基于IMU的机械臂末端执行器姿态优化

为了补偿机器人关节扭转不足和末端执行器连接等造成的末端执行器姿态误差，提出一种基于惯性测量单元在线获取末端姿态的方法。首先将整个机械臂系统的运动过程分为静态和动态过程。静态时，由于外部加速度噪声较小，提出使用加速度计根据当地重力估计末端执行器姿态角的方法。动态时，针对系统外部加速度噪声和陀螺仪零漂、比例因子误差等影响测量精度的问题，提出一种基于噪声统计方法的自适应扩展卡尔曼滤波算法。根据加速度计的测量值，更新观测噪声方差阵的权重，从而调节卡尔曼增益，降低加速度噪声对测量精度的影响。实验结果表明：静态时，通过静态算法估算的姿态角误差平均值为0.07°、0.05°、0.2°;动态时，本文算法可以很好补偿外部加速度的对姿态的影响，能有效提高姿态测量精度，相比于EKF算法，姿态角平均误差分别降低了2.69°、1.01°、0.5°。     

MEMS传感器数据漂移抑制技术研究

针对惯性测量系统中MEMS加速度传感器存在信号漂移而导致测量误差的问题,采用时间序列的分析方法,对MEMS加速度传感器测量的数据进行分析。将MEMS加速度传感器测量的数据通过DSP读取后,通过ADF准则进行平稳性检验,传感器数据满足平稳时间序列条件。根据传感器数据的自相关函数与偏自相关函数特征,判断出序列满足AR(p)模型。通过AIC准则进行随机性检验,同时进行时间序列模型识别与参数估计,传感器数据在使用AR(1)模型进行建模时达到最优。建立MEMS加速度传感器信号漂移AR(1)模型,并依据模型设计卡尔曼滤波器。结果表明,在滤波前加速度传感器零偏稳定性为0.3032mg,卡尔曼滤波后的加速度传感器零偏稳定性为0.0247mg,测量稳定性能有效提高,并且运算阶数较低,能很好的应用于嵌入式系统。     

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。     

一种面向AHRS的改进互补滤波融合算法

针对三轴陀螺、三轴磁强计和三轴加速度计等MEMS传感器所构成的AHRS系统对全局环境下的姿态检测问题,在分析线形融合滤波器、Kalman滤波器的缺陷基础上,对互补滤波器的IMU姿态解算算法进行拓展,通过磁场计测量数据在全局坐标系下水平分量的求解,获得了传感器偏航方向的姿态角,从而构成了完整的三维空间姿态测量系统。并基于硬件实验验证算法有效消除陀螺漂移和加速度及地磁场干扰的可行性。     

基于地磁传感器的旋转弹姿态存储测试系统的设计

传统的由加速度计和陀螺组合而成的惯性测量系统,由于安装时存在误差,并且误差随时间积累导致无法计算出准确的姿态角,且不能承受较高的冲击。地磁传感器具有误差不随时间积累、使用简单、量程范围广的优点,在姿态测试中有广泛的应用空间。本文通过分析旋转弹的滚转姿态的测量环境和需求,设定了基于薄膜式地磁传感器的旋转弹滚转角姿态存储测试系统的性能指标。根据制定出的技术指标,进行了测试系统硬件电路中调理电路部分的设计。最后介绍了测试系统针对恶劣的测试环境采取的提高系统可靠性的措施。     

基于动态滑动模型的加速度传感器数据在线预测方法研究

加速度传感器输出值精确测量是相关数据预测的必要前提,为补偿制造工艺和测量环境影响带来的加速度传感器输出误差并准确预测加速度传感器输出数值,提出了基于自适应归一化奇异谱和神经网络的加速度传感器误差补偿及数值预测方法。首先分析加速度传感器输出误差产生的原因;然后根据奇异熵定阶去噪的方法提出了自适应奇异谱方法用于加速度传感器误差自适应补偿;最后选用基于滑动窗的径向基(radical basis function, RBF)神经网络作为加速度传感器输出数值预测方法,并用粒子群优化算法优化RBF神经网络的初始参数。实验结果表明,自适应奇异谱方法可以有效补偿加速度传感器输出误差,并可以选定不同的自适应参数以满足不同误差需求,并且粒子群算法优化的RBF神经网络可以有效预测加速度传感器输出数值。     

