基于MACF-CKF多传感器融合的姿态解算算法

针对惯性导航测量单元姿态解算精度低的问题,提出了一种基于多传感器隶属度自适应互补滤波(Membership Adaptive Complementary Filtering,MACF)和容积卡尔曼滤波(Cubature Kalman Filter,CKF)相融合的姿态解算算法。使用指数加权移动平均修正陀螺仪噪声偏差,为了避免出现陀螺仪和加速度计的权重在互补滤波中分配不当而导致俯仰角和横滚角误差较大的现象,通过构造陀螺仪偏差的隶属度函数,判断互补滤波对陀螺仪的信任度,根据信任度动态调整互补滤波自适应因子,同时用磁力计和陀螺仪进行CKF来解决航向角发散的问题。实验表明:所提出的算法无论在静态条件还是动态条件下均能快速、准确实现姿态解算,在动态车载实验中,横滚角和俯仰角精度分别提升了24.5%和63.2%,航向角提升了48.8%,可以保证解算精度。

基于EKF和UKF的随钻姿态解算方法研究

目的为解决煤层松软中随钻测量系统测量精度不高的问题。方法提出一种改进的无迹卡尔曼滤波(UKF)和扩展卡尔曼滤波(EKF),分别应用于钻具的姿态滤波算法中并作比较。该方法基于旋转坐标变换的四元数理论和陀螺测量原理,建立钻具姿态传感器数据的非线性观测方程和状态方程,以四元数将测量数据进行转换与更迭,最终消除惯性传感器数据中的误差。与EKF算法相比较,UKF算法利用了UT变换对非线性函数的概率密度分布进行近似,没有忽略高项阶,因此对于非线性分布的统计量有较好的计算精度。结果经仿真验证,UKF的各个滤波误差峰峰值以及标准差小于EKF。结论改进的UKF的滤波算法精度明显高于EKF滤波算法,更加有效地去除惯性传感器中的干扰噪声,有利于提高微机电系统(MEMS)惯性传感器的测量精度,进而提高钻进效率。

基于PSO级联互补滤波的姿态解算方法研究

为了提高无人机(UAV)姿态解算的精度和稳定性,提出了一种基于粒子群优化(PSO)的级联互补滤波(CCF)的姿态解算方法——PCCF。该方法设计了一种新颖的非线性互补滤波器和线性滤波器级联的滤波结构,前者用于校正陀螺仪零偏,后者用于估计姿态角。采用PSO算法自适应地计算级联互补滤波结构的增益参数,避免人工调节或者基于经验的方法容易陷入局部最优解的问题。实验结果表明,相对于传统滤波方法,本文所提出的姿态解算方法能够获得更为精确、可靠的姿态信息,静态时姿态估计误差小于0.1°,动态时姿态估计误差范围为±1°,满足无人机精准导航和稳定飞行对姿态解算的要求。

基于决策树的自适应互补滤波姿态解算

为解决惯性传感器在磁场干扰和大加速度干扰坏境下姿态解算精度下降的问题,提出一种基于决策树自适应的互补滤波姿态解算方法。针对陀螺仪特性,对其进行零偏补偿处理。将处理后的角速度数据与加速度数据构成静态检测单元,实现了静态情况和动态情况的准确分类。在动态情况下,由加速度数据和磁场数据组成的决策树通过分析外界干扰程度来自主调节系统误差增益,进而达到抗干扰目的,有效提高姿态解算精度。实验结果表明:静态情况下姿态解算不受磁场干扰,动态情况下能够有效避免磁场和大加速度干扰。

单频低成本GNSS接收机单历元姿态解算新方法

GNSS姿态解算由于其廉价、高效的优点,越来越多地被应用于各导航定位领域。消费市场下的导航定位定姿模块多采用低成本接收机,面临较大的多路径影响、频繁的周跳,甚至矢锁等诸多问题。模糊度固定作为GNSS姿态解算的关键,在城市复杂环境中将受到更多挑战。本文根据C-Lambda算法,通过单基线固定时另外一个姿态角的自由度搜索,分别将其纳入姿态域和模糊度域,进行模糊度函数的全局最小化搜索计算基线向量,提出C-Lambda-Search及C-Lambda-A Search方法;采用3个低成本接收机(ublox-M8T)和贴片天线,在不同环境中分别进行不同基线长度的静态及动态车载试验。两个试验均证明,在模糊度固定效果及欧拉角计算精度上,本文方法有很大提升,且计算负担在可接受范围内,是一种实用性强的车载定姿算法。

基于小波神经网络修正自适应滤波的钻具姿态解算研究

针对惯性随钻测量中,由于钻头振动导致系统三轴加速度计数据失真,从而使得解算的钻头姿态角误差较大的问题。提出一种基于小波神经网络(WNN)与自适应滤波(AKF)联合对钻具姿态进行估计的方法,首先建立钻具姿态自适应滤波的状态空间模型,根据估计后的残差不断调整自适应因子,降低姿态的估计误差,提高钻具姿态估计精度;根据滤波器的输入输出建立小波神经网络模型,对比输出误差在线修正网络模型,对姿态信息进行反馈补偿。设计振动台实验以及钻进实验对所提方法验证,其中钻进实验中井斜角误差降低到±1.8°,实验结果表明,所提方法解算精度优于自适应卡尔曼滤波算法,能够有效抑制振动误差对姿态解算的影响,为实际钻井提供理论依据。

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.

