基于扩展卡尔曼滤波的固定翼无人机姿态解算方法

针对传统滤波方法各自使用时准确度低、稳定性差的问题,提出了一种基于扩展卡尔曼滤波的固定翼无人机姿态解算方法.在姿态角保持稳定时采用标准扩展卡尔曼滤波算法进行解算,姿态角发生剧烈变化时采用阈值法优化改进扩展卡尔曼滤波算法进行解算.改进方法在扩展卡尔曼滤波的基础上加入互补滤波器,把经过互补滤波和PI控制的误差向量补偿给陀螺仪传感器,加入动态梯度下降法对加速度计传感器的运动加速度加以抑制,将处理后的传感器数据代入扩展卡尔曼滤波方程组,用来解算固定翼无人机的三轴姿态角,可有效减小动态干扰和线性化误差,解算结果稳定性更高.与其他解算方法相比,本文用于三轴姿态角求解的姿态解算方法,静态姿态角误差小于0.6°,动态姿态角后验均方误差仅为0.01,特别是在姿态角度变化较大的时间点,本文解算的过程更加稳定和准确.

基于状态增广的修正迭代扩展卡尔曼滤波

针对修正迭代扩展卡尔曼滤波一次迭代后系统状态和估计状态不与测量噪声之间保持相互独立的问题,将测量噪声增广到状态变量中,提出了基于状态增广的修正迭代扩展卡尔曼滤波。然后将该滤波方法应用到基于雷达测量的再入飞行器目标跟踪问题中,仿真结果表明:与修正迭代扩展卡尔曼滤波和传统的扩展卡尔曼滤波相比,该滤波方法具有更快的收敛速度和更优的估计精度。

改进扩展卡尔曼滤波的四旋翼姿态估计算法

为了提高标准扩展卡尔曼姿态估计算法的精确度和快速性,将运动加速度抑制的动态步长梯度下降算法融入扩展卡尔曼中,提出一种改进扩展卡尔曼的四旋翼姿态估计算法。该算法在卡尔曼测量更新中采用梯度下降法进行非线性观测,消除标准扩展卡尔曼算法在线性化时带来的线性化误差,提高算法的准确性和快速性;对梯度下降法的梯度步长进行动态处理,使算法步长与四旋翼飞行器的运动合角速度成正比,增强微型四旋翼飞行器姿态解算的动态性能;对强机动运动过程中机体产生的运动加速度进行抑制处理,消除运动加速度对姿态解算的不利影响,提高了微型四旋翼飞行器姿态解算的跟踪精度。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建四旋翼实验平台系统进行实时在线性能验证。结果表明,所设计算法能提高四旋翼飞行器在强机动、高速运动情况下的姿态跟踪精度、动态性能,增强姿态融合算法的抗干扰性,保证微型四旋翼飞行器的稳定飞行。

基于联邦扩展卡尔曼滤波的结构损伤识别方法

当结构损伤与传感器故障同时存在时,两者的相互影响会导致损伤识别结果的劣化;为此,提出了一种基于联邦扩展卡尔曼滤波的结构损伤识别算法。利用分散化滤波计算量小、滤波精度高的优点,联邦扩展卡尔曼滤波方法能根据正常的传感器信号准确识别结构的损伤位置与程度,具有良好的鲁棒性;同时利用联邦滤波容错性好的特点,能实现对故障信号的自动检测和剔除,并将剩余的正常子系统进行组合,以继续提供准确的损伤识别结果。梁式结构的数值算例及实验分析验证了该算法的有效性及对故障传感器信号的检测隔离能力。

扩展卡尔曼滤波应用于加速度计特性估计方法研究(英文)

加速度计使用时,通常都需要对其标度因素、零偏以及敏感轴进行标定。为了准确标定加速度计的特性参数,提出了5位置连续测量法,建立了相应的测量模型,根据模型的非线性特性,采用了扩展卡尔曼滤波算法对实测数据进行滤波处理,准确了标定出了加速度计的特性参数。

基于扩展卡尔曼滤波的加速度计特性估计方法

加速度计使用时,通常都需要对其标度因素、零偏以及敏感轴进行标定.为了准确标定加速度计的特性参数,提出了5位置连续测量法,对其不同姿态下的输出进行综合测量,可准确地反映不同姿态下的工作状态以及性能参数.建立了相应的测量模型,根据模型的非线性特性,采用扩展卡尔曼滤波算法(EKF)对实测数据进行滤波处理.实验结果表明,加速度计的零偏、标度因素、敏感轴方向等参数得到了准确标定.

