基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

基于 Mahony-EKF 算法的手臂运动姿态测量系统

针对传统姿态解算方法效率迟缓、精度低下及稳定性差等问题,提出一种基于Mahony和扩展卡尔曼(EKF)相融合的算法,并开发出一种新型人体手臂姿态测量系统。首先,通过STM32微处理器采集MEMS传感器测得的数据,借助Mahony滤波器解算加速度计、磁力计和陀螺仪的数据,以此得到初步姿态四元数。其次,将初步姿态四元数作为EKF量测值,依据非重力加速度调节量测噪声协方差矩阵。然后,根据陀螺仪测得的角速度信息建立EKF状态方程,通过EKF滤波更新状态,获取解算融合后的手臂姿态数据。最后,将数据发送到上位机,通过上位机软件实时监测姿态角数据,再构建三维模型实时还原手臂的运动状态。经实验验证,应用EKF算法矫正Mahony滤波解算出的姿态数据,不仅可以使误差减小到0.5°、消除超调量和降低噪声干扰,还能有效克服传统姿态解算方法中需要大量数据集和计算时间长问题,从而抑制了随机波动,提高姿态解算精度。     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.     

基于选星算法的GPS载体姿态测量系统研究

传统的GPS载体姿态测量算法是利用全部可见卫星的测量信息进行姿态计算的,针对这一情况提出将选星算法应用于姿态测量过程的改进算法.首先依据参数的约束条件,确定选星数目为5,在解算方程组中,存在GDOP值随方向余弦矩阵的行列式绝对值的增大而总体趋势减小的关系,记录下能使方向余弦矩阵行列式绝对值最大的5组卫星组的行列式绝对值及其卫星标号,分别计算这5组卫星组的GDOP的值,GDOP值最小的即为选星结果.MATLAB仿真结果表明,改进的算法虽然在基线解算的精度上降低了一个数量级,基线误差由毫米级降低到厘米级,但是姿态角的解算精度与原算法相当,并且在程序运行时间方面提高了将近一倍.在工程应用中,对于载体的姿态解算在时间代价方面要求较高,因此,改进的算法有一定的优越性.     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

基于Elman神经网络的SINS姿态解算算法研究

载体的姿态解算算法是惯性导航系统精确导航的核心技术之一。惯性测量单元(IMU)噪声大、误差会累积,传统的姿态解算算法精度不高、环境适应性能力差。Elman神经网络具有很强的非线性处理能力,其包含的承接层可以存储以前隐含层的信息,能够在连续信号中进行预测。针对以上问题,分析了欧拉角法、方向余弦法和四元数法的优缺点,提出了Elman神经网络辅助的姿态解算算法,在传统的AHRS算法中加入了Elman神经网络的辅助。通过对实测数据的仿真实验表明,该方法有效地提高了姿态解算算法的环境自适应性和降低了解算误差。     

弹载磁传感器的误差补偿及姿态解算方法

随着国防工业科技的不断发展,弹上导航制导技术的应用越来越广泛.为了实现对高旋弹的飞行控制,获取姿态信息是最为关键的步骤,而传统的利用IMU或地磁来解算姿态的方法,在滚转角结果上存在着较大误差且存在灵敏度不足的缺点.提出了一种使用补偿后的三轴地磁数据来解算姿态的方法,采用最小二乘与椭球拟合的方法对磁传感器进行温度标定与弹体系数标定,补偿了地磁数据的误差,并在此基础上研究了利用地磁信息解算弹体姿态的方法.实验结果表明,所提出的方法在易于工程实现的同时,采集的地磁数据相比于国际地磁标准减小了近20％的误差,在姿态的解算上可以减小14.21％的误差,在滚转角解算上提高了30.72％的精度.     