改进强跟踪EKF算法在MEMS姿态解算中的研究

本文针对四旋翼姿态解算,提出了一种噪声自适应强跟踪扩展卡尔曼滤波算法(ASTEKF)。当机体从平稳状态向机动状态过渡时,由于量测噪声影响会导致算法估计不准确,因此本文首先证明不同时刻新息序列方差满足正交性原理,正交性原理表明,量测噪声对观测值的准确性影响很大;其次,引入Sage-Husa噪声自适应估计器较准确估计系统量测噪声均值和方差,使观测值更准确;最后,通过满足正交性原理条件公式计算次优渐消因子,将次优渐消因子引入协方差一步预测运算式中,得到强跟踪滤波器。次优渐消因子的引入使得一步预测协方差矩阵增大,即增大强跟踪扩展卡尔曼滤波器增益,使系统增加对观测值权重,得到更准确的状态估计值。离线仿真实验和在线实物实验结果表明了所设计算法的有效性。

基于改进自适应卡尔曼滤波的姿态解算方法研究

针对无人机多传感器数据融合进行姿态解算时,因陀螺仪零位漂移和加速度计噪声特性发生变化而导致滤波发散、降低滤波精度的问题,提出了一种基于PI自适应的两级卡尔曼滤波姿态解算方法。第一级滤波使用加速度计数据,通过PI自适应算法实时修正观测噪声协方差矩阵,解决由于加速度计噪声特性发生变化导致滤波发散的问题。第二级滤波使用磁力计数据对姿态角进行校正,利用校正因子修正陀螺仪零位漂移引起的误差。实验结果表明该方法具有良好的鲁棒性,在姿态角发生较大变化时,该方法仍能保证姿态角误差较小,有效地减小了陀螺仪累计误差,明显提高了滤波精度。

基于改进自适应扩展卡尔曼滤波的高精度姿态解算

针对传统自适应扩展卡尔曼滤波的姿态角度解算精度低的问题,分析了Sage-Husa自适应滤波原理,设计了一种改进加权的测量噪声协方差矩阵,提出一种优化自适应滤波过程的扩展卡尔曼滤波方法(WAEKF)。该方法以自适应扩展卡尔曼算法为基础,通过设置不同的权重值更新测量噪声协方差,对测量噪声进行自适应滤波,实现姿态角度的有效解算。实验结果表明,该方法相较于传统的自适应扩展滤波算法大幅提高了姿态角的解算精度,其航向角的均方根误差和平均绝对误差分别降低了84.23%,78.28%。

基于四元数矢量平均的阵列MEMS-IMU轴对准及姿态解算方法

为解决MEMS-IMU姿态解算误差较大的问题,提出了一种基于阵列MEMS-IMU数据融合的姿态解算系统和方法。采用阵列MEMS芯片四元数矢量平均法进行轴对准,对阵列MEMS-IMU进行数据融合,再使用改进的动态卡尔曼滤波方法对运动中的载体姿态进行解算。通过精密转台的姿态旋转实验对所提方法进行验证,实验结果表明:对比传统的阵列MEMS-IMU未进行轴对准法和精密转台轴对准法,所提方法的姿态解算精度比未进行轴对准的阵列MEMS-IMU提升约2.3倍,与精密转台轴对准法的精度基本持平,验证了所提方法能简便、高效地提高姿态解算精度,具有一定的工程应用价值。

基于特征匹配的单目相机姿态解算

本文采用了一种基于AKAZE特征检测和PnP算法的单目视觉测量方法对相机的相对姿态进行解算,用于快速准确地确定空间中两个目标间的位姿关系.采集合作目标的模板图像,提取附加到合作目标上的4个特征点的像素坐标,利用AKAZE关键点对模板图像和待测图像进行匹配并计算映射矩阵,通过映射矩阵得到4个特征点在待测图像中的像素坐标,然后结合合作目标的尺寸信息求解基于4个共面特征点的PnP问题,解算相机与合作目标的相对位置.实验分析表明该方法计算的实时图像相机位姿与真实结果接近,验证了本文方法的有效性.

