头盔显示器伺服系统动平台参数辨识方法

分析了头盔显示器伺服系统动平台参数的不确定性与时变性,推导了连续-离散扩展卡尔曼滤波（CDEKF）与连续-离散平方根无味卡尔曼滤波（CDSR-UKF）的辨识过程,结合头盔显示器伺服系统的动力学模型建立了系统动平台参数的辨识模型,并通过仿真试验对比分析了CDEKF和CDSRUKF的辨识效果。设计了动平台参数的突变试验过程,通过试验对CDSR-UKF的实用性进行了检验。仿真结果表明：CDEKF与CDSR-UKF的标准误差比值范围为1.9~6.3,收敛时间比值范围为1.0~27.7,均方根误差的比值范围为1.4~11.0,后者的计算精度、稳定性和收敛速度均要优于前者,且后者的平均收敛时间约为0.002s,具有较好的在线辨识性能;CDSR-UKF的辨识误差小于10%,对大幅度突变和一般幅度突变参数的辨识收敛时间分别约为0.30s和0.04s,能较好地跟踪参数的变化过程,可满足正常使用情况下的头盔显示器伺服系统动平台参数辨识要求。

一种描述人体头部运动范围的数学方法

基于头盔伺服系统执行机构的结构优化设计需求,提出了一种用六维空间超椭球体描述人体头部运动范围的方法;该方法主要由二维包络椭圆的计算和六维超椭球体的计算两部分组成。首先,总结和归纳了包络椭圆的定义,提出了包络椭圆的计算方法。在计算过程中提出了椭圆中心坐标修正步长、包络椭圆的两半轴长修正因子以及纵轴半轴长修正步长等概念。实现了对椭圆中心和半轴长的动态修正,提高了包络椭圆计算的准确性和智能化水平。其次,给出了判定包络椭圆的条件和准则,方便了对计算方法可行性的验证。再次,提出了根据投影面内包络椭圆几何信息求解六维超椭球体的方法。最后,对包络超椭球体的计算方法进行了理论分析和实例计算。结果表明:对包络椭圆与超椭球体的计算是准确的,采用超椭球体来描述头部运动范围是可行的。