基于SRCKF算法的植保无人机定位估计

基于高山丘陵地区地貌的复杂性、梯田间人工施药困难的背景下,针对植保无人机近地面喷洒任务的艰巨性,其自主导航定位技术的局限性,传统滤波估计算法对载体跟踪估计误差大、精度低、滤波不稳定等问题,提出了一种基于平方根容积卡尔曼滤波算法对植保无人机位置及姿态进行估计。较传统SRUKF、SRCDKF算法,文中算法既降低了状态量维数,又保证了数值计算效率及滤波精度。同等仿真环境下,实验结果表明,基于SRCKF-SLAM算法对载体位置估计精度最高,且稳定性最好;另外,在给定10°失准航偏角下,该算法对载体姿态角滤波估计,在近50 s内实现误差趋近于零,保证了植保无人机的精准导航。

基于模糊逻辑四元数的平方根UKF算法

针对目标跟踪估计算法中,利用传感器离散观测建模并估计目标连续状态,进行导航解算时滤波精度低,及传统四元数扩展卡尔曼滤波算法无法满足目标姿态测量精度要求等问题,文中提出一种基于模糊逻辑四元数的平方根UKF姿态估计算法.该算法将四元数作为模糊逻辑UKF滤波器状态,应用测量的角速率完成滤波器的时间更新及量测更新,采用模糊逻辑的平方根协方差形式作为更新参数,既降低了算法的计算量和复杂度,又保证了数值的稳定性.文中还以近地卫星为例,在Matlab和C++软件上进行了仿真实验.实验结果表明:文中所提算法可保证对机器人和特征的姿态控制估计精度;可对目标实时跟踪定位并进行量测更新,抑制了姿态误差发散问题.

智能小车加速度计及陀螺仪装置的设计

当前,微机电系统技术的不断成熟推动了加速度计、陀螺仪等元件的快速发展。利用倾角传感器进行角度的测量,价格过于昂贵,适用范围较窄。微加速度计和微陀螺仪低成本小体积且性能稳定。选用卡尔曼滤波法,将加速度计和陀螺仪获取的数据整合到一起以达到小车倾角信息的最优估计。以MPU6050作为设计目标,从软硬件、功能设计到仿真,从微机电系统的原理和结构分析MPU6050的特点,然后利用设计出的MPU6050传感器模块在在移动终端进行软件的测试,编写相关程序,满足小车姿态检测的需要。

基于栅格图模糊逻辑的SLAM算法

提出了一种基于栅格图模糊逻辑的同时定位与构图(SLAM)数据关联算法,用来计算特征观测值和估计值间的误差栅格矩形.对归一化新息和置信度进行了模糊化处理,作为模糊控制器的输入变量,建立适当的模糊规则,最终获得的输出变量即为需要的数据关联结果.该算法有效表达了水下复杂环境中的不确定性和模糊性.仿真实验表明:本算法具有更好的抗干扰能力和鲁棒性;另外引入了可调节系数无迹卡尔曼滤波对噪声模型进行实时调整,改变滤波增益大小.同时仿真实验也验证了该方法的有效性与优越性,使滤波精度得到了有效提高.