基于巴特沃斯低通滤波的自适应步长梯度下降姿态解算方法

针对旋翼无人机常用的低成本MEMS姿态传感器,因其内部低通滤波具有一定相位延迟效应,致使旋翼无人机姿态原始数据预处理后具有时间滞后的问题,提出一种基于零相位时延修正的巴特沃斯低通滤波(LPB)的自适应步长梯度下降姿态解算方法。通过计算正反单边序列通过滤波器时相位偏移大小,补偿MEMS传感器的时延,然后设计自适应步长梯度下降法进行姿态解算。实验结果表明,该方法在多旋翼高速运动时可提供高时效准确的姿态信息,提高控制响应速率。

基于天际线检测算法的多旋翼无人机姿态解算

为给无人机的姿态角解算提供冗余的数据支撑,介绍一种天际线检测算法。确定天际线提取区域及天际线检测梯度阈值,对图像中各列的天际线进行检测,消除检测出的天际线奇异点值,解算出天际线与无人机图像水平线的夹角,作为姿态解算的数据源。结果表明:用该方法设计出的智能图像处理模块,可实时有效地检测出图像的天际线,并解算出无人机姿态角,控制无人机稳定飞行。

IMU姿态解算的卡尔曼滤波方法比较

【目的】利用惯性定位技术在非开挖时直接测定电缆通道的三维坐标。在惯性定位中,姿态算法对整个系统精度的影响最大,对扩展卡尔曼滤波(EKF)和误差状态卡尔曼滤波(ESKF)两种常用的姿态解算法进行评估。【方法】以四元数和陀螺输出误差为状态向量、磁力计和加速度计为观测向量,基于四元数姿态模型,分别用EKF和ESKF进行姿态解算。【结果】试验结果表明:在计算效率方面,ESKF的计算效率要高于EKF,ESKF的计算耗时约为EKF的80%;在计算精度方面,EKF的均方根误差相对于ESKF有35.6%的改善。【结论】由于地下管线惯性定位主要考虑定位精度,因此EKF具有更好的应用价值。

基于扩展卡尔曼滤波算法的机器人姿态解算研究

针对机器人上的惯性导航系统由于振动干扰存在,导致测量数据中包含有大量噪声问题,进行了测量数据滤波研究。使用扩展卡尔曼滤波(EKF)对传感器测量的数据滤波,并进行姿态解算,通过静态、动态测试完成滤波前后数据对比,实验结果表明扩展卡尔曼滤波(EKF)不仅可以滤除测量数据中的大部分噪声,同时可以提高姿态解算精度。

基于STM32F767IGT6的AGV姿态解算系统设计

为了提高AGV的姿态解算、定位和导航控制精度,减小导航器件的体积和功耗,设计了一种以STM32F767IGT6为主控制器、MPU9250为姿态传感器模块的AGV姿态解算系统。在姿态解算部分,MPU9250读取内部九轴传感器的实时数据,通过内部自带的数字运动处理DMP引擎进行姿态融合解算,通过集成电路IIC总线接口和主控芯片STM32F767IGT6进行数据交互,传输速率可达400 kHz/s,具有良好的动态响应特性。实验结果表明,基于STM32F767和MPU9250的AGV姿态解算系统能较好地跟踪AGV的姿态,反应灵敏迅速、实时性强、解算精度高,能够为AGV定位与导航提供准确的姿态信息。

改进梯度下降法在地下管道惯性定位姿态解算中的应用

针对地下管道惯性定位姿态解算传统算法存在效率较低、最优参数难以确定等问题,文章提出了一种自适应调节参数的梯度下降法。该方法将加速度计、陀螺仪和磁力计的数据进行融合,并自动调节梯度下降参数,实现了四元数姿态信息的更新。试验结果表明,该方法解算横滚角和俯仰角的精度与传统梯度下降法一致,航向角的精度有11.2%的改善,计算效率相对于扩展卡尔曼滤波方法有50%的提升。

基于四元数法的捷联式惯性导航系统的姿态解算

载体的姿态解算算法是实现捷联式惯性导航系统精确导航的核心技术之一。分析了欧拉法、方向余弦法、四元数法求解姿态矩阵的优缺点,采用四元数法与方向余弦法两种解算方法分别计算载体姿态,两种方法的计算结果之差与理论真值比较以得到解算的相对误差,从而验证了四元数法的正确性和有效性。最后,指出提高采样频率和采用高阶计算算法能进一步减小姿态解算误差。数字化仿真与转台试验结果表明,本文提出的载体姿态解算法的理论数值相对误差为10-10%,测试实验相对误差为10-3%,计算时间为36μs,具有良好的实时性。

捷联惯导系统姿态解算模块的实现

提出了一种实现捷联惯性导航系统姿态解算模块的方法。基于DSP的硬件平台和四元数的数学平台,设计了捷联惯性导航系统的姿态解算模块。介绍了捷联惯性导航系统的工作原理和姿态解算的基本算法,并给出了四元数法的四阶龙格-库塔数值解法。设计了姿态解算模块的硬件电路和软件实现程序。实验测试结果表明,在增量角<5°的情况下,用四阶龙格-库塔法进行姿态解算,误差<0.0053%;应用TMS320C6713B进行硬件电路设计,每次解算时间<36μs,能够满足捷联惯性导航系统对精度和速度的要求。