基于改进扩展卡尔曼滤波的姿态解算算法研究

为了解决标准扩展卡尔曼滤波器(EKF)在多旋翼无人机姿态解算中精度较低的问题,提出了一种改进扩展卡尔曼滤波算法(BPNN-EKF),使得解算精度得到较大提升。针对EKF存在预测模型参数要求具有先验已知性,在工程实践中难以获得准确的参数,以及标准EKF对非线性系统采用线性化模型带来的误差等问题,利用神经网络的非线性映射能力和自适应能力对标准EKF的估计值进行补偿,减小模型以及滤波参数误差对最优估计值的影响,从而提高最优估计精度。仿真实验证明,BPNN-EKF对多旋翼无人机姿态解算精度的提升具有显著作用。

基于扩展卡尔曼滤波法的矿用可移动救生舱蓄电池荷电状态估计

针对基于安时计量法的矿用可移动救生舱蓄电池荷电状态SOC估计在环境温度或放电电流波动较大的情况下精度较低的问题,提出了一种基于扩展卡尔曼滤波法的矿用可移动救生舱蓄电池SOC估计方法。该方法在安时计量法的基础上,把影响蓄电池SOC估计的环境温度和放电电流因素作为蓄电池系统的噪声,采用扩展卡尔曼滤波法的优化估计递推算法对蓄电池SOC进行实时滤波与估计,从而提高了蓄电池SOC的估计精度。实验结果表明,该方法的蓄电池SOC估计结果与实测值基本一致,可用于矿用可移动救生舱蓄电池管理系统中。

基于反向扩展卡尔曼滤波的弹道外推算法

针对炮位侦察雷达现有的弹道外推算法中远点外推导致的炮位估计误差问题,提出了一种基于反向扩展卡尔曼滤波的弹道外推算法。该算法在传统弹道外推算法的基础上,建立包含弹道系数在内的七维状态向量滤波模型,将正向滤波的终点作为反向滤波的起点,实现反向扩展卡尔曼滤波,并从反向滤波的终点开始,利用四阶龙格-库塔方程向弹道起点进行外推。仿真实验结果表明,所提基于反向扩展卡尔曼滤波的弹道外推算法的外推精度相比原算法提高约50%。

高浓度锌离子背景下检测痕量镍离子的扩展卡尔曼滤波优选方法

在锌湿法冶金的净化过程中,锌离子(Zn 2+)与痕量镍离子(Ni 2+)的浓度比高达10 5,且Zn 2+与Ni 2+谱峰重叠严重,使得Ni 2+信号被高浓度锌信号完全掩蔽,导致Ni 2+的灵敏度较低,以及Ni 2+的吸光度和浓度呈现出很强的非线性关系。针对高锌溶液中Ni 2+浓度难以检测的问题,本研究提出了一种基于紫外-可见吸收光谱在高锌背景下检测Ni 2+的扩展卡尔曼滤波(EKF)波长优选的方法。首先制备Ni 2+标准溶液,建立Ni 2+的非线性模型,获取吸光系数矩阵;然后通过设置相关系数阈值方法选择滤波区间,最后通过扩展卡尔曼滤波分光光度法检测Ni 2+浓度。Ni 2+浓度的检测范围为0.3~6.0 mg/L,预测均方根误差(RMSEP)为0.145,平均相对偏差为3.86%。本方法快速、简单,适用于锌湿法冶金净化过程中Ni 2+的实时检测和控制。

基于自适应扩展卡尔曼滤波法的储能电池荷电状态估计研究

荷电状态估计是储能电池管理的一项重要指标。目前工程上广泛使用的安时积分法虽然简单,但是存在诸多局限性。为了提高电量估算的精度和速度,同时考虑实际应用需求,针对储能电池开展了基于自适应扩展卡尔曼滤波(AEKF)法的荷电状态估计研究,以二阶Thevenin等效电路模型为基础,列写状态空间表达式,建立滤波器模型并根据实际情况对算法进行适当改进。仿真实验通过对比扩展卡尔曼滤波(EKF)法和AEKF方法,证实了AEKF方法的优越性。

基于反幂法和扩展卡尔曼滤波的姿态估计算法

针对基于Davenport的四元数法和扩展卡尔曼(extended Kalman filtering,EKF)的姿态估计算法的精度受特征值精度影响的问题,设计一种基于反幂法与EKF算法的姿态估计算法。根据Davenport矩阵K的近似特征值,利用反幂法迭代计算出Davenport矩阵K的特征向量,将其作为EKF的测量值,降低EKF测量值对特征值的敏感度。为验证算法有效性,搭建四旋翼无人机实验平台,实测实验结果表明,该算法能为无人机提供高精度、实时的姿态信息,实现了无人机的稳定飞行。

利用磁强计及微机械加速度计和陀螺的姿态估计扩展卡尔曼滤波器

提出了一种用于惯性测量组合(IMU)姿态估计的扩展卡尔曼滤波器。此滤波器的状态转移阵利用基于四元数的等效旋转矢量来计算姿态。等效旋转矢量法可以避免欧拉角的奇异问题,并能有效抑制不可交换误差。测量四元数是利用高斯-牛顿迭代法解算以加速度计和磁强计输出数据为变量的方程组得出的。用从实际IMU 采集的数据对滤波器进行测试,并比较了带有滤波器和没有滤波器的结果。