750kV变电站设备支架姿态测量系统设计

为了消除750 kV变电站设备支架安装过程中的位置误差,在研究现有设备支架位置检测方法的基础上,设计了以STM32单片机为控制核心的设备支架姿态测量系统.该系统以三轴陀螺仪传感器测量设备支架的角速度数据,使用双加速度计以不同频率采样传感器数据以消除累积误差,增加测量系统的鲁棒性,利用四元数法解算出设备支架在三轴坐标系的姿态角,将陀螺仪和加速度计的数据进行融合,设计自适应姿态融合校准算法提高系统长期精度,实现对750 kV变电站设备支架姿态的准确测量,确保其安装过程中的位置精度.     

基于UKF多步和BP修正的船舶升沉运动测量方法

为提高海上风机安装时的稳定性和精准性,需要对浮式起重船进行升沉运动补偿。但由于惯性系统测量的船舶升沉运动信息存在随机漂移和相位超前问题,严重影响升沉补偿系统的实时性和精确性,故本文提出基于UKF多步和BP修正的船舶升沉运动测量方法。基于Stewart波浪运动实验平台模拟船舶升沉运动,采用加速度惯性测量系统采集升沉位移和加速度信息,建立运动的状态空间模型;由此模型建立UKF观测器,并用状态转移矩阵根据动态检测的升沉运动超前相位进行多步观测,消除升沉运动的随机漂移和相位超前;进而结合UKF多步观测值和观测残差训练BP预测模型,通过预测的残差来实时修正多步观测器的观测值,提高测量精度。Stewart平台试验表明,本文测量方法解决了实时检测中船舶升沉运动的漂移和相位超前问题,测量精度可达90%。     

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。     

面向双相机标靶的倾斜仪安装误差补偿方法

针对双轴倾斜仪在和其他位姿测量传感器组合应用时,由于自身坐标轴真实指向无法通过机械外壳准确映射,造成其 难以实现安装位置误差精确标定,进而导致引入测量误差的问题。 以面向直线顶管掘进机导向的双相机标靶为研究对象,利用 三点位姿转换算法求取姿态角理论值,再结合双轴倾斜仪角度测量值建立误差补偿矩阵,对姿态参数进行校正。 通过仿真分析 和实测实验,提出的方法可以实现双轴倾斜仪测量角度信息的精确补偿,姿态角绝对测量精度优于 0. 02°,满足直线顶管导向 行业精度要求,并可以在其他基于双轴倾斜仪的组合测量系统中广泛推广应用。     

可穿戴的实时检测走姿矫正仪设计

在走姿矫正导航精度优化问题的研究中,针对当前姿态解算技术的精度不足,设计了一款在Linux环境下嵌入式走姿矫正设计方案,基于先验的位置磁矩迭代修正方程系数的方法,建立迭代误差指标函数及迭代公式,并进行了数值仿真实验。为实现姿态解算中姿态角实时检测,提出将传感器采集到的加速度、角速度以及磁场强度数据进行融合,利用三轴加速度传感器和磁力计的向量偏差来对姿态解算过程中积分累计误差进行修正。最后传感器将数据结果分别通过ZigBee和蓝牙协议将其传输到电脑端或手机APP客户端显示,以达到走姿检测和矫正的目的。实测结果表明,这种方案使得走姿矫正的精度准确度更高,实时检测性能更强。     

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.     

基于磁传感器的温度误差补偿方法

随着科学技术的发展,传感器技术尤其是磁传感器技术在军事领域得到更为广泛的应用,很多武器炮弹在进行远程打击时,会通过自身内部的传感器测定周围环境变量,由计算机进行控制以进行更为精确的打击,而在测定环境变量的过程中传感器不可避免的会出现一些误差,影响打击的精确度,因而提出了基于磁传感器的温度误差补偿方法。先通过对传感器的温度误差的研究分析设计出温度误差漂移模型,然后由温度传感器和地磁传感器来测得不同温度下地磁在两个敏感轴上的分量数据,在拟合出温度漂移系数之后结合模型得出在温度补偿后的各敏感轴数据。仿真分析温度补偿前后磁传感器的输出对比,验证该方法能有效对温度误差进行补偿。     

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.     