基于磁传感器的高速旋转弹姿态算法研究

针对高转速制导弹丸进行弹道修正时,不能获取载体的实时信息的问题。采用由三轴磁阻传感器和IMU作为主要测试元件的系统,研究了基于磁传感器相应的姿态解算方法,仿真结果表明：该系统可以实现高速旋转下的姿态解算,有效的抑制误差的积累,满足旋转弹的精度要求。     

一种飞机姿态融合算法研究

飞机的姿态角信息是飞机救援过程中重要的参数信息，而由于磁干扰的存在则会影响姿态解算的精度。本文在姿态角解算问题中提出一种基于扩展卡尔曼和线性卡尔曼相结合的改进方法，扩展卡尔曼滤波对俯仰角和横滚角进行更新，而线性卡尔曼则对航向角进行单独计算，并且在最优估计时加入调节系数，通过判断测量磁场和重力矢量夹角来调节航向角最优估计值，以降低外界磁干扰对航向角的影响。实验结果表明，与传统的扩展卡尔曼解算姿态角相比，改进之后的算法更加接近真实的飞机姿态信息，并且对于外界磁场变化有更强的抗干扰能力。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

基于卡尔曼滤波的MUH姿态信号融合算法研究

利用MEMS陀螺仪和加速度计获取姿态的方法已被广泛用于低成本的民用无人直升机上,陀螺仪的漂移和加速度计中的运动加速度都会影响估计精度,设计了基于四元数的卡尔曼滤波器,根据三轴角速率陀螺和加速度计信号,融合无人直升机姿态信号,并针对陀螺仪的漂移和加速度计的测量误差,设计了自适应的量测噪声方差矩阵,补偿融合精度,得到稳定可靠且精度较高的姿态信息,用于无人直升机的内环增稳控制.实验表明,该方法估值精度较高,能有效解决小型无人直升机姿态求解问题.     

随钻测量中井斜角测量误差的降噪方法

针对随钻测量中井斜角测量误差引起的姿态解算失真问题,提出基于卡尔曼滤波和互相关提取的联合估计方法。 首先 采用限幅滤波器对冲击噪声进行滤波,然后用卡尔曼滤波器去除大部分由振动引起的白化处理有色噪声,最后利用互相关检测 的方法提取出准确的径切向重力加速度,并对轴向加速度进行平滑滤波,完成井斜角测量误差估计与补偿。 经模拟实钻实验, 结果表明井斜角测量误差在 0. 1°以内,该方法与传统方法相比,可以大大提高井斜角测量精度。     

基于双天线GNSS/SINS组合的风速测量运动补偿方案设计

以基于浮标平台的动态风速测量为背景,根据运动姿态补偿的原理和实际需要,设计了一套双天线GNSS/SINS组合姿态测量系统,采用卡尔曼滤波实现信息融合,通过在卡尔曼滤波的观测量中引入双天线GNSS输出的航向角信息,解决了惯性系统航向角可观测性较弱的问题,并通过实验验证了系统的有效性。实验结果表明,该运动补偿设计方案能够提高平台姿态测量的精度和稳定性,准确测量平台的姿态信息,并有效降低平台运动对风速测量的影响,风速测量误差低于4%,满足了海洋浮标观测的需求。     

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。     

基于小波卡尔曼混合算法的陀螺仪去噪方法

为了能有效地减少MEMS（微电子机械系统）陀螺仪的随机漂移误差,使得随钻测量系统的精度得到提高,提出了一种基于小波与Kalman算法的混合滤波方法。首先使用小波分析的方法,对实测的陀螺仪数据进行多分辨分解得到平稳的数据信号,然后对数据进行时间序列分析建模建立陀螺仪误差模型,把小波分解后的低频信号作为系统输入,利用最小二乘法中直线拟合的方法改进卡尔曼滤波算法处理陀螺仪零点随机误差。实验分别分析了静态平稳信号和非平稳动态信号,并对处理效果进行了对比分析。仿真结果表明方法能有效降低信噪比,提高陀螺仪输出精度。