改进的二阶互差分测量噪声方差估计算法

针对自适应Kalman滤波中测量噪声统计特性估计问题,提出了一种基于α-β-γ滤波和二阶互差分的测量噪声方差估计算法。该算法通过α-β-γ滤波器构造测量信号的虚拟冗余观测序列,将只适用于冗余测量条件下的二阶互差分算法推广到单一测量。在此基础上,通过对数据的选择和对α-β-γ滤波器的优化,达到提高计算精度的目的。仿真实验结果表明,相对于通过经典的自适应Kalman滤波算法计算测量噪声方差,该算法估计测量噪声方差精度更高,能够有效抑制滤波发散。

基于MEMS器件的惯性测量模组实现

本文提出了一种可行的基于MEMS芯片的惯性测量模组设计方法和数据矫正技术,以带浮点运算功能(FPU)的微控制器作为主控制芯片设计了硬件电路;用软中断和定时器中断解决了I^2C通讯、MODBUS通讯、校正算法计算任务和流程控制程序执行时CPU资源占用冲突的问题;建立了加速度计误差模型和角速度计误差模型,创造性地用借助转台的四位置法完成了加速度计的零偏校正,用静置校正法完成了角速度计的零偏校正;对惯性测量模组电路板进行壳体设计和封装,完成了惯性测量模组的原理样品,验证了惯性测量模组原理样品的加速度计静态偏移在0.1%个标准重力加速度以内,角速度计静态偏移在0.1°/s以内,并装载在自动焊接机器人上进行了实验,表明陀螺仪的动态信息融合姿态误差在0.1°/s。