小型无人飞行器机动过程中航姿互补滤波算法研究

磁惯导系统(MINS)广泛应用于小型无人飞行器的导航控制,能对加速度计、磁强计和陀螺仪等传感器的数据进行融合,得到航向与姿态信息,也被称为航姿参考系统(AHRS)。在频域实现数据融合的互补滤波算法是AHRS中的一种可靠姿态估计方法,具有简捷高效的优点。将基于不同传递函数及各种航姿表示形式的姿态互补滤波归纳为统一的广义互补滤波算法(GCF),分析该类算法中的乘性姿态误差,并引入运动加速度补偿方法,可以改善载体机动状态下的姿态精度。数值仿真及实验结果显示,GCF的滤波效果与无人机常用的卡尔曼滤波算法相当,而处理时间仅为后者的1/20,且GCF具有良好的数值稳定性,配合运动加速度补偿算法可有效消除线加速度对航姿测量的不利影响,尤其适合低成本、小型无人机应用场合。     

基于RBF神经网络的电子罗盘误差补偿研究

介绍了三轴磁阻电子罗盘的测量原理。基于磁阻传感器HMC1052/1051Z和MEMS加速度计MXD2020ML研制了一款带倾斜补偿功能的三轴磁阻电子罗盘,分析了电子罗盘工作过程中可能存在的误差及其来源。针对无姿态角度的情况,基于径向基函数(RBF)神经网络补偿算法,建立了以测量航向角为输入、期望的航向角为输出的3层RBF神经网络模型,并用样机的采样数据进行仿真验证。实验数据表明,采用该RBF神经网络补偿算法,可将航向角的精度从±35.52°提高至±0.6°以内。     

MEMS IMU随机误差建模在SAR运动补偿中的应用

随着SAR小型化发展趋势,低精度小型化微机电系统惯性测量系统（MEMS IMU）在SAR运动补偿中越来越受到重视。鉴于MEMS IMU 中随机误差较大,为提高其短时间内相对运动测量精度,从IMU测量误差对SAR成像的影响分析出发,采用基于时间序列分析方法对MEMS IMU中随机误差进行建模,并构建Kalman方程对IMU原始数据进行了滤波处理,减小了随机误差,从而降低随机误差在合成孔径时间内对SAR运动补偿的影响。机载SAR飞行试验数据处理结果表明,此方法能够有效的减小随机误差,提高SAR图像聚焦质量。     

基于 Mahony 与改进 Kalman 融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

IKid仿人足球机器人的自定位和球定位

仿人足球机器人的定位问题是机器人完成自主移动和智能决策的关键问题之一。介绍了本校IKid仿人足球机器人自身在球场的定位和足球在机器人坐标系的定位。前者通过自身内部九轴惯性传感器测量加速度、磁场方向和旋转角速度,并在此基础上通过粒子滤波和时间漂移修正等手段补偿误差完成机器人自身的位置和姿态计算。后者通过摄像头采集足球的视觉图像,在图像处理的基础上通过单目摄像机视觉系统完成在眼坐标系中足球三维坐标的计算,并通过手眼标定实现足球在机器人坐标系的定位。以上定位系统和定位方法已被应用于现有的IKid机器人,使其更好地完成动态行走、找球和踢球等动作。     

基于卡尔曼滤波器的姿态角测量系统设计

针对动态环境下载体的姿态测量,以无人机的航姿测量系统小型化为背景,给出了一种采用MEMS惯性器件构成的姿态角测量系统。系统采用新型32位ARM Cortex-M3内核微控制器STM32F103ZET6作为控制处理单元,传感器采用ADXL345加速度计、L3G4200D陀螺仪和HMC5883磁阻传感器。对于MEMS器件精度低,数据易发散的问题,采用卡尔曼滤波器实时将加速度计、陀螺仪和磁强计的数据进行融合,计算负担小,实时性好。实验结果表明,该姿态测量系统在静态和动态环境下都能够较好的完成载体姿态测量的任务。