基于自动加权法的扩展卡尔曼滤波数据融合算法研究

在雷达组网系统的数据融合过程中使用扩展卡尔曼滤波容易出现发散现象。文章针对扩展卡尔曼滤波器发散的难题,提出了一种基于自动加权法抑制扩展卡尔曼滤波发散的新思路。首先利用自动加权法判断出扩展卡尔曼滤波器是否发散;然后根据判断结果对扩展卡尔曼滤波器进行相应的处理。从而减少扩展卡尔曼滤波器发散对滤波估计的影响,大大地提高数据融合算法中扩展卡尔曼滤波器的精度,使算法能更好地完成雷达组网的数据融合功能。

基于Galerkin的扩展卡尔曼滤波器及其在CO2去除系统中的应用

二氧化碳去除系统是长期载人航天器中控制舱内CO2浓度最关键的系统。为了确保舱内的CO2浓度在可接受的范围内,需要实时估计CO2去除系统的状态。本文首先建立实际系统的数学模型,再提出了基于Galerkin的扩展卡尔曼滤波算法,估计CO2去除系统的状态。该方法采用Galerkin逼近法将偏微分方程转换为常微分方程,然后利用扩展卡尔曼滤波器进行状态估计。然后,以实际载人航天任务的实际工况为条件进行了仿真实验。仿真结果表明,该方法可以有效地估计系统状态,同时避免了尺寸爆炸的问题,并且对测量噪声具有很强的鲁棒性。因此,该方法也可以为CO2去除系统的故障诊断和故障定位打下基础。

用于卫星制导弹药落点预测的卡尔曼滤波算法

为即时的准确的预测弹丸落点,文中建立了基于质心弹道模型的卡尔曼滤波状态方程,利用衰减记忆法扩展卡尔曼滤波递推算法估计方程中的未知参数和风偏因素,并利用其估计参数外推出外弹道落点。利用某型号迫弹卫星虚拟导引装置的测量数据进行验算,其未知系数迅速收敛至真值,同时实现了对风偏的准确拟合。研究发现其卡尔曼滤波算法对弹丸落点预测具有精度高、运算速度快等优点,适宜于工程应用。

用于卫星制导弹药落点预测的卡尔曼滤波算法

为即时地准确地预测弹丸落点,文中建立了基于质心弹道模型的卡尔曼滤波状态方程,利用衰减记忆法扩展卡尔曼滤波递推算法估计方程中的未知参数和风偏因素,并利用其估计参数外推出外弹道落点。利用某型号迫弹卫星虚拟导引装置的测量数据进行验算,其未知系数迅速收敛至真值,同时实现了对风偏的准确拟合。研究发现其卡尔曼滤波算法对弹丸落点预测具有精度高、运算速度快等优点,适宜于工程应用。

基于扩展卡尔曼的锂离子电池SOC估算研究

基于目前的锂电池荷电状态测试方法得到的性能指标,尚不能够直观地获取锂电池的剩余电量,还需要进行合理的SOC估算。文中采用卡尔曼滤波方法,同时深入研究并结合扩展卡尔曼滤波EKF的原理;利用适合电池系统的Rint,RC,Thevenin几种典型等效电路模型展开研究,并在Mat Lab中仿真验证该方法的估算精确程度。通过软件仿真和试验测试结果的对比,验证了扩展卡尔曼滤波法具有较高的估算精度,其平均误差保持在4.5%以内,可用于实时估算锂离子电池的SOC。

基于卡尔曼滤波的小型无人机姿态估计算法研究

构建了基于MEMS陀螺仪、加速度计及磁强计的姿态测量系统。研究了基于四元数的扩展卡尔曼滤波算法。通过四元数微分方程和陀螺噪声误差建立了卡尔曼状态方程,利用加速度计和磁强计的输出数据,采用梯度下降法计算出测量四元数。用从实际的惯性测量单元采集的数据对滤波器进行测试,结果证明航向角在通过卡尔曼滤波器后,有效的抑制了姿态角的发散,使得航向角姿态角误差小于3°,该算法能够实现小型无人机的高精度姿态解算。

一种基于增广EKF的移动机器人SLAM方法

针对移动机器人同步定位与地图构建(SLAM)过程中系统测程法误差累积问题,采用测程法误差模型和车轮速度误差模型的映像关系,结合增广扩展卡尔曼滤波(AEKF)算法结构和实际机器人模型,提出了一种有效提高定位精度的SLAM方法。将机器人速度校正参数附加到卡尔曼滤波算法的向量空间中,以形成增广状态空间,同时预测和更新了SLAM初始状态空间和速度校正参数,笔者在线实时修正机器人的速度和航向角,避免积累航向角误差,从而降低了测程法误差。基于均方根误差和归一化估计方差进行了仿真实验分析,研究结果表明:与EKF-SLAM相比,所提出的方法具有更好的估计性能,使算法保持良好的一致性,大幅度提高了机器人自身定位精度和路标估计准确度。