足,提出了根据飞艇的不同运动状态来调整姿态解算算法的融合加速度和角速度数据的自适应姿态解算算法,并通过Matlab实验验证了算法的有效性.实验结果表明,该算法有效地解决了平衡滤波算法的不足,通过引入SMV(signalmagnitudevector,信号量向量),使大飞艇的运动状态得到了准确判断,从而使积累误差问题得到了有效改善,同时提高了大飞艇的动态解算准确性.     

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.     

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。     

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。     

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。     

基于磁强计和MEMS陀螺的弹箭姿态探测系统

为解决弹道修正弹箭中捷联式姿态测量系统误差随时间不断积累的问题,设计了一种由二轴磁强计和MEMS陀螺构建的低成本弹体姿态磁-惯性测量系统,利用磁强计测量的地磁信息修正MEMS陀螺解算的姿态角误差. 在此基础上,提出了将两轴地磁信号解算滚转角融入陀螺解算的姿态优化算法,研制的原理样机在二轴转台上进行了测试. 有限的试验表明:在一定条件下,该测量系统可有效抑制陀螺漂移引起的姿态误差,能可靠地用于弹道修正弹箭的姿态测量.      

基于EKF的多MEMS传感器姿态测量系统

姿态信息是飞行控制中最关键的参数之一,因此姿态测量成为飞行控制系统首要解决的问题。利用多M EM S传感器研制了一种微型姿态测量系统。利用三轴M EM S加速度计和三轴M EM S陀螺数据,由方向余弦矩阵的姿态表示形式推导了扩展K a lm an滤波方程,解算出飞行器的俯仰角和横滚角;设计专家系统判断飞行器的运动状态,并根据该状态调整滤波算法中的测量噪声矩阵,使系统可同时满足静态情况和动态情况的使用;利用空速和高度数据对俯仰角进行修正,利用GPS解算航向角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较,二者在静态情况下非常吻合,在动态情况下基本吻合。     

基于STM32和MPU6050姿态解算的研究与实现

使用MPU6050内置的DMP,实现了载体的姿态解算,不仅简化代码设计,而且降低了MCU的负担,MCU不用进行姿态解算过程,从而有更多的时间去处理其他事件,提高系统实时性。通过设计的硬件平台,软件仿真了三轴陀螺仪、三轴加速度和欧拉角实时变化,结果表明,姿态解算稳定可靠。     

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.     

硬件增强角速率圆锥优化算法的姿态解算精度分析及改进

在分析传统硬件增强角速率圆锥优化算法姿态解算精度的基础上,提出了一种改进的算法,对传统算法中的周期分量进行了二次优化.首先通过分析传统算法的各轴分量相对于旋转矢量变化量的真值以及理想值的误差来确定算法的姿态解算精度,然后根据经典圆锥运动建立二次优化的误差准则并推导了相应的二次优化系数,最后在不同的经典圆锥运动环境下对传统算法以及改进算法的姿态解算精度进行仿真对比.结果表明,对传统算法的姿态解算精度的分析是正确合理的,而且只需采用改进的三子样算法就可以获得与根据理想值得到的结果几乎完全一致的姿态解算精度.     

基于STM32的无人艇自主导航控制系统的设计

针对无人艇远程操控和自主导航问题,设计了基于STM32的无人艇自主导航控制系统.船载系统以STM32微控制器为核心控制单元,采用互补滤波算法完成了无人艇陀螺仪角速度数据、加速度数据和磁力计数据的解算,并通过串级PID算法对航向角进行闭环控制,最后通过LABVIEW软件平台设计开发出地面站控制系统,实现了对无人艇的远程操控和自主导航功能.     

基于星光惯性组合的卫星姿态确定方法

基于双星敏感器与陀螺仪组成的星光惯性组合,提出了一种卫星姿态确定方法。双星敏感器分别与陀螺仪采用模糊自适应的无迹Kalman滤波方法进行子系统级的姿态估计,而后采用协方差交集算法框架进行系统级数据融合,从而完成卫星姿态的确定。对典型的卫星大角度快速机动扫描过程以及卫星三轴稳定运动过程的数值仿真,验证了该方法具备实用性与有效性。     

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.