基于六轴MEMS器件姿态测量系统

为了解决噪声和漂移等原因造成的误差不断累积的问题,针对陀螺仪的静态性能以及加速度计的动态性能,提出了一种利用六轴MEMS器件对照相机三脚架的稳定测量系统,介绍了MEMS器件的工作原理,介绍硬件系统和软件系统,完成了基于ADXR450陀螺仪和ADXL355加速度计的检测硬件系统设计,通过传感器获取角速度加速度信息,采用不同的滤波方式对输出结果进行了分析,比较卡尔曼滤波和一阶RC数字滤波;经比较,卡尔曼滤波实时性更好,一阶RC滤波动态响应更好;实验证明,系统静态下更适用于一阶滤波,计算出姿态测量角度误差在0.104°以内,得到理想的姿态信息,能有效地提高检测目标姿态的精度。     

基于UKF的MEMS传感器姿态测量系统

针对工业和民用领域对姿态测量的需求,提出了基于MEMS加速度计、陀螺仪和磁强计的姿态测量系统,并采用无先导卡尔曼滤波(Unscented Kalman Filter,UKF)方法处理传感器数据.针对基于加速度计和磁强计的姿态测量方式在动态测量时不准确的问题和单独采用陀螺仪测量角度产生漂移的问题,设计了基于方向旋转矩阵的...     

基于MEMS的姿态测量系统

载体的姿态测量是载体进行预计轨迹运动的基础.姿态测量有多种方式,其中采用磁场传感器测量大地磁场确定航向的方法由于结构简单、体积小、重量轻、启动迅速、成本低等特点,自古至今一直得到应用.本课题在此基础上,利用微机电系统(MEMS)技术,设计了由微机电传感器组合而成的微型方位水平仪,该系统由三轴微加速度计和三轴微磁强计组成.利用大地磁场和重力场在地理坐标系和载体坐标系之间的方向余弦转换进行绝对角度解算得到姿态角.该微型姿态测量系统体积小、重量轻、功耗低、启动快、无长期漂移,可进行全姿态动态连续测量,测角精度为±0.5°(俯仰和滚转)、±0.7°(航向).     

基于多传感器的智能车辆姿态解算方法

针对智能车辆主动环境感知的需求,提出了一种采用三轴加速度计、三轴磁强计和三轴陀螺仪组合进行车辆姿态解算的方法.首先以旋转矢量法为陀螺仪的车辆姿态解算方法,作为扩展卡尔曼滤波的状态方程,用于车辆姿态的预测;其次以高斯牛顿法为加速度计和磁强计的车辆姿态解算方法,作为扩展卡尔曼滤波的观测方程,用于车辆姿态校正;然后在此基础上构建扩展卡尔曼滤波传播方程,采用扩展卡尔曼滤波进行多传感器信息融合,得到车辆的姿态解算结果;最后通过构建实车测试环境对解算方法有效性进行验证.实验结果表明,通过基于多传感器的车辆姿态解算方法解算得到的车辆姿态角稳定、准确,能够满足智能车辆行为参数估计的实际需求.     

基于MEMS传感器的风洞尾旋姿态测量研究

尾旋是飞机在失去控制后的一种极危险的飞行状态,陷入尾旋极易造成飞机的坠毁,在飞机研制过程中为了提高其机动性及抗尾旋能力,必须对这种极限飞行状态进行研究。在立式风洞中开展尾旋试验是目前效率最高,安全性最有保障的技术手段。试验测试的主要参数是飞机在尾旋及改出过程中的姿态角（包括俯仰角、偏航角和滚转角）。在此简要介绍了通过陀螺仪、加速度计和地磁计进行姿态数据融合的算法,以及采用了一种MEMS传感器进行尾旋姿态测量的试验技术,并且其姿态数据可由Zigbee无线数据模块实时传送到测量计算机。通过试验验证,该技术简单有效,不受现场环境限制,系统动态性能稳定可靠,角度测试精度为优于1°,满足了试验需求,提高了试验效率及数据质量。     

一种基于AKF的MEMS惯性导航系统姿态初始化方法

为了实现微机电系统(micro-electro-mechanical system,MEMS)惯性导航系统的初始对准,即姿态初始化,提出一种基于加速度计与磁强计的姿态初始化方法.首先,推导了该方法计算姿态角的公式,对该方法计算的姿态角进行误差分析.然后,为提高对准精度,对惯性导航系统建立模型,将自适应卡尔曼滤波(ada...     

基于MEMS传感器的飞行姿态指示系统

采用MEMS传感器设计了一种飞行姿态指示系统.给出了系统的原理及整体框架,重点阐述了系统的硬件电路和软件的设计.系统以32位处理器STM32F103C作为控制核心,采用MEMS加速度计和磁传感器测量各轴向的重力加速度分量和地磁强度,进而确定飞行姿态.与传统姿态指示系统相比较,该系统体积小、功耗低.试验表明该系统具有较高的可靠性,适合无人机等体积小、机动性低的飞行器.     

MEMS四元数卡尔曼滤波算法的电梯姿态估计

将多维MEMS传感器应用于电梯监测,根据电梯的工作特点,优化四元数互补滤波方法修正陀螺仪数据求解电梯的实时姿态,然后应用卡尔曼滤波方法进一步提高姿态监测精度.实际验证表明,该方法可以提高电梯姿态监测数据的准确性,利用运行的姿态角和加速度峰度进行分析、比对可为电梯安全舒适度评估提供关键的数据依据.     

基于MEMS惯性传感器的机器人姿态检测系统的研究

提出了一种基于MEMS惯性传感器的机器人姿态检测系统,并对检测系统的原理,组成以及数据采集进行了研究.并对陀螺仪和加速度计的影响因素进行说明,利用硬件对采集的数据进行滤波处理.通过卡尔曼滤波方法实现数据融合,充分地利用惯性传感器的信息,从而有效地提高姿态检测系统的检测精度.仿真试验表明了卡尔曼滤波方法对于提高检测精度是切实有效的.在实际的试验中也取得了很好的效果,并应用于实际的机器人姿态检测.     

多MEMS传感器的嵌入式姿态测量系统设计

针对姿态测量在低成本、低功耗、微型化应用中的需求,设计了三轴MEMS陀螺仪、加速度计、电子罗盘与嵌入式技术相结合的姿态测量系统。介绍了系统的组成结构,设计了嵌入式姿态测量硬件电路,并实现了基于姿态计算DCM算法的程序。上位机演示表明,系统的姿态测量结果准确、动态效果好。     

基于自适应滤波的MEMS姿态确定方法

针对消费类电子设备对姿态测量系统的需求,本文提出了一种基于MEMS加速度计、陀螺仪和磁强计的九轴姿态确定算法.针对实际系统中传感器量测噪声未知的情况,首先介绍了一种基于矢量观测器的矩阵Kalman滤波姿态确定算法,然后利用残差匹配技术,设计了一种基于残差匹配的自适应滤波方法.论文采用自适应滤波对传感器量测噪声进行估计,并将估计的量测噪声代入线性矩阵Kalman滤波算法,有效解决了线性矩阵Kalman滤波需要准确量测噪声统计信息的缺陷.最后设计了仿真实验验证本文提出的算法,并将其与线性矩阵Kalman滤波算法比较.仿真结果表明,自适应矩阵Kalman滤波的姿态旋转误差角为0.6091°,标准差为0.3009°,能够有效的估计传感器量测噪声,并具有更高的姿态确定精度和稳定性.     

基于加速度分离算法的姿态测量方法研究

针对运动状态下探测器姿态解算精度不高的问题,提出了一种基于加速度分离算法的姿态测量方法。首先,分别利用椭球拟合法和建模法对加速度计、陀螺仪进行误差补偿,保证了MEMS传感器初始测量数据的精度。其次,提出了一种分离运动加速度的方法,以消除运动对加速度计测量数据的影响。最后,结合加速度分离算法实现了基于卡尔曼滤波器的高精度姿态解算。模拟实验结果表明,该姿态测量方法具有较高的精度和抗干扰能力,在变加速运动时姿态误差减小了70%以上,满足了设计的要求。     

基于旋转矩阵KF的低成本MEMS姿态解算

针对低成本MEMS器件组合的姿态检测系统在运动加速度干扰下姿态估计精度较差等问题,提出了一种基于旋转矩阵卡尔曼滤波器(KF)的姿态解算方法.为了克服四元数法观测方程为非线性的缺点,该方法以旋转矩阵部分元素建立状态方程,并对量测加速度采用状态反馈估计的运动加速度进行补偿,减小了外部加速度的干扰,然后通过构造水平观测向量降低了计算复杂度,并给出了量测噪声协方差的推导.最后设计了卡尔曼滤波器对量测信息实现融合.动静态测试表明,该方法消除了累计误差,与无迹卡尔曼滤波(UKF)相比,提高了在运动加速度干扰下的姿态估计精度.     

基于自回归模型的汽车姿态角在线预测系统

针对汽车姿态角在线预测问题,利用微惯性测量单元以捷联方式测量汽车6自由度运动参数,通过四元数法解算汽车的姿态角,应用卡尔曼滤波器对姿态角进行最优估计处理,在此基础上建立自回归模型对未来1 s~3 s的姿态角进行实时预测,使用Visual Basic 2005、NI Measurement Studio开发汽车姿态角在线预测软件,并对其进行实车道路试验,结果证明该软件具有较高的预测准确性。     

基于MEMS传感器的微型姿态确定系统研究

针对捷联式姿态确定系统误差随时间积累的缺点,设计了一种由MEMS陀螺、加速度计及微磁强计组合的姿态确定系统。采用Allan方差方法分析了陀螺随机误差,通过建立姿态误差四元数微分方程和磁强计线性化测量方程,设计了姿态估计卡尔曼滤波器。系统采用实际测量值进行姿态解算,结果表明这种组合能够有效抑制传感器随机漂移引起的姿态误差,系统具有体积小、成本低、性能可靠